【技术实现步骤摘要】
本专利技术属于图神经网络领域，特别是涉及图神经网络、推荐系统、知识图谱技术方向，尤其涉及一种优惠卷推荐方法、系统设备及存储介质。
技术介绍
1、现有优惠券的推荐系统主要考虑的是用户和优惠券之间的交互，不会额外加入用户和商户的交易信息和地理信息作为信息的补充；现有的优惠券推荐没有充分结合用户地理信息和用户偏好交互信息，主要是依靠设定业务规则进行推送。
2、为此，如何提出一种优惠券的推荐系统能够额外加入用户和商户的交易信息和地理信息作为信息的补充，以及充分结合用户地理信息和用户偏好交互信息作为补充的技术方案，是本领域技术人员亟需解决的技术问题。
技术实现思路
1、为了克服现有技术不足，本专利技术的目的是提供一种优惠卷推荐方法、系统设备及存储介质，解决了现有技术中用户偏好表征不够丰富，用户地理位置信息没有深度利用的问题。
2、为实现上述目的，第一方面，本专利技术提供一种优惠卷推荐方法，包括：
3、构建用户社交网络、用户-优惠券图谱、用户-商户图谱；
4、利用地图服务查询商户的具体地址的gps位置，并且计算geohash编码的表征；
5、通过用户社交网络、用户-优惠券图谱、用户-商户图谱得到用户的三种表示，分别为hsoci、huc、hmech，以及优惠券的表示hc；
6、获得用户u对优惠券c的最终得分s*c，定义损失函数使用rmsproo优化器进行模型训练。
7、进一步地，所述构建用户社交网络、用户-优惠券
8、通过获客系统、活动系统、营销系统中获取客户联系人数据，构建用户社交网络，记为gsoci{<ui|uj>}；
9、其中，<ui|uj>表示ui和uj存在社交关系；
10、从用户活动兑换历史中获取用户兑换事件，构建用户-优惠券图谱，记为gcoup{<ui|ci>}；
11、其中，<ui|ci>表示ui兑换了券ci；
12、从用户交易数据获取用户-商户图谱，记为gmech{<ui|mi>}；
13、其中<ui|mi>表示ui和mi存在交易行为。
14、进一步地，对于用户-商户图谱gmech，通过地图服务查询商户具体地址的gps位置，将用户gps和商户gps转化为5位的geohash编码，分别表示为geu和gem。
15、进一步地，所述通过用户社交网络、用户-优惠券图谱、用户-商户图谱学习到用户的三种表示，分别为hsoci、huc、hmech，以及优惠券的表示hc，包括：
16、在所述用户社交网络中，用户u的输入特征表示eu，u在gsoci中的邻接用户集合称为nu，其中第i个邻接用户对应的特征表示为经过图神经网络前向聚合计算得到hsoci，计算公式为：
17、hsoci＝σ(w·agg(enu)+b)；
18、agg(enu)中引入注意力机制，注意力权重a具体公式如下：
19、ai＝σ(w·(enu+eu)+b)；
20、
21、agg(enu)＝enu·a；
22、在所述用户-优惠券图谱中，对用户u和优惠券c进行图神经聚合表征，分别记为huc和hc；
23、在gcoup中，用户u和邻接的优惠券集合的输入分别为euc和ec，其中，用户u的第i个邻接的优惠券输入记为
24、在用户-商户图谱gmech中，对用户u获取对应特征表示，记为hmech。
25、进一步地，对用户u和邻近商户集合m中的geohash编码进行表征，记为egeo；
26、取geohash前5位，初始化维度为d的向量作为geohash编码的初始化向量，记为e*geo∈rk,d；
27、e*geo作为输入通过2层的mlp(multi-layer perceptron)网络后获得egeo，具体公式如下：
28、egeo＝σ2(w2σ1(w1·e*geo+b1)+b2)
29、用户-商户图谱gmech中的用户u的输入特征记为e*mechu，与其邻近的商户输入特征记为e*mech，通过以下方式计算得到用户u的特征表示hmech：
30、cat为拼接操作，
31、
32、ai＝σ(w·(emech+emechu)+b)；
33、
34、agg(emech u)＝emech u·a；
35、hmech＝σ(w·agg(emechu)+b)。
36、进一步地，根据所述通过用户社交网络、用户-优惠券图谱、用户-商户图谱得到用户的三种表示，分别为hsoci、huc、hmech，以及优惠券的表示hc，
37、用户u的最终表示为h＝cat(hsoci,huc,hmech)，cat为拼接操作；
38、将h和hc进行拼接后输入到一个2层的mlp网络中获得用户u对优惠券c的得分：
