[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

说明书

本发明提供了一种基于增强图神经网络的会话推荐方法、系统及介质，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。本发明能够有效的捕捉物品与整个会话的关系，提高用户行为预测精度。

技术领域

本发明涉及会话推荐技术领域，具体地，涉及一种基于增强图神经网络的会话推荐方法、系统及介质。

背景技术

近年来，随着隐私保护的意识逐渐提升，会话推荐在推荐系统中扮演着重要的角色，即利用匿名用户在会话的交互行为预测该用户下一时刻的操作。由于会话内包含的信息十分有限，所以如何利用用户有限的交互行为来刻画用户的喜好变得具有挑战性。为了解决这一关键问题，一些研究使用循环神经网络以捕获会话交互序列的顺序信息，并对用户的长期兴趣进行建模。但是这类工作只能捕获到用户交互物品间单一的关系，为了捕获交互物品间更复杂的关系，另一类研究使用图神经网络来对用户的喜好进行建模。具体地，将会话序列转换为图结构，每个物品结点通过信息传播提取所有邻居结点的信息，从而提升了会话推荐的准确率。

专利文献CN112258262A(申请号：202010969069.0)公开了一种基于卷积自注意力网络的会话推荐方法，具体为：步骤1，将会话内每个物品表示为由物品嵌入与位置嵌入相加而得的低维向量；步骤2，对步骤1所得的低维向量进行序列建模和意图建模，分别捕捉会话的序列信息和关键意图信息，步骤3，基于得到的拼接序列信息和关键意图信息，由选择地预测用户下一步点击重复物品或不重复物品。

然而现有基于图神经网络的工作都注重刻画物品与物品之间关系，忽略了物品与整个会话序列的关系，如构建的会话图内只能通过边来体现物品与物品间先后交互顺序，不能体现物品在整个会话序列中的位置信息。本发明提出一种增强图神经网络的会话推荐方法，与现有图神经网络推荐方法有以下几点区别：1)我们将会话转换成图结构时，在图中加入一个会话级别结点以捕捉物品与整个会话的关系，而现有方法构建的会话图中结点都为物品级别结点。2)我们在图神经网络与带有位置编码的注意力层结合加强会话结点的表示，在信息传播和聚集后获得包含物品与会话关系的会话表征。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于增强图神经网络的会话推荐方法、系统及介质。

根据本发明提供的基于增强图神经网络的会话推荐方法，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。

优选的，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。

优选的，构建会话图，包括：