[发明专利]一种基于图神经网络的众测推荐方法

说明书

本发明公开了一种基于图神经网络的众测推荐方法，将用户与项目形成的二分图和用户之间的社交网络进行融合，合成异质图，如果存在新加入的用户或者项目，在异质图上生成新边以增加节点之间关联度；将用户特征、项目特征与第一步中生成的异质图送入图神经网络，最后生成用户的嵌入表示、项目的嵌入表示以及边的嵌入表示；然后送入关系嵌入表示的双线性解码器中，对于每种关系都得到一个数值，进行softmax之后得到关系可能性分布，最后根据可能性大小得出一个推荐列表。本发明公不仅将众测人员与项目之间的关系和众测人员之间的社交网络相结合，而且提高了推荐的准确性，有效的缓解推荐系统冷启动问题。

技术领域

本发明涉及推荐系统领域，主要应用于众测项目中，具体涉及图神经网络的推荐系统方法。

背景技术

随着互联网的不断发展，人们在网络上的各种活动也在不断丰富，不仅包含了互联网上的娱乐活动，而且也出现了类似众包测试等利用互联网进行任务分配多人协作完成的新型生产形式。

众测任务中的部分过程有将一个分解完成的任务发包给互联网上参与测试的人员，众测过程中的推荐系统对于整个众测的完成效率和质量至关重要。如何更加准确高效的完成众测推荐任务，面临着巨大的挑战。

传统的基于矩阵分解的推荐系统，只使用了用户的行为特征，推荐准确率不高且存在着严重的冷启动问题。对于众测系统的推荐任务而言，此类推荐系统无法胜任复杂且试错代价较高的众测系统。因此一个较高准确率且能够部分克服冷启动问题的推荐系统才能符合拥有复杂任务属性与用户属性的众测任务。基于图神经网络的众测推荐方法很好的将社会化推荐和用户行为特征结合到一起，能够更加准确的实现推荐并且可以通过添加边较好的缓解过拟合问题，很符合众测推荐系统的要求。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于图神经网络的众测推荐方法，针对众测系统中不仅有用户-众测项目的关系，而且还存在众测用户社交网络关系，将用户-众测项目二分图和用户社交网络相融合，利用图神经网络链接预测算法实现众测系统中的推荐方法，提高了推荐的准确率和缓解了推荐系统中的冷启动问题。对于多种推荐的需求，只需要使用一个模型即可实现，提高了模型的抽象程度，同时简化了众测任务复杂关系的处理方式。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于图神经网络的众测推荐方法，众测推荐系统可以看成一种矩阵补全问题。众测人员与项目之间存在两个图结构。第一个图是存在于众测人员和众测项目之间的二分图，第二个图是存在于众测人员之间的社交网络。对于传统的基于矩阵补全的推荐系统，只使用到了众测人员对于项目的行为特征，没能有效的将众测人员自身特征和项目特征融合进推荐系统中。基于图神经网络的众测推荐方法将众测用户与项目之间的二分图和众测用户之间的社交网络进行融合，形成了一个同时包含众测用户信息和项目信息的异质图。在这个异质图上对每个节点(众测人员和项目)进行图卷积操作，生成每个节点的嵌入表示，将这些节点嵌入表示用于连接预测，可以有效的预测众测人员和项目之间的关系，不仅可以实现根据项目推荐众测人员，还可以根据众测人员推荐项目。对于一个刚刚加入的人员或者项目，可以使用K近邻算法等图合成算法为新增节点建立新边，可以解决冷启动导致的一些问题。并且根据项目推荐人员和根据人员推荐项目可以共享表示和大量参数，有效的提高了模型的抽象程度和通用性，具体包括如下步骤：

步骤1，生成图阶段：将用户与项目形成的二分图和用户之间的社交网络进行融合，合成异质图，如果存在新加入的用户或者项目，通过K近邻方法选取特征相似度最高的K个节点，在异质图上生成新边以增加节点之间关联度。可以预先定义异质图每条边的关系并为其建立特征矩阵，可以最大程度的利用边的关系信息。相同的关系的边共享特征矩阵参数有效缓解过拟合现象。