[发明专利]一种融入标签信息的图神经网络推荐方法

权利要求书

1.一种融入标签信息的图神经网络推荐方法，其特征在于，包括以下步骤：

步骤1、构建用户-物品交互图以及物品-物品关联图，其中用户-物品交互图中以用户、物品分别作为节点，物品-物品关联图中以物品作为节点；

步骤2、利用第一图注意力网络学习所述用户-物品交互图中节点的特征表示；

步骤3、利用第二图注意力网络结合门控循环单元，学习所述物品-物品关联图中节点的特征表示；

步骤4、利用步骤2学习得到的用户-物品交互图中节点的特征表示、步骤3学习得到的物品-物品关联图中节点的特征表示构建多层感知机，并通过多层感知机预测用户对物品的交互偏好值；

步骤5、基于步骤4预测得到的所述交互偏好值，向用户推荐物品。

2.根据权利要求1所述的一种融入标签信息的图神经网络推荐方法，其特征在于，步骤1中，基于用户的历史购买记录构建用户-物品交互图，并基于物品标签构建物品-物品关联图。

3.根据权利要求1所述的一种融入标签信息的图神经网络推荐方法，其特征在于，步骤2中，第一图注意力网络学习过程如下：

步骤2.1、基于公式(1)计算用户-物品交互图中任意节点i的邻居节点j的注意力得分，公式(1)如下所示：

公式(1)中，α_ij为归一化后的注意力得分，exp()为以e为底的幂指函数，LeakyReLU()为激活函数，a、W₁为第一图注意力网络的权重参数，||表示向量的拼接，h_i为节点i的交互图特征向量，h_j为节点i的邻居节点j的交互图特征向量，h_k为节点i的邻居节点k的交互图特征向量，表示用户-物品交互图中任意节点i的邻居节点集合，k为集合中的节点；

步骤2.2、基于公式(2)聚合用户-物品交互图中物品节点的交互图特征，以更新用户节点的交互图特征，公式(2)如下所示：

公式(2)中，h_u表示更新后的用户节点的交互图特征，σ()为ELU激活函数，表示用户-物品交互图中用户节点的邻居节点集合，W₂为第一图注意力网络的权重参数，h_v为物品节点的交互图特征，α_uv为按步骤2.1计算的节点v对节点u的注意力得分，v为用户u的邻居节点；

步骤2.3、基于公式(3)聚合用户-物品交互图中用户节点的交互图特征，以更新物品节点的交互图特征，公式(3)如下所示：

公式(3)中，h_v表示更新后的物品节点的交互图特征，σ()为ELU激活函数，表示用户-物品交互图中物品节点的邻居节点集合，W₂为第一图注意力网络的权重参数，h_u为用户节点的交互图特征，α_vu为按步骤2.1计算的节点u对节点v的注意力得分，u为物品v的邻居节点。