促进购买行为的会话推荐方法、系统、设备及存储介质.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CN113641811A(43)申请公布日2021.11.12(21)申请号202110953476.7(22)申请日2021.08.19(71)申请人中山大学地址510006广东省广州市海珠区新港西路135号(72)发明人周凡李伊昕苏卓(51)Int.Cl.G06F16/332(2019.01)G06F16/9535(2019.01)G06Q30/06(2012.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书7页附图2页(54)发明名称促进购买行为的会话推荐方法、系统、设备及存储介质(57)摘要本发明公开了一种促进购买行为的会话推荐方法与系统。包括：收集会话数据集并进行预处理与数据增强；把数据增强后的数据集建模为图结构输入到GNN网络中，并且通过停留时间的注意力层得到初步会话表示并存储在历史会话表示内存中；在该内存中查找与待推荐的会话相似度最高的若干个邻域会话表示，之后和初步会话表示连接得到最终会话表示；再与会话数据集中的所有物品计算余弦相似度，相似度最高的物品为推荐结果。本发明利用历史购买会话作为协同信息，可以有效建模用户的购买行为，并且在给用户进行推荐时，考虑历史会话中和用户存在相同偏好的用户行为，使得推荐算法可以更有效地预测用户的真实需求，从而给出更加准确的推荐结果。CN113641811ACN113641811A权利要求书1/3页1.一种促进购买行为的会话推荐方法，其特征在于，所述方法包括：从公开的数据集中收集包含物品信息、用户停留时间、用户购买行为在内的用户在电商平台的会话数据集；对所述会话数据集进行预处理，包括：对会话数据进行时间上的排序得到按时间排列的会话序列，去除掉只有一次点击的会话、删除出现频率过低的点击项；将所述预处理后的会话数据集根据是否产生购买行为划分为两个部分，点击数据集和购买数据集；对所述点击数据集和所述购买数据集进行数据增强，方式是对每一个数据进行片段式截取；把所述数据增强后的点击数据集和购买数据集建模为图结构，之后输入到GNN网络中，并且通过一个停留时间的注意力层，得到初步会话向量化表示数据集；将所述初步会话向量化表示数据集中产生了购买行为的会话存储在历史会话向量化表示内存中；对于待推荐的会话，在所述历史会话向量化表示内存中查找相似度最高的若干个邻域会话向量化表示，并且将这些邻域会话向量化表示和初步会话向量化表示数据集通过一个融合层连接到一起，得到最终会话向量化表示；用所述最终会话向量化表示与所述会话数据集中的所有物品计算余弦相似度，将相似度最高的物品作为推荐结果。2.如权利要求1所述的促进购买行为的会话推荐方法，其特征在于，所述会话数据集，其会话数据中的每一项还包含了物品的序号item_id和物品被点击的时间戳time_stamp。3.如权利要求2所述的促进购买行为的会话推荐方法，其特征在于，所述对会话数据进行时间上的排序得到按时间排列的会话序列，具体为：从会话数据集中获取共N个会话数据，用s表示会话，v表示被点击的物品项，将会话中的所有物品项v按所述物品被点击的时间戳time_stamp进行排序，则一个会话序列可以表示为s＝<v1，v2，v3…vt>，其中v的下标表示点击的先后顺序，t表示当前时间；通过所述每一个物品被点击的时间戳，计算相邻相似点击的所述time_stamp之差，得到会话的停留时间sdwell＝<t1，t2，t3…0>，由于最后一项点击的停留时间未知因此将其设置为0，sdwell中的各项与s中的各项一一对应。4.如权利要求3所述的促进购买行为的会话推荐方法，其特征在于，所述将所述预处理后的会话数据集根据是否产生购买行为划分为两个部分，点击数据集和购买数据集，具体为：在所述预处理后的会话数据集中，将存在购买行为的会话数据集从点击数据集中筛选出来，得到购买数据集BuySession和不存在购买行为的点击数据集ClickSession；其中，购买数据集BuySession由两个部分组成，一个是会话序列集S＝{s1，s2，...sN}，另一个是停留时间集Sdwell＝{sdwell1，sdwell2，...sdwellN}，两个部分的数据一一对应。5.如权利要求3所述的促进购买行为的会话推荐方法，其特征在于，所述把所述数据增强后的点击数据集和购买数据集建模为图结构，之后输入到GNN网络中，并且通过一个停留时间的注意力层，得到初步会话向量化表示数据集，具体为：把所述数据增强后的点击数据集和购买数据集建模为图结构，输入到GNN模型中，经过2CN113641811A权利要求书2/3页训练后得到会话图中每一个图节点的向量化表示；所述会话图中每一个图节点的向量化表示，代表