[发明专利]基于去中心化图神经网络的社交推荐方法

权利要求书

1.一种基于去中心化图神经网络的社交推荐方法，其特征在于，包括：

利用统计信息将原始交互图处理为去中心化图，所述去中心化图中包含了去中心化的用户-物品交互图与物品-用户交互图、以及用户之间的社交关系强度；其中，所述利用统计信息将原始交互图处理为去中心化图包括：对于每一个用户而言，利用与其交互的每个物品的平均评分，获取去中心化的用户-物品交互图；对于每一个物品，利用与其交互的每个用户的平均评分，获取去中心化的物品-用户交互图；对于两个用户，利用两个用户对同一物品的评分，获得两个用户的社交关系强度；

通过GNN协同过滤模型，利用去中心化的用户-物品交互图与物品-用户交互图各自进行用户建模与物品建模，以及利用用户之间的社交关系强度进行社交建模，并利用建模获得的用户的表示向量、物品的表示向量及用户的社交用户表示向量集合，预测用户对物品的评分；

根据用户对物品的评分大小，生成物品的推荐列表。

2.根据权利要求1所述的一种基于去中心化图神经网络的社交推荐方法，其特征在于，

所述利用与其交互的每个物品的平均评分，获取去中心化的用户-物品交互图包括：将用户对每个物品的评分减去相应物品的平均评分，得到去中心化的用户-物品交互图；

所述利用与其交互的每个用户的评分，获取去中心化的物品-用户交互图包括：将与其交互的每个用户给出的评分减去相应用户的平均评分，得到去中心化的物品-用户交互图。

3.根据权利要求1所述的一种基于去中心化图神经网络的社交推荐方法，其特征在于，

原始交互图包括：用户与相应物品交互关系的交互图，其中包含了用户对相应物品的评分；以及用户与用户社交关系的社交图；

所述统计信息包括：用户对物品的评分、各用户的平均评分以及各物品的平均评分。

4.根据权利要求1所述的一种基于去中心化图神经网络的社交推荐方法，其特征在于，所述利用两个用户对同一物品的评分，获得两个用户的社交关系强度的公式为：

其中，T_ik表示用户u_i与用户u_k的社交关系强度，r_ij、r_kj各自表示用户u_i、用户u_k对同一物品v_j的评分，R(u_i)、R(u_i)各自表示用户u_i、用户u_k进行过交互的物品集合；当条件x成立时，I(x)＝1，否则为0；δ是评估两个用户是否喜欢同一个物品的门限值。

5.根据权利要求1所述的一种基于去中心化图神经网络的社交推荐方法，其特征在于，利用去中心化图进行用户建模，获得的用户的表示向量包括：

对于用户u_i，去中心化的用户-物品交互图中对物品v_j的评分差值为r_ij-E(v_j)，将其变换为正整数值：其中，r_ij表示用户u_i对物品v_j的评分，E(v_j)表示物品v_j的平均评分，和|·|分别是整值函数和绝对值函数；

预先创建了向量查找表，将不同正整数值的评分差值映射为不同的向量则用户u_i与物品v_j的交互表示向量为：其中，L_U为多层感知机，表示物品v_j的嵌入向量；

通过物品聚合函数聚合用户u_i所有交互过的物品，物品聚合函数表示为：

其中，R(u_i)表示用户u_i进行过交互的物品集合，η_ij表示注意力权重；

最终用户的表示向量为：

其中，W_U与b_U表示用户建模时的权重矩阵与偏置项。