39、s*c＝σ2(w2σ1(w1·cat(h,hc)+b1)+b2)
40、通过损失函数使用rmsproo优化器进行训练；
41、其中，sc表示用户u对优惠券c真实的兑换情况，有兑换则为1，无兑换则为0。
42、第二方面，本专利技术还提供了一种优惠卷推荐系统，包括：数据构建单元、第一运算单元、第二运算单元、模型训练单元；
43、数据构建单元：用于构建用户社交网络、用户-优惠券图谱、用户-商户图谱；
44、第一运算单元：用于利用地图服务查询商户的具体地址的gps位置，并且计算geohash编码的表征；
45、第二运算单元：用于通过用户社交网络、用户-优惠券图谱、用户-商户图谱得到用户的三种表示，分别为hsoci、huc、hmech，以及优惠券的表示hc；
46、模型训练单元：用于获得用户u对优惠券c的最终得分s*c，定义损失函数使用rmsproo优化器进行模型训练。
47、第三方面，本专利技术提供了一种计算设备，包括：
48、存储器，用于存储程序指令；
49、处理器，用于调用所述存储器中存储的程序指令，按照获得的程序指令全部或部分地执行上述所述的一种优惠卷推荐方法。
50、第四方面，本专利技术提供一种计算机可读存储介质，包括，计算机可读指令，当计算机读取并执行所述计算机可读指令时，全部或部分地实现上述所述的一种优惠卷推荐方法，所述可读介质可以为多个，所述多个可读介质相互之间能够独立运行。
51、第五方面，本专利技术提供一种计算机程序产品，所述计算机程序产品包括一个或多个计算机指令，在计算机上加载和执行所述计算机程序指令时，全部或部分地执行上述所述的一种优惠卷推荐方法。
52、与现有技术相比，本方案通过利用用户-用户社交网络本文档来自技高网...
【技术保护点】
1.一种优惠卷推荐方法，其特征在于，包括：
2.根据权利要求1所述的优惠卷推荐方法，其特征在于，所述构建用户社交网络、用户-优惠券图谱、用户-商户图谱，包括：
3.根据权利要求2所述的优惠卷推荐方法，其特征在于，对于用户-商户图谱Gmech，通过地图服务查询商户具体地址的GPS位置，将用户GPS和商户GPS转化为5位的Geohash编码，分别表示为geu和gem。
4.根据权利要求1所述的优惠卷推荐方法，其特征在于，所述通过用户社交网络、用户-优惠券图谱、用户-商户图谱学习到用户的三种表示，分别为hsoci、huc、hmech，以及优惠券的表示hc，包括：
5.根据权利要求1-4中任一项所述的优惠卷推荐方法，其特征在于，对用户u和邻近商户集合m中的Geohash编码进行表征，记为egeo；
6.根据权利要求5所述的优惠卷推荐方法，其特征在于，根据所述通过用户社交网络、用户-优惠券图谱、用户-商户图谱得到用户的三种表示，分别为hsoci、huc、hmech，以及优惠券的表示hc，
7.一种优惠卷推荐系统，其特征
8.一种计算设备，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，实现如权利要求1至6中任一项方法，所述可读介质可以为多个，所述多个可读介质相互之间能够独立运行。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括一个或多个计算机指令，在计算机上加载和执行所述计算机程序指令时，全部或部分地执行如权利要求1至6中任一项方法。
...【技术特征摘要】
1.一种优惠卷推荐方法，其特征在于，包括：
2.根据权利要求1所述的优惠卷推荐方法，其特征在于，所述构建用户社交网络、用户-优惠券图谱、用户-商户图谱，包括：
3.根据权利要求2所述的优惠卷推荐方法，其特征在于，对于用户-商户图谱gmech，通过地图服务查询商户具体地址的gps位置，将用户gps和商户gps转化为5位的geohash编码，分别表示为geu和gem。
4.根据权利要求1所述的优惠卷推荐方法，其特征在于，所述通过用户社交网络、用户-优惠券图谱、用户-商户图谱学习到用户的三种表示，分别为hsoci、huc、hmech，以及优惠券的表示hc，包括：
5.根据权利要求1-4中任一项所述的优惠卷推荐方法，其特征在于，对用户u和邻近商户集合m中的geohash编码进行表征，记为egeo；
【专利技术属性】
技术研发人员：卢东，柯振德，
申请(专利权)人：中信银行股份有限公司，
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。