基于图神经网络预测用户评级的方法和装置.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CN112488355A(43)申请公布日2021.03.12(21)申请号202011176586.9G06Q30/02(2012.01)(22)申请日2020.10.28(71)申请人华为技术有限公司地址518129广东省深圳市龙岗区坂田华为总部办公楼(72)发明人赵煜杨斯雯许强李维何彦杉(74)专利代理机构北京同立钧成知识产权代理有限公司11205代理人陈洪艳刘芳(51)Int.Cl.G06Q10/04(2012.01)G06N3/08(2006.01)G06N3/04(2006.01)G06Q10/06(2012.01)权利要求书4页说明书24页附图6页(54)发明名称基于图神经网络预测用户评级的方法和装置(57)摘要本申请公开了人工智能领域中基于图神经网络预测用户评级的方法和装置。本申请提供的技术方案中，根据用户购买商品的历史记录和用户对商品的用户评论中的商品特征构建用户‑商品‑商品特征三部图；根据构建的三部图，使用神经网络学习用户、商品和商品特征的表征信息，其中，用户的表征信息由相邻商品特征的表征信息和相邻商品的表征信息学习而来，商品的表征信息由相邻商品特征的表征信息和相邻用户的表征信息学习而来，商品特征的表征信息由相邻用户和相邻商品的表征信息学习而来；学习到的用户表征信息、商品表征信息和商品特征表征信息通过神经网络预测生成用户对商品的评级信息。本申请提供的技术方案，可以提高用户评级的准确度。CN112488355ACN112488355A权利要求书1/4页1.一种基于神经网络预测用户评级的方法，其特征在于，包括：使用神经网络基于多个用户中每个用户的相邻商品特征的表征信息、所述每个用户的相邻商品的表征信息、多个商品中每个商品的相邻商品特征的表征信息、所述每个商品的相邻用户的表征信息、所述每个用户的相邻商品特征中每个商品特征的相邻用户的表征信息和相邻商品的表征信息、所述每个商品的相邻商品特征中每个商品特征的相邻用户的表征信息和相邻商品的表征信息，生成目标表征信息，所述目标表征信息包括待评级用户的表征信息、待评级商品的表征信息、所述待评级商品的相邻商品特征的表征信息和所述待评级用户的相邻商品特征的表征信息；使用所述神经网络基于所述目标表征信息，获得第一评级信息，所述第一评级信息表示所述待评级用户对所述待评级商品的用户评级；其中，所述多个用户包括三部图中通过商品节点和/或商品特征节点连接的多个用户节点所对应的多个用户，所述每个用户的相邻商品特征包括所述三部图中与所述每个用户对应的用户节点相连的商品特征节点所对应的商品特征，所述每个用户的相邻商品包括所述三部图中与所述每个用户对应的用户节点相连的商品节点所对应的商品，所述多个商品包括所述三部图中通过用户节点和/或商品特征节点连接的多个商品节点所对应的多个商品，所述每个商品的相邻商品特征包括所述三部图中与所述每个商品对应的商品节点相连的商品特征节点所对应的商品特征，所述每个商品的相邻用户包括所述三部图中与所述每个商品对应的商品节点相连的用户节点所对应的用户；所述三部图包括M1个用户节点、M2个商品节点和M3个商品特征节点，所述M1个用户节点与M1个用户一一对应，所述M2个商品节点与M2个商品一一对应，所述M3个商品特征节点与M3个商品特征一一对应，并且，所述M1个用户中第u个用户对应的用户节点与所述第u个用户评论过和/或购买过的商品所对应的商品节点相连，所述第u个用户对应用户节点与所述第u个用户评论过的商品特征对应的商品特征节点相连，所述M2个商品中第i个商品对应的商品节点与所述第i个商品被评论过的商品特征所对应的商品特征节点相连，M1、M2和M3均为大于1的整数，u为小于或等于M1的正整数，i为小于或等于M2的正整数。2.根据权利要求1所述的方法，其特征在于，所述神经网络为图神经网络，其中，所述方法还包括：初始化所述每个用户的表征信息、所述每个商品的表征信息和所述每个用户的每个相邻商品特征的表征信息和所述每个商品的每个相邻商品特征的表征信息；相应地，所述使用神经网络基于多个用户中每个用户的相邻商品特征的表征信息、所述每个用户的相邻商品的表征信息、多个商品中每个商品的相邻商品特征的表征信息、和所述每个商品的相邻用户的表征信息、所述每个用户的相邻商品特征中每个商品特征的相邻用户的表征信息和相邻商品的表征信息、所述每个商品的相邻商品特征中每个商品特征的相邻用户的表征信息和相邻商品的表征信息，生成目标表征信息，包括：步骤一，使用所述图神经网络的嵌入更新层，基于所述每个用户的表征信息、所述每个用户的相邻商品特征的表征信息和所述每个用户的相邻商品的表征信息，更新所述每个用户的表征信息；步骤二，使用所述图神经网络的