一种基于会话数据的会话推荐方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114282077A(43)申请公布日2022.04.05(21)申请号202111673142.0(22)申请日2021.12.31(71)申请人深圳市颐通科技有限公司地址518000广东省深圳市罗湖区南湖街道深南东路118世界金融中心B座2117(72)发明人张瀚瑜张春慨(74)专利代理机构深圳市添源创鑫知识产权代理有限公司44855代理人朱丽萍(51)Int.Cl.G06F16/9032(2019.01)G06F16/9035(2019.01)G06K9/62(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书8页附图2页(54)发明名称一种基于会话数据的会话推荐方法及系统(57)摘要本发明公开了一种基于会话数据的会话推荐方法及系统，该方法包括将当前用户的历史会话序和当前会话序列建模成会话图，建模会话图时考虑到当前会话的重要性进行加权，使用图神经网络进行训练得到会话图中每个节点的表示向量，利用跳跃连接的扩张循环神经网络对用户的历史偏好进行建模；将用户历史偏好的表示向量与会话图中节点的表示向量通过一个注意力层进行融合，再经过一个软注意力层进行信息汇聚得到最终的用户行为表示向量；将最终的用户行为表示向量输入预测模块得到用户行为预测结果，使用交叉熵损失函数对系统进行训练。本发明将历史会话信息和短期的当前会话信息融合起来更准确地表示用户意图，达到会话推荐目的。CN114282077ACN114282077A权利要求书1/2页1.一种基于会话数据的会话推荐方法，其特征在于，包括以下步骤：将用户的历史会话序列和当前会话序列建模成会话图，建模会话图过程中根据当前会话和历史会话的重要性进行加权；将会话图输入图神经网络中进行训练，得到会话图中每个节点的表示向量；利用跳跃连接的扩张循环神经网络对用户的历史偏好进行建模，得到用户历史偏好的表示向量；将用户历史偏好的表示向量与会话图中节点的表示向量通过一个注意力层进行融合，再经过一个软注意力层进行信息汇聚得到最终的用户行为表示向量；将最终的用户行为表示向量输入预测模块得到用户行为预测结果。2.根据权利要求1所述的会话推荐方法，其特征在于，所述方法还包括利用预测结果，使用交叉熵损失函数对会话推荐方法建立的系统进行训练。3.根据权利要求1所述的会话推荐方法，其特征在于，将会话图输入图神经网络中进行训练，得到会话图中每个节点的表示向量，具体步骤包括：对于某一时刻的被点击节点，根据被点击节点在有向图和无向图中的表示得到经过信息传播的会话图中各节点的表示向量；将某一时刻被点击节点的传播信息和某一时刻之前的节点表示向量输入图神经网络层，更新每个节点的表示向量。4.根据权利要求1所述的会话推荐方法，其特征在于，利用跳跃连接的扩张循环神经网络对用户的历史偏好进行建模，得到用户历史偏好的表示向量，具体步骤包括：建立一个多层循环神经网络，具体表达式为：其中，表示历史会话第t个元素在多层循环神经网络中第l层的表示，表示历史会话第t个元素输入多层循环神经网络的初始值，是RNN网络模型，是在第l层往前d(l)个项的隐藏状态，d(l)是跳跃连接的跳跃长度，具体表达式为：d(l)=Ml‑1，l=1，2，…，L.其中，M，L均是超参数。5.根据权利要求1所述的会话推荐方法，其特征在于，将最终的用户行为表示向量输入预测模块得到用户行为预测结果，具体步骤包括：预测模块用一个结果向量来代表每一个候选项vi∈V的分值，通过计算向量得到最后得到的预测结果，计算过程包括：其中st表示最终的用户行为表示向量，V表示节点集合，表示最后得到的预测结果。6.根据权利要求2所述的会话推荐方法，其特征在于，交叉熵损失函数具体表达式为：2CN114282077A权利要求书2/2页其中，表示最后得到的预测结果，θ表示预测模块参数，λ为正则化项系数，m表示项目总数，yi是真实数据中用户的行为。7.一种基于会话数据的会话推荐系统，其特征在于，所述系统包括：会话图建模模块：用于将用户的历史会话序列和当前会话序列建模成会话图，建模会话图过程中根据当前会话和历史会话的重要性进行加权；图神经网络模块，用于将会话图输入图神经网络中进行训练，得到会话图中每个节点的表示向量；扩张循环神经网络模块，用于利用跳跃连接的扩张循环神经网络对用户的历史偏好进行建模，得到用户历史偏好的表示向量；信息融合模块，用于将用户历史偏好的表示向量与会话图中节点的表示向量通过一个注意力层进行融合，再经过一个软注意力层进行信息汇聚得到最终的用户行为表示向量；预测模块，用于利用最终的用户行为表示向量得到用户行为预测结果。8.根据权利要求7所述的会话推荐系统，其特征在于，