【技术实现步骤摘要】
本专利技术涉及互联网大数据，具体涉及一种基于动态超图和排名重构模型的会话推荐方法。
技术介绍
1、推荐系统从用户的历史浏览和点击中推断出用户的偏好或需求，从而为用户推荐出更加匹配的信息。然而，在许多现实场景中，由于隐私政策或匿名交互，用户配置文件和长期历史数据不可用，传统推荐方法适用性有限。为了应对此类限制，相关学者提出了基于会话的推荐（sbr），根据匿名会话中的短期和动态用户行为预测下一个可能进行交互的节点。
2、在过去的几年中，多种sbr方法被提出。早期的研究工作将目标会话建模为决策马尔可夫链[1,12,13,14]，从用户近期的行为来做出预测。随着深度学习的成功，许多研究都集中在使用深度神经网络来挖掘用户的偏好。循环神经网络（rnn）、门控递归单元（gru）、长短期记忆（lstm）和图神经网络(gnn)等被广泛用于捕获会话中节点间的序列相关性。
3、最近，超图神经网络的兴起为基于会话的推荐带来了新的思路。借助超边可以连接多个节点的特点，实现了多个节点之间高阶关系的捕获，达到了良好的推荐效果。同时，也涌现了多种超边的构建方式。比如在share中使用滑动窗口构建超边，不同大小的窗口捕获不同粒度的用户兴趣；在s2-dhcn中将整个会话构建为超边，单个超边蕴含整个会话的表示。在这些研究中，对于信息的捕获大都采用如滑动窗口这类的固定结构，此类结构虽然具有足够的普适性，能够以固定的方式覆盖会话中的任意节点，但同样也带来了焦点缺失的问题，即难以对一个会话中节点进行针对性信息捕获，无法提取出当前会话中用户的主要关注
4、此外，会话中的噪音是一个不可避免的问题，用户因为误触等原因，可能选择了一个与其兴趣无关的节点。会话中的噪音会对会话构造和学习带来负面影响。降低噪音影响是提升推荐效果的重要任务。而考虑会话中的共现信息能够对解决会话噪音问题提供一定帮助。
5、因此，现需要一种能够捕获用户主要意图、在使用位置信息时忽略显著噪音影响的基于动态超图和排名重构模型的会话推荐方法。
技术实现思路
1、本专利技术的主要目的在于提供一种基于动态超图和排名重构模型的会话推荐方法，以解决现有技术中的会话推荐方法不能捕获用户主要意图、在使用位置信息时不能忽略显著噪音影响的问题。
2、为实现上述目的，本专利技术提供了一种基于动态超图和排名重构模型的会话推荐方法，具体包括如下步骤:
3、s1，利用重复兴趣超图和最近兴趣超图，构建超图构造模块。
4、s2，基于gnn模型双向学习节点和超边表示，利用注意力和位置信息生成会话表示，构建基于超图的学习模块。
5、s3，针对当前会话的最后一个节点从全局角度学习后续信息，构建会话间协同信息注入模块。
6、s4，构建预测模块，用于生成推荐的候选节点的预测概率。
7、进一步地，步骤s1中对于会话，最近兴趣超边分别为,,，其中，代表用户在会话中选择的第个节点。
8、进一步地，步骤s2具体包括如下步骤：
9、s2.1，节点到超边的传播：
10、假设由超边连接的节点形成一个簇，该簇具有一个虚拟中心，通过计算超边所连接的节点的平均值得到虚拟中心，即，其中，代表平均值函数, 代表节点。
11、利用公式（1）和公式（2）计算超边的特征：
12、 （1）；
13、 （2）；
14、其中，表示以e为底的指数函数，表示激活函数，表示可训练参数，为的转秩， 表示哈达玛积，表示超边对节点的注意力权重；向量表示节点的初始d维嵌入，其中，其中表示所有节点的集合，其中代表所有节点的个数，向量表示节点的初始d维嵌入。
15、s2.2，超边到节点的传播：
16、将节点所属的所有超边的平均值视为，即，其中，为当前会话中节点所属的超边的特征，使用判断超边对于当前节点的重要程度，通过公式（3）和公式（4）获得节点特征：
17、 （3）；
18、 （4）；
19、其中，表示可训练参数，为的转秩，表示当前会话中所属的所有超边的集合，表示节点对超边的注意力权重，表示节点对超边的注意力权重。
20、进一步地，步骤s2还包括如下步骤：
21、s2.3，对超图学习中的位置进行排名重构：
22、对会话中任一节点计算它与当前会话中其他节点在全局中的共现得分总和，通过得到的分值对当前会话中节点进行排名，最终得到一个新的排名位置，对于新的排名位置，使用可学习的排名嵌入矩阵<mi>o=[</mi><msub><mi>o</mi><mn>1</mn></msub><mi>,</mi><msub><mi>o</mi><mn>2</mn></msub><mi>,...,</mi><msub><mi>o</mi><mi>i</mi></msub><mi>,…,</mi><msub><mi>o</mi><mi>l</mi></msub><mi>]</mi>表示，其中，代表排名嵌入，通过拼接位置嵌入、节点特征和排名嵌入来获得具有位置重构排名信息的节点嵌入：
23、<msub><mi>z</mi><mi>i</mi></msub><mi>=</mi><mrow><mi>tanh</mi><mi>(</mi></mrow><msub><mi>w</mi><mn>3</mn></msub><mi>[</mi><msub><mi>p</mi><mrow><mi>l</mi><mi>-</mi><mi>i</mi><mi>+1</mi></mrow></msub><msubsup><mrow><mi>||</mi><mi>h</mi></mrow><msub><mi&g本文档来自技高网...
【技术保护点】
1.一种基于动态超图和排名重构模型的会话推荐方法，其特征在于，具体包括如下步骤:
2.根据权利要求1所述的一种基于动态超图和排名重构模型的会话推荐方法，其特征在于，步骤S1中对于会话，最近兴趣超边分别为,,，其中，代表用户在会话中选择的第个节点。
3.根据权利要求1所述的一种基于动态超图和排名重构模型的会话推荐方法，其特征在于，步骤S2具体包括如下步骤：
4.根据权利要求3所述的一种基于动态超图和排名重构模型的会话推荐方法，其特征在于，步骤S2还包括如下步骤：
5.根据权利要求1所述的一种基于动态超图和排名重构模型的会话推荐方法，其特征在于，步骤S3包括如下步骤：
6.根据权利要求1所述的一种基于动态超图和排名重构模型的会话推荐方法，其特征在于，步骤S4包括如下步骤：
【技术特征摘要】
1.一种基于动态超图和排名重构模型的会话推荐方法，其特征在于，具体包括如下步骤:
2.根据权利要求1所述的一种基于动态超图和排名重构模型的会话推荐方法，其特征在于，步骤s1中对于会话，最近兴趣超边分别为,,，其中，代表用户在会话中选择的第个节点。
3.根据权利要求1所述的一种基于动态超图和排名重构模型的会话推荐方法，其特征在于，步骤s2具体包...
【专利技术属性】
技术研发人员：温彦，孙会政，卞玮，闫铭海，张玉浩，渠嘉威，于恩海，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。