[发明专利]基于增强图神经网络的会话推荐方法、系统及介质

权利要求书

1.一种基于增强图神经网络的会话推荐方法，其特征在于，包括：

步骤1：获取会话内用户点击物品的序列数据并进行过滤；

步骤2：构建会话感知图神经网络，将用户在会话内交互物品序列转换为有向图结构，每个物品转换为唯一结点，并在图中加入会话结点学习当前会话表示，物品结点间的有向边表示物品交互的先后顺序；

步骤3：通过门控图神经网络GGNN进行会话图上的消息传播，捕获邻居结点的信息以更新当前结点；

步骤4：利用注意力机制结合物品的位置编码，增强会话结点表示；

步骤5：根据用户交互的历史物品序列学习的会话表示，预测用户下一时刻的交互行为，实现用户下一时刻交互行为的推荐。

2.根据权利要求1所述的基于增强图神经网络的会话推荐方法，其特征在于，所述会话感知图神经网络对获取的会话内用户点击物品的序列数据进行预处理，包括：去除会话中被点击频率超出预设范围的物品，过滤会话序列长度仅为1的会话数据，将每一条会话数据分割多条会话数据以增强数据。

3.根据权利要求1所述的基于增强图神经网络的会话推荐方法，其特征在于，构建会话图，包括：

输入会话内用户点击物品序列s＝{v₁，v₂，...，v_n}，输出对应的会话图G＝(V，A_in，A_out)，其中，V是所构建图中结点集合，由物品结点v₁，v₂，...，v_n和会话结点v_s组成；A_in，A_out为构建图的邻接矩阵；

点击序列中邻接物品结点v_i和物品结点v_i+1之间构建有向边；

会话中每个物品结点v_i都与会话结点v_s构建有向边。

4.根据权利要求3所述的基于增强图神经网络的会话推荐方法，其特征在于，构建物品-会话交互模型，包括嵌入层、门控图神经网络层以及注意力层；

所述嵌入层：输入构建的会话图结点集合V，将每一个结点v_i表示为一个向量v_i，输出会话图结点的向量表示v₁，v₂，...，v_n，v_s；

所述门控图神经网络层：

输入会话序列构建的会话图G＝(V，A_in，A_out)，利用门控图神经网络GGNN捕捉图中每个结点与邻居结点的关系，并更新结点的表征，表达式为：

其中，f_in和f_out是两个函数，分别计算通过入边、出边连接v_i的邻居结点传递的信息；N_in(i)和N_out(i)分别表示通过入边、出边连接vi的邻居结点集合；表示结点v_i在图神经网络第l层的状态向量；W_in和W_out分别表示入边、出边连接的邻居结点信息的投影矩阵；b_in和b_out表示偏移量；j表示相对位置最小距离阈值；k表示相对位置最大距离阈值；

所述注意力层：

输入会话图中所有结点向量v₁，v₂，...，v_n，v_s，使用注意力机制结合位置编码捕捉物品结点在会话序列中的位置信息和每一个用户点击的物品对于会话的贡献度，以重新调整会话结点的向量表示；首先为每个物品生成一个位置编码，表达式为：

其中，n表示当前会话序列的长度；l_i∈[1，n]表示v_i在会话序列中的位置；和表示物品v_i的逆序位置编码；和是两个位置编码的参数矩阵。