【技术实现步骤摘要】
本申请涉及推荐系统，具体的说是一种位置感知协同推荐方法及装置。
技术介绍
1、推荐系统作为一种不可或缺的工具，已经在各种现实世界应用中获得了日益重要的地位，有助于用户探索和发现感兴趣的物品。近来，图推荐模型在推荐系统领域引起了广泛关注，因为其能捕捉用户和物品之间复杂的交互关系。通过利用图神经网络的建模能力，这些方法普遍超越了传统推荐技术。尽管图推荐模型取得了先进的性能，但他们仍然存在一个重要的缺陷：过度依赖局部邻居聚合技术而面临严重的归纳偏差（inductive bias）问题，在捕捉全局协同信号方面能力不足，导致模型泛化性能弱。虽然图推荐模型可以通过多轮邻居聚合来捕获长距离/全局协同信号，但其面临过平滑（over-smoothing）和过压缩（over-squashing）的问题，导致节点表征次优。
2、当前，许多技术致力于解决图推荐模型面临的局部信息限制问题。一类方法是基于增强的交互图训练以额外探索和学习用户偏好。egln方法实现了这种思想，通过使用训练好的用户与物品表征对潜在交互进行捕捉，对原始交互图进行增广，继而再训练图推荐模型。更进一步地，为了捕捉更多节点之间的隐式关系，graphda还构建了用户-用户和物品与物品之间的联系，探索了更多可能的交互。还有一类方法基于自监督学习的图模型隐式地利用更多数据，可以实现对潜在交互的探索和利用。gformer方法提出了一种生成式自监督学习自动化数据增强，提取有信息量的用户-物品交互模式, 并通过参数化的方式实现了对数据的选择性增强，保留全局感知的用户-物品关系，帮助缓解
3、现有技术旨在通过增强交互图来拓展图推荐模型的学习能力，或者通过将全局信息隐式地编码到用户与物品节点表征中以增强模型泛化性能，这些方法一是无法逐节点对间学习关系；二是缺乏节点位置信息，而难以挖掘可靠的全局信息，因此难以有效缓解图推荐模型的归纳偏差问题。
技术实现思路
1、在本实施例中提供了一种位置感知协同推荐方法及装置，以解决相关技术中无法逐节点对间学习关系，缺乏节点位置信息，而难以挖掘可靠的全局信息，难以有效缓解图推荐模型的归纳偏差问题。
2、第一方面，本专利技术实施例提供一种位置感知协同推荐方法，获取用户与物品节点位置编码，将所述用户与物品节点位置编码维度转换为节点嵌入维度并注入节点初始嵌入中；
3、将位置编码嵌入后的所述节点馈送至graph transformer的各transformer层计算，分别得到目标节点的局部交互信号和全局协作信号；
4、将所述局部交互信号和所述全局协作信号融合输出后得到graph transformer的各层节点表示；
5、将所述节点的l层表示输入至读出函数得到节点最终表示，经用户与物品节点最终表示向量内积计算并对物品排序，得到用户的目标推荐。
6、在一个可选的实施例中，所述用户与物品节点位置编码为谱编码、度编码、pagerank编码以及类型编码的一种。
7、在一个可选的实施例中，所述graph transformer包括l个transformer层，每个所述transformer层均具有图卷积模块和nodeformer卷积模块，所述图卷积模块用于捕捉目标节点的局部交互信号，所述nodeformer卷积模块用于捕捉目标节点的全局协作信号。
8、在一个可选的实施例中，将位置编码嵌入后的所述节点馈送至graphtransformer的各transformer层计算，分别得到目标节点的局部交互信号和全局协作信号包括：
9、将所述节点馈送至graph transformer；
10、通过所述图卷积模块捕捉局部交互信号，通过所述nodeformer卷积模块捕捉全局协作信号。
11、在一个可选的实施例中，将所述局部交互信号和所述全局协作信号融合输出后得到graph transformer的各层节点表示包括：
12、按一定融合比例融合所述局部交互信号和所述全局协作信号并输出，得到当前transformer层的目标节点表示；
13、经l个transformer层的所述图卷积模块和所述nodeformer卷积模块计算后，得到各层节点表示。
14、在一个可选的实施例中，将所述节点的l层表示输入至读出函数得到节点最终表示，经用户与物品节点最终表示向量内积计算并对物品排序，得到用户的目标推荐包括：
15、经用户与物品节点最终表示向量内积计算得到内积结果最高的若干个值；
16、得到用户的目标推荐。
17、在一个可选的实施例中，所述读出函数可替换为任意图推荐模型。
