[发明专利]跨会话推荐方法、系统、存储介质及电子设备

说明书

本申请公开了一种跨会话推荐方法、系统、存储介质及电子设备，跨会话推荐方法包括：会话序列构建步骤：对原始的会话文本进行预处理，得到会话序列；会话图构建步骤：基于所述会话序列构建会话图；会话序列编码步骤：对所述会话图的会话结构进行编码，获得会话向量；知识获取步骤：根据所述会话向量通过知识获取模型输出会话文本知识；预测步骤：根据所述会话文本知识通过多层感知机获取与用户兴趣相关的推荐结果。本发明考虑了局部会话文本知识和全局会话文本知识，使得内容推荐素材更加丰富。

技术领域

本发明属于跨会话推荐领域，具体涉及一种跨会话推荐方法、系统、存储介质及电子设备。

背景技术

在推荐系统中，用户画像数据和物品画像数据提供了基础的推荐依据，除此之外用户的历史行为数据和物品的点击记录等数据也扮演着极其重要的作用，为个性化推荐提供了更充分的依据。随着推荐系统技术的日趋成熟，用户的行为数据和物品的点击记录等数据已经成为决定推荐效果的瓶颈。换而言之，拥有更丰富的数据，推荐算法就可以发挥更好的推荐效果。所以，如何获得、构建更加丰富的行为特征数据就表现的非常重要了。

现有技术的具体描述：

在现有的推荐场景中，主要可以分为两大类的推荐路线：

(1)基于user的推荐：

基于user的推荐路线主要利用user侧的数据，包括用户画像、历史行为数据等，然后再利用协同过滤、矩阵分解等技术得到用户感兴趣的内容，或者利用目前主流的基于深度学习的wide-deep神经网络去做内容推荐。

(2)基于item的推荐：

和基于user推荐类似，基于item的推荐路线也是利用item侧的内容画像和历史浏览、点击等数据，后续流程和基于user的推荐路线一样，完成内容的推荐。

发明内容

本申请实施例提供了一种跨会话推荐方法、系统、存储介质及电子设备，以至少解决现有的跨会话推荐方法中用户行为数据和物品点击记录数据不足的问题。

本发明提供了一种跨会话推荐方法，其中，包括：

会话序列构建步骤：对原始的会话文本进行预处理，得到会话序列；

会话图构建步骤：基于所述会话序列构建会话图；

会话序列编码步骤：对所述会话图的会话结构进行编码，获得会话向量；

知识获取步骤：根据所述会话向量通过知识获取模型输出会话文本知识；

预测步骤：根据所述会话文本知识通过多层感知机获取与用户兴趣相关的推荐结果。

上述跨会话推荐方法，其中，所述会话序列编码步骤包括：将所述会话结构输入到图神经网络中，对所述会话结构进行编码，获得包含全局信息的所述会话向量。

上述跨会话推荐方法，其中，所述知识获取步骤包括：利用时序卷积神经网络对所述会话序列进行建模获得所述知识获取模型，根据所述会话向量通过所述知识获取模型获得当前会话序列的文本知识及会话序列之前的全局文本知识。

上述跨会话推荐方法，其中，所述预测步骤包括：

预测结果获取步骤：根据当前会话序列的文本知识及会话序列之前的全局文本知识通过多层感知机进行用户感兴趣的内容预测获得多个预测结果；

预测结果输出步骤：将多个所述预测结果按照预设规则的顺序输出获得所述推荐结果。

本发明还提供了一种跨会话推荐系统，其中，包括：

会话序列构建模块，所述会话序列构建模块对原始的会话文本进行预处理，得到会话序列；