[发明专利]一种个性化会话推荐方法和系统

权利要求书

1.一种个性化会话推荐方法，其特征在于，包括以下步骤：

S1.获取当前会话和历史会话数据，利用历史会话数据构建历史会话集合；

S2.将当前会话转换成图结构表示，并输入到图神经网络计算得到当前会话中每一个物品的特征表示，利用注意力机制对每个物品的特征表示进行综合得到当前会话目的的特征表示；从当前会话所有物品的特征表示中选择当前会话最后一个物品的特征作为当前用户的实时目的特征表示；

S3.将当前用户的历史会话集合转换成图结构表示，并输入到图神经网络计算得到历史会话集合中每一个物品的特征表示，利用注意力机制对每个物品的特征表示进行综合得到当前用户的历史偏好特征表示；

S4.将当前会话目的的特征表示、当前用户的历史偏好特征表示以及当前用户的实时目的特征表示进行融合，得到最终的总特征表示，并根据所述总特征表示生成用户感兴趣的物品列表，从而进行推荐。

2.如权利要求1所述的个性化会话推荐方法，其特征在于，所述步骤S2和步骤S3中的图神经网络均为门控图神经网络。

3.如权利要求2所述的个性化会话推荐方法，其特征在于，所述步骤S2具体包括：

将当前会话转换成图结构表示：根据每个物品之间的先后顺序得到图结构G_s，所述图结构G_s中每一条边表示在原始会话序列中有一个相应的相邻先后关系；

通过图结构G_s得到其中每一个节点的出度和入度，然后对出度和入度分别进行归一化处理，得到第一邻接矩阵；

将所述第一邻接矩阵输入到图神经网络，计算得到当前会话中每一个物品的特征表示，利用注意力机制综合每个物品的特征得到当前会话目的的特征表示。

4.如权利要求2所述的个性化会话推荐方法，其特征在于，所述步骤S3具体包括：

将当前用户的历史会话集合转换成图结构表示，根据每个历史会话中每个物品之间的先后顺序得到一个总的图结构；

通过所述总的图结构得到每一个历史访问物品节点的出度和入度，然后对出度和入度分别进行归一化处理，得到第二邻接矩阵；

将所述第二邻接矩阵输入到图神经网络计算得到历史会话集合中每一个物品的特征表示，利用注意力机制综合每个物品的特征得到当前用户的历史偏好特征表示。

5.一种个性化会话推荐系统，其特征在于，包括：

获取模块，获取当前会话和历史会话数据，利用历史会话数据构建历史会话集合；

会话编码器，将当前会话转换成图结构表示，并输入到图神经网络计算得到当前会话中每一个物品的特征表示，利用注意力机制对每个物品的特征表示进行综合得到当前会话目的的特征表示；从当前会话所有物品的特征表示中选择当前会话最后一个物品的特征作为当前用户的实时目的特征表示；

用户编码器，将当前用户的历史会话集合转换成图结构表示，并输入到图神经网络计算得到历史会话集合中每一个物品的特征表示，利用注意力机制对每个物品的特征表示进行综合得到当前用户的历史偏好特征表示；

融合解码器，将当前会话目的的特征表示、当前用户的历史偏好特征表示以及当前用户的实时目的特征表示进行融合，得到最终的总特征表示，并根据所述总特征表示生成用户感兴趣的物品列表，从而进行推荐。

6.如权利要求5所述的个性化会话推荐系统，其特征在于，所述会话编码器和用户编码器中的图神经网络均为门控图神经网络。

7.如权利要求6所述的个性化会话推荐系统，其特征在于，所述会话编码器中，将当前会话转换成图结构表示：根据每个物品之间的先后顺序得到图结构G_s，所述图结构G_s中每一条边表示在原始会话序列中有一个相应的相邻先后关系；

通过图结构G_s得到其中每一个节点的出度和入度，然后对出度和入度分别进行归一化处理，得到第一邻接矩阵；

将所述第一邻接矩阵输入到图神经网络，计算得到当前会话中每一个物品的特征表示，利用注意力机制综合每个物品的特征得到当前会话目的的特征表示。

8.如权利要求6所述的个性化会话推荐系统，其特征在于，所述用户编码器中，将当前用户的历史会话集合转换成图结构表示，根据每个历史会话中每个物品之间的先后顺序得到一个总的图结构；

通过所述总的图结构得到每一个历史访问物品节点的出度和入度，然后对出度和入度分别进行归一化处理，得到第二邻接矩阵；

将所述第二邻接矩阵输入到图神经网络计算得到历史会话集合中每一个物品的特征表示，利用注意力机制综合每个物品的特征得到当前用户的历史偏好特征表示。