[发明专利]基于会话的推荐方法及装置

说明书

本说明书一个或多个实施例提供一种基于会话的推荐方法及装置，利用预先训练的推荐模型进行物品推荐，方法包括：根据待预测的会话，构造有向会话图；将所述有向会话图输入门控图神经网络，由所述门控图神经网络输出物品嵌入向量；根据用户的当前偏好和第一长期偏好，确定用户的动态偏好；其中，所述当前偏好为所述会话中的最后一个物品的物品嵌入向量，所述第一长期偏好根据所述物品嵌入向量和物品的重要性分数确定；根据所述动态偏好和所述物品嵌入向量，确定各物品的预测分数；根据各物品的预测分数，输出推荐物品。本实施例能够提高物品推荐的精准度。

技术领域

本说明书一个或多个实施例涉及人工智能技术领域，尤其涉及一种基于会话的推荐方法及装置。

背景技术

目前，线上平台一般都设计了推荐系统，在用户与系统的交互过程中分析用户偏好，根据用户偏好从海量物品中筛选出用户可能感兴趣的物品，推荐给用户，从而促成交易。现有的推荐系统，物品一般采用独热编码表示，容易导致模型过拟合，降低推荐精准度。

发明内容

有鉴于此，本说明书一个或多个实施例的目的在于提出一种基于会话的推荐方法及装置，能够提高物品推荐的精准度。

基于上述目的，本说明书一个或多个实施例提供了基于会话的推荐方法，利用预先训练的推荐模型进行物品推荐，方法包括：

根据待预测的会话，构造有向会话图；其中，所述会话包括用户与系统交互的至少一个物品；

将所述有向会话图输入门控图神经网络，由所述门控图神经网络输出物品嵌入向量；

根据用户的当前偏好和第一长期偏好，确定用户的动态偏好；其中，所述当前偏好为所述会话中的最后一个物品的物品嵌入向量，所述第一长期偏好根据所述物品嵌入向量和物品的重要性分数确定；

根据所述动态偏好和所述物品嵌入向量，确定各物品的预测分数；

根据各物品的预测分数，输出推荐物品。

可选的，确定各物品的预测分数之后，还包括：

计算物品的标签分布；

根据所述预测分数和所述标签分布，确定第一损失函数；

根据所述第一损失函数，优化所述推荐模型。

可选的，所述计算物品的标签分布，包括：

计算目标物品与物品集合中所有物品的相似度，得到由目标物品与所有物品的相似度构成的软标签向量；

对所有物品进行独热编码，得到独热编码表示的所有物品的硬标签向量；

根据所述软标签向量和硬标签向量，确定所述标签分布。

可选的，所述方法还包括：

计算所述会话与其他会话的相似度；

确定相似度最大的前M个邻居会话及剩余的非邻居会话；

根据所述会话、邻居会话、非邻居会话，分别计算各自的第二长期偏好；

根据所述会话、邻居会话非邻居会话的第二长期偏好，确定第二损失函数；

根据所述第一损失函数和所述第二损失函数，优化所述推荐模型。

可选的，所述第一长期偏好由动态读出函数确定，所述第二长期偏好由长期读出函数确定。

可选的，所述第一损失函数为KL散度函数，所述第二损失函数为JS散度函数。

可选的，所述物品的重要性分数由注意力机制产生。

本说明书实施例还提供一种基于会话的推荐装置，利用预先训练的推荐模型进行物品推荐，包括：