一种基于结构增强的图卷积神经网络会话推荐方法.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CN113961816A(43)申请公布日2022.01.21(21)申请号202111423525.2(22)申请日2021.11.26(71)申请人重庆理工大学地址400054重庆市巴南区李家沱红光大道69号(72)发明人朱小飞唐顾(74)专利代理机构重庆博凯知识产权代理有限公司50212代理人黄河(51)Int.Cl.G06F16/9535(2019.01)G06F40/35(2020.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书4页说明书16页附图5页(54)发明名称一种基于结构增强的图卷积神经网络会话推荐方法(57)摘要本发明涉及会话推荐技术领域，具体涉及一种基于结构增强的图卷积神经网络会话推荐方法，首先获取目标会话文本的会话表示；然后基于会话表示生成对应的会话图，进而通过会话图识别目标会话文本中的噪声项目；再结合注意力机制重置噪声项目的注意力权重，以消除噪声项目的影响；最后计算最终预测概率分布，并基于最终预测概率分布进行项目推荐。本发明中基于结构增强的图卷积神经网络会话推荐方法能够识别噪声项目并解决噪声项目影响，从而能够提升会话项目推荐的准确性。CN113961816ACN113961816A权利要求书1/4页1.一种基于结构增强的图卷积神经网络会话推荐方法，其特征在于：首先获取目标会话文本的会话表示；然后基于会话表示生成对应的会话图，进而通过会话图识别目标会话文本中的噪声项目；再结合注意力机制重置噪声项目的注意力权重，以消除噪声项目的影响；最后计算最终预测概率分布，并基于最终预测概率分布进行项目推荐。2.如权利要求1所述的基于结构增强的图卷积神经网络会话推荐方法，其特征在于，具体包括以下步骤：S1：获取目标会话文本；S2：将目标会话文本输入经过预先训练的会话推荐模型中；所述会话推荐模型首先通过融合嵌入模块从三个角度分别提取目标会话文本的局部嵌入表示、全局嵌入表示和共识嵌入表示；再通过重复预测模块计算对应的重复预测概率；然后通过探索预测模块识别目标会话文本中的噪声项目、消除噪声项目的影响，并计算对应的探索预测概率；最后通过判断模块基于重复预测概率和探索预测概率计算对应的最终预测概率分布；S3：基于会话推荐模型输出的最终预测概率分布进行项目推荐。3.如权利要求2所述的基于结构增强的图卷积神经网络会话推荐方法，其特征在于：所述融合嵌入模块包括用于基于目标会话文本生成全局表示的动态全局邻居注意力网络，以及用于基于目标会话文本的局部表示和全局表示融合生成对应的局部嵌入表示、全局嵌入表示和共识嵌入表示的多通道图卷积神经网络。4.如权利要求3所述的基于结构增强的图卷积神经网络会话推荐方法，其特征在于，所述动态全局邻居注意力网络通过如下步骤生成全局表示：S201：对目标会话文本进行编码，得到对应的局部表示S202：从候选项目集合V＝{v1,v1,…,v|V|}中提取K个候选项目vj∈V作为目标项目的全局邻居S203：基于全局邻居生成对应的全局邻居嵌入表示S204：通过注意力池化机制聚合目标项目的全局邻居嵌入表示得到目标项目的全局表示其中，S205：计算各个目标项目的会话全局表示并生成目标会话文本S的全局表示上述式中：表示可训练参数；[；]表示拼接操作。5.如权利要求4所述的基于结构增强的图卷积神经网络会话推荐方法，其特征在于，所述多通道图卷积神经网络通过如下步骤生成局部嵌入表示、全局嵌入表示和共识嵌入表示：S211：基于局部表示构造对应的局部图AL,(l‑1)，并通过局部图AL,(l‑1)计算2CN113961816A权利要求书2/4页对应的局部嵌入表示其中，S212：基于全局表示构造对应的全局图AG,(l‑1)，并通过全局图AG,(l‑1)计算对应的全局嵌入表示其中，S213：基于局部图AL,(l‑1)和全局图AG,(l‑1)融合生成对应的共识图AM,(l‑1)；其中，S214：通过共识图AM,(l‑1)计算对应的共识嵌入表示其中，上述式中：HWGCN表示多通道图卷积神经网络；l表示多通道图卷积神经网络的层数；表示第l‑1层HWGCN输出的局部嵌入表示；表示第l‑1层HWGCN输出的全局嵌入表示；表示第l‑1层HWGCN输出的共识嵌入表示；σ表示Sigmoid函数；表示可训练参数。6.如权利要求5所述的基于结构增强的图卷积神经网络会话推荐方法，其特征在于：所述会话推荐模型还包括图增强的位置编码器；所述位置编码器通过共识图AM,(l‑1)计算对应的位置嵌入表示其中，位置编码器的结构表示为：上述式中：表示目标会话文本S中第i个位置的位置嵌入；Slen表示目标会话文本S的会话长度；表示会话长度Slen的嵌入表示。7.如权