专利交易市场

本公开属于人工智能与信息检索技术领域，具体涉及一种基于多行为和项目知识的图转换网络会话推荐方法及系统，包括：获取用户‑项目多行为交互图和知识感知的项目‑项目关系图；基于多行为交互模式嵌入对所获取的用户‑项目多行为交互图和知识感知的项目‑项目关系图进行融合，得到会话损失函数；通过基于成对关系向量的知识图谱嵌入翻译模型对项目知识进项学习，同时对用户‑项目多行为交互关系和项目‑项目依赖关系辅助学习，得到项目知识损失函数；根据推荐损失函数和项目知识损失函数多链路聚合融合，得到综合损失函数，实现会话推荐。

本发明提出了一种带有停留时间的图卷积网络会话推荐方法及系统，获取会话涉及的项目和带停留时间的历史会话序列；对历史会话序列中的停留时间进行缩放；构建有向会话图，根据停留时间和出现次数，设置会话图中边的权重；通过图卷积网络，提取会话图中的特征向量；用基于惩罚项的特征选择方法重复特征进行筛选；利用注意力机制捕获用户长期和短期偏好，预测用户对项目的偏好；本发明将停留时间合并到会话图中作为图卷积网络的输入，得到的节点向量特征经过特征选择层作为目标注意力网络的输入，防止过拟合，提高推荐的精确度。

本发明公开一种融合用户兴趣状态的多粒度会话推荐方法。本发明获取带时序信息的会话数据，构成会话数据集；构建有向图、物品类别关系无向图；搭建基于用户兴趣的会话推荐模型，并利用训练集进行训练。本发明通过分别建立有向图和无向图并融合了物品以及物品种类特征，以此来捕捉用户的动态兴趣和静态兴趣，充分考虑了会话的交互特征和用户的兴趣状态，并为不同的兴趣特征添加不同的权重，能够更加准确的捕捉用户兴趣。通过注意力机制对用户兴趣嵌入向量进行建模，极大提高了推荐模型的准确率。本发明克服传统方法没有考虑会话序列的时间属性导致的忽略用户点击的物品之间本身所带有的关系，在对含有时间属性的会话推荐中本发明更优秀。

本发明公开了一种基于物品图网络中路径表征的会话推荐方法。该方法根据给定用户的当前会话，挖掘出用户的当前兴趣，给用户推荐下一步最可能感兴趣的物品。主要由四个部分组成：第一部分是基于所有会话集合构建物品图；第二部分是根据当前会话和物品图网络，对当前会话进行扩充，得到扩充之后的会话路径；第三部分是采用分层门控循环单元网络对扩充之后的会话路径进行表征，得到用户兴趣表征；最后一部分是根据用户兴趣表征，推荐物品。

本发明公开了一种考虑用户多兴趣以及社交影响的会话推荐方法，基于用户当前会话中的物品序列和朋友上一个会话中的物品序列，预测用户对目标物品的点击率。本发明将目标用户的多兴趣和朋友对目标用户多兴趣的社交影响结合。并且在计算朋友对目标用户的社交影响时，既考虑好友的重要性又考虑好友和目标用户的共同兴趣不同。本发明的向前传播部分主要由四个部分组成：第一部分是根据目标用户当前会话中的物品序列，得到用户当前多兴趣表征；第二部分是根据社交网络，得到目标用户朋友的主要兴趣表征；第三部分是计算朋友对目标用户的社交影响；第四部分是结合朋友对目标用户的社交影响和用户的多兴趣表征，预测用户对目标物品的点击率。

本发明公开了一种基于时空图的会话推荐方法。该方法基于给定目标用户的交互数据，找出目标用户最可能交互的下一个物品。本方法首先根据用户当前会话以及物品的有向图网络构建时空图，通过平行循环神经网络结构对时空图进行建模，得到用户的短期兴趣。然后用长短记忆网络对用户的最近会话进行向量表征，并采用注意力机制学习用户最近会话中对当前短期兴趣影响较大的长期兴趣。最后，结合用户的短期兴趣和长期兴趣进行物品的推荐。

本发明公开了一种基于图表征的会话推荐方法。该方法基于给定目标用户的历史交互数据，找出目标用户最可能交互的下一个物品。本方法首先基于用户历史会话序列构建物品的有向图神经网络。通过图神经网络捕捉物品之间的转移关系。然后利用长短记忆网络对用户当前会话进行建模以提取出短期兴趣，同时使用最大池方法从用户最近会话序列中获取用户的长期兴趣。最后，结合用户的短期兴趣和长期兴趣进行物品的推荐。本发明方法克服了现有方法中的弊端：(1)无法捕捉到会话序列中的物品复杂转移关系；(2)没有考虑到用户的长期兴趣也随着时间发生变化。因此本发明方法实施的推荐效果比现有方法有了明显的提升。