[发明专利]一种基于层间组合机制的图卷积网络推荐方法及装置

权利要求书

1.一种基于层间组合机制的图卷积网络推荐方法，其特征在于，该方法包括：

S1构建用户-项目历史交互记录集合；并构建商品的知识图谱；用户-项目历史交互记录集合中，用户和项目交互记录使用变量表示，若则表示用户和项目有过交互行为，否则；

S2基于用户-项目历史交互记录集合和商品的知识图谱构建项目-商品实体对齐集合；在项目-商品实体对齐集合中，使用二元组代表交互记录中的项目与商品的知识图谱中的商品实体e存在一一对应的关系；

S3基于项目-商品实体对齐集合，将用户和项目的交互行为与商品的知识图谱进行编码整合至统一的关系图数据结构中，生成用户与商品的协同知识图谱；构建用户与商品的协同知识图谱的具体步骤为：

S31 遍历用户-项目历史交互记录：在用户的列表中添加项目，在项目的列表中添加用户；

S32 对商品知识图谱中的每个三元组执行遍历操作；如果项目-商品实体对齐集合中包含三元组的头实体且与头实体产生过交互行为的用户存在于历史交互记录集合中，则在该用户的列表中添加该三元组的尾实体；否则直接在头实体的列表中添加对应的尾实体；

S33 在尾实体的列表中添加头实体；

S34遍历结束后，得到协同知识图谱；

S4通过图卷积网络对协同知识图谱中每个节点的特征信息进行图卷积操作，提取用户和商品特征；具体为：对每个节点与其当前卷积层的邻居节点执行特征信息的图卷积操作，再对图卷积得到的特征信息执行非线性变换生成特征向量，然后进行下一层的图卷积操作，直到当前卷积层数大于预设的卷积层数，将不同层求得的特征向量进行加权求和从而生成协同知识图谱中节点的最终特征向量表示；图卷积操作定义为：

其中，为对称归一化正则项，代表与商品有过交互行为的用户集合，代表与用户产生过交互行为的商品集合，为商品的第k层特征向量，为用户的第k层特征向量，图卷积的聚合操作中对象仅为目标实体的邻居实体，目标实体本身并不参与聚合操作；

图卷积网络经过预设的K层特征传播后，将不同层求得的特征向量进行加权求和，从而生成用户或商品实体的特征向量表示：

其中，表示第k层特征向量在最终加权求和过程中的贡献度，即组合权重，等于，为加权求和后的用户特征向量，为加权求和后的商品特征向量；S5依次计算用户与各个商品特征向量的内积，按照内积的大小进行排序召回，最后将商品推荐给用户；用于商品推荐的排序分数由用户与商品实体各自最终的特征向量内积相乘得到，具体计算：

其中，表示用户与商品的内积相乘结果，T表示转置。

2.一种基于层间组合机制的图卷积网络推荐装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，其特征在于，所述处理器执行所述可执行代码时，实现如权利要求1所述的基于层间组合机制的图卷积网络推荐方法。

3.一种计算机可读存储介质，其上存储有程序，其特征在于，所述程序被处理器执行时，实现如权利要求1所述的基于层间组合机制的图卷积网络推荐方法。