一种基于有向图神经网络的相关推荐的方法与流程

本发明涉及图神经网络，涉及一种基于有向图神经网络的相关推荐的方法。

背景技术：

1、相关推荐指的是根据用户的行为数据和内容特征，提供与当前内容相关的其他内容的推荐功能。相关推荐电子商务网站服务成功的关键，它不仅可以帮助客户发现新的相关产品，还可以减少客户的购物精力，提升网站的购物体验。

2、电子商务网站经常推荐与客户查询相关的产品，但电子商务网所推荐的相关产品基本上为无方向性推荐。而产品关系的信息通常由具有有向边的图表示，这意味着由边表示的关系只能在一个方向上流动：例如，向购买手机的人推荐一个保护套是有意义的，但购买保护套的人可能不需要手机推荐，所以现在的电子商务网站客户在查询商品时，显示的内容有许多无用信息，为客户查询有用信息带来不便。

技术实现思路

1、本发明要解决的技术问题是：为了解决上述部分问题，提供一种基于有向图神经网络的相关推荐的方法

2、一种基于有向图神经网络的相关推荐的方法，包括以下步骤：

3、步骤1、定义商品节点集合、商品节点、每个商品节点信息元特征；

4、步骤2、定义商品节点集合的有向图、商品节点的有向边；

5、步骤3、在有向图前向传播模型中输入有向图、商品节点信息元特征、多层有向图神经网络和每层有向图神经网络学习权重；

6、步骤4、获取每个商品节点初始输入的源特征向量和目的特征向量，生成商品节点的源向量和目的向量，并且提取商品节点的共同点击的商品对集合，完成有向图的嵌入；

7、步骤5、将生成的商品节点的源向量和目的向量输入到有向图反向传播模型，在有向图反向传播模型生成负样本,获取商品节点有向图不同的视角，根据非对称损失函数使商品节点远离负样本的嵌入，并且计算共同点击的商品对在有向图中的不对称性，优化有向图的嵌入；

8、步骤6、给定查询商品，在有向图中执行查找，得到推荐结果。

9、进一步的，所述步骤2具体为：定义有向图，其中为共同点击的商品对集合， ct为具有方向的共同点击的商品对， p为商品节点集合。

10、进一步的，所述步骤4包括：步骤41、根据商品节点信息元特征获取每个商品节点初始输入的源特征向量和目的特征向量；步骤42、将每个商品节点初始输入的源特征向量和目的特征向量代入函数：

11、；

12、；

13、依次提取每个商品节点在当前层有向图神经网络的共同点击的商品对集合，并且获取当前层有向图神经网络的源特征向量和目的特征向量，其中， l为有向图神经网络层数， outdegree(i)为第 i个商品节点的出度数， indegree(i)为第 i个商品节点的入度数；为 i指向 j，为 j指向 i，为中 i节点在当前层有向图神经网络求得的源特征向量，为中 i节点在当前层有向图神经网络求得的目的特征向量，为上一层有向图神经网络中 j节点的目的特征向量，为上一层有向图神经网络中 j节点的源特征向量，为神经网络学习权重；步骤43、获取步骤42中的有向图神经网络的源特征向量和目的特征向量作为下一层图神经网络初始输入的源特征向量和目标特征向量；步骤44、重复步骤42-步骤43获取每个商品节点在每层有向图神经网络的源特征向量和目标特征向量，以及提取每个商品节点在每层有向图神经网络的共同点击的商品对集合，将每层的共同点击的商品对集合结合，生成每个商品节点的最终的共同点击的商品对集合，进行有向图的嵌入；步骤45、将获取到的每个商品节点在每层有向图神经网络的源特征向量和目标特征向量代入函数：；求出每个商品节点的源向量和每个商品节点的目的向量，完成有向图。

14、进一步的，所述步骤5包括：步骤51、将生成的商品节点的源向量和目的向量输入到有向图反向传播模型；步骤52、生成一个商品负样本z，商品负样本z的目的向量作为目的嵌入；步骤53、当时，第 i个商品节点的源向量作为源嵌入，第 j个商品的目的向量作为目的嵌入，利用非对称损失函数优化第 i个商品节点的源嵌入和第 j个商品的目的嵌入，并且第 i个商品节点的源嵌入远离商品负样本 z的目的嵌入，完成第 i个商品节点的嵌入，其中；步骤54、强调共同点击的商品对ct在有向图中的不对称性，具体为：利用非对称损失函数，给第 i个商品节点的有向边分配第一得分，给与第 i个商品节点的有向边对称的非有向边分配比第一得分更低的第二得分；步骤55、每个商品节点均完成步骤53-步骤54，优化有向图。

15、进一步的，所述商品负样本 z通过均匀分布商品节点集合 p生成。

16、进一步的，所述步骤5中的非对称损失函数具体为：

17、；其中sigmoid为神经网络的一种非线性的激活函数，为 i个商品节点的源向量，为 i个商品节点的目的向量，为第 j个商品的源向量，为第 j个商品的目的向量，z为商品负样本，为商品负样本z的目的向量，代表用均匀分布取样方法随机的从 p中抽取一个样本。

18、进一步的，所述步骤6包括：步骤61、给定查询商品 q，q p；步骤62、利用商品 q的源向量作为源嵌入，在商品集合有向图中执行最邻近查询，得到候选商品 j；步骤63、计算候选商品 j的相关性得分，将相关性得分合格的候选商品 j放入相关商品集合，其中相关性得分具体为：，其中 t为旋转向量；步骤64、显示推荐结果为相关商品集合中的所有候选商品。

19、与现有技术相比，本发明具有以下有益效果：本发明为基于有向图神经网络的相关推荐方法，结合了有向图的前向传播模型和反向传播模型对数据进一步优化，得到商品节点集合的有向图，使得商品之间具有明确的方向性，为电子商务网站带来更好的相关推荐功能，即当给定一个商品时，将该商品节点作为输入，通过该商品节点在有向图中执行查找，得到的推荐结果与查询节点具有很高的链接性和方向性，从而有效地提高电子商务网站的相关推荐效率，同时也为客户节省筛选时间，减少了时间成本，给客户带来更好的购物体验。