本发明涉及一种基于高低阶融合的位置门控图神经网络会话推荐算法,属于信息推荐系统。
背景技术:
1、推荐算法主要应用于商业应用,如2012年字节跳动的今日头条运用内容推荐算法进行新闻领域推荐。如今,推荐算法在很多商业平台有广泛应用,如新闻领域、音乐领域、短视频和商城等,旨在根据历史交互信息向用户推荐可能更喜欢的项目。传统的推荐方法目前使用最广泛的模型是门控图神经网络,但受限于门控图神经网络只能传递一阶信息的特点,项目只向一阶邻居传递信息,无法在最广泛使用的模型上传递高低阶混合的复杂信息。目前传统会话推荐算法的会话信息构成的图结构都很简单,影响了它的适用性,且没有充分考虑会话中的每个项目的潜在信息,忽略了用户的复杂信息转换。
2、通过上述分析,现有技术存在的问题及缺陷为:
3、(1)现有技术广泛使用门控图神经网络,但受限于门控图神经网络只能传播一阶信息的问题,无法传播高阶复杂信息;
4、(2)现有技术在构建图结构信息时过于简单,模型的推荐效果受其影响;
5、(3)现有技术在融合反向位置信息时,可进一步加强效果;
6、(4)现有技术在使用多层自注意力层获得长期依赖时,有过拟合问题;
技术实现思路
1、本发明提供了一种基于高低阶融合的位置门控图神经网络会话推荐算法,目的在于实现用会话推荐最广泛使用的门控图神网络达到传播高阶复杂信息的功能,丰富传统会话图结构信息,融合进一步的反向位置信息,减缓多层自注意力层的过拟合问题,增强推荐效果。
2、为实现本发明的目的,提出了一种能融合高阶出入度矩阵和低阶出入度矩阵信息的门控图神经网络会话推荐模型,并且在模型的基础上,融合改进的位置融合层增强推荐效果,即基于高低阶融合的位置门控图神经网络会话推荐算法。
3、本发明提供的方法步骤如下:
4、步骤一:计算项目初始嵌入向量,构建高阶出入度矩阵和低阶出入度矩阵;
5、步骤二:构建高低阶门控图神经网络,得到高低阶融合的嵌入向量,用更少的步骤捕获了更复杂的依赖关系;
6、步骤三:构建位置融合模块,构建一个包含反向位置信息和会话频率的位置融合层,获得更精准的嵌入向量;
7、步骤四:构建多层改进自注意力层模块,利用自注意力机制按重要程度聚合项目嵌入向量得到长期依赖,并用改进的残差连接来稳定自注意层,减少损失。这是一层的功能,这里使用多层改进自注意力层获得更高层次的项目复杂关系。并按传统做法将最近点击项目作为短期依赖。
8、步骤五:融合长期依赖和短期依赖得到最终的会话嵌入;
9、步骤六:计算会话预测概率得分,进行预测,得到前k个推荐项目;
10、与现有技术相比,本发明提供的方法优势在于:
11、1、本发明提供的方法可以同时传播高阶和低阶出入度信息,有效融合复杂图结构信息进行性更准确的推荐;
12、2、本发明提供的方法可以有效融合反向位置信息,并减轻多层自注意力层的过拟合影响。
1.基于高低阶融合的位置门控图神经网络会话推荐算法,方法包括:构建高阶出入度矩阵和低阶出入度矩阵,构建高低阶门控图神经网络得到会话图的嵌入向量。构建位置融合模块,为前面获得的信息使用高速公路网络减缓过拟合问题,并为会话图的嵌入向量融合反向位置信息和区分项目重要性。构建改进的自注意力机制,获得用户的长期依赖。将获得的长期依赖和短期依赖一起计算得分,进行预测,获得前k个推荐项目。包括如下步骤:
2.在会话推荐中,需要解决会话信息构造的图结构过于简单的问题,本发明提出了将会话项目转化为高阶出入度矩阵和低阶出入度矩阵来解决此问题。
3.根据权利要求1所述的高低阶门控图神经网络模块。在会话推荐中,需要解决最广泛使用的门控图神经网络只能传播一阶信息的问题。
4.根据权利要求1所述的改进位置融合层模块。许多模型已经证明了反向位置信息的重要性,但还没有模型尝试进一步改进。
5.根据权利要求1所述的多层改进自注意力层模块。