18、与现有技术相比，本专利技术的位置感知协同推荐方法的有益效果如下：
19、本专利技术利用graph transformer技术缓解图推荐方法所面临的归纳偏差限制。采用节点位置编码技术有效提升注意力计算模块对节点关系的建模能力，增强模型对全局节点关系的捕捉能力，进而缓解图模型的归纳偏差问题，提升图神经网络泛化效果。
20、第二方面，本专利技术提供一种位置感知的协同推荐装置，包括：
21、预处理注入模块，用于获取用户与物品节点位置编码，将所述用户与物品节点位置编码维度转换为节点嵌入维度并注入节点初始嵌入中；
22、节点计算模块，用于将位置编码嵌入后的所述节点馈送至graph transformer的各transformer层计算，分别得到目标节点的局部交互信号和全局协作信号；
23、节点更新模块，用于将所述局部交互信号和所述全局协作信号融合输出后得到graph transformer的各层节点表示；
24、推荐输出模块，用于将所述节点的l层表示输入至读出函数得到节点最终表示，经用户与物品节点最终表示向量内积计算并对物品排序，得到用户的目标推荐。
25、第三方面，本专利技术提供一种电子设备，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如第一方面所提供的方法的步骤。
26、第四方面，本专利技术提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述的位置感知协同推荐方法的步骤。
27、与现有技术相比，本专利技术的位置感知的协同推荐装置、电子设备及存储介质的有益效果与第一方面所述的位置感知协同推荐方法相同，故此处不再赘述。
本文档来自技高网...【技术保护点】
1.一种位置感知协同推荐方法，其特征在于，所述推荐方法包括：
2.根据权利要求1所述的位置感知协同推荐方法，其特征在于，
3.根据权利要求1所述的位置感知协同推荐方法，其特征在于，所述GraphTransformer包括L个Transformer层，每个所述Transformer层均具有图卷积模块和NodeFormer卷积模块，所述图卷积模块用于捕捉目标节点的局部交互信号，所述NodeFormer卷积模块用于捕捉目标节点的全局协作信号。
4.根据权利要求3所述的位置感知协同推荐方法，其特征在于，将位置编码嵌入后的所述节点馈送至Graph Transformer的各Transformer层计算，分别得到目标节点的局部交互信号和全局协作信号包括：
5.根据权利要求3所述的位置感知协同推荐方法，其特征在于，将所述局部交互信号和所述全局协作信号融合输出后得到Graph Transformer的各层节点表示包括：
6.根据权利要求1所述的位置感知协同推荐方法，其特征在于，将所述节点的L层表示输入至读出函数得到节点最终表示，经用户与
7.根据权利要求6所述的位置感知协同推荐方法，其特征在于，所述读出函数可替换为任意图推荐模型。
8.一种位置感知的协同推荐装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任一项所述的位置感知协同推荐方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7中任一项所述的位置感知协同推荐方法的步骤。
...【技术特征摘要】
1.一种位置感知协同推荐方法，其特征在于，所述推荐方法包括：
2.根据权利要求1所述的位置感知协同推荐方法，其特征在于，
3.根据权利要求1所述的位置感知协同推荐方法，其特征在于，所述graphtransformer包括l个transformer层，每个所述transformer层均具有图卷积模块和nodeformer卷积模块，所述图卷积模块用于捕捉目标节点的局部交互信号，所述nodeformer卷积模块用于捕捉目标节点的全局协作信号。
4.根据权利要求3所述的位置感知协同推荐方法，其特征在于，将位置编码嵌入后的所述节点馈送至graph transformer的各transformer层计算，分别得到目标节点的局部交互信号和全局协作信号包括：
5.根据权利要求3所述的位置感知协同推荐方法，其特征在于，将所述局部交互信号和所述全局协作信号融合...
【专利技术属性】
技术研发人员：陈佳佳，陈伟健，吴剑灿，王翔，何向南，
申请(专利权)人：数据空间研究院，
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。