[发明专利]一种基于域感知图卷积神经网络的跨域序列推荐方法及系统

权利要求书

1.一种基于域感知图卷积神经网络的跨域序列推荐方法，其特征在于，包括：

获取账户在不同域下的行为序列数据；

根据获取的行为序列数据以及预构建的基于域感知图卷积神经网络DA-GCN得到项目推荐结果；

其中，基于域感知图卷积神经网络的构建，包括:

构建跨域序列CDS图，根据CDS图进行节点的表示学习，并更新所有用户和项的表示；获取行为序列嵌入和用户嵌入并进行特征结合；利用预测层进行结果推荐，并最终获得域感知图卷积网络DA-GCN。

2.如权利要求1所述的一种基于域感知图卷积神经网络的跨域序列推荐方法，其特征在于，所述CDS图通过混合账户在不同域下的行为序列后转化获得，其中包括四种类型的关联，即域A中的用户-项交互、域B中的用户-项交互、域A中项之间的顺序转换和域B中项之间的顺序转换。

3.如权利要求1所述的一种基于域感知图卷积神经网络的跨域序列推荐方法，其特征在于，所述跨域序列CDS图连接不同的域，其中用户和每一个域中的项目为节点，不同类型节点的关联是边，通过从连接的相邻节点传递信息来学习用户和项目的节点嵌入。

4.如权利要求3所述的一种基于域感知图卷积神经网络的跨域序列推荐方法，其特征在于，所述节点的表示学习，具体为，假设每个账户下有H个潜在用户，通过定义每个账户下的潜在用户，从用户的跨域交互序列中学习不同的用户表示，并编码多方面的个性和偏好。

5.如权利要求4所述的一种基于域感知图卷积神经网络的跨域序列推荐方法，其特征在于，所述节点的表示学习，具体包括用户的表示学习和用户特定的项目表示学习；所述序列嵌入通过对序列中的项目嵌入进行最大池化操作获得。

6.如权利要求5所述的一种基于域感知图卷积神经网络的跨域序列推荐方法，其特征在于，利用负对数似然损失函数训练域感知图卷积网络DA-GCN。

7.如权利要求1所述的一种基于域感知图卷积神经网络的跨域序列推荐方法，其特征在于，DA-GCN中的所有参数均通过梯度反向传播算法来学习。

8.一种基于域感知图卷积神经网络的跨域序列推荐系统，其特征在于，包括：

序列转换模块，被配置为将共享账户的混合序列转换为CDS图；

节点表示模块，被配置为从连接的相邻节点传递信息来学习用户和项目的节点嵌入。

特征结合模块，将序列嵌入和用户嵌入拼接进行特征结合；

预测层模块，利用预测层获得域感知注意力图卷积网络DA-GCN。

9.一种介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于域感知图卷积神经网络的跨域序列推荐方法。

10.一种设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于域感知图卷积神经网络的跨域序列推荐方法。