买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：桂林电子科技大学

摘要：本发明公开一种解离多行为中伪相关的图神经网络推荐方法，该推荐方法从一个全新的角度来处理多行为推荐——解离辅助行为中存在的伪相关信息。具体来说，该模型结合了互信息估计和解纠缠表示来提高多行为推荐方法的推荐性能。以图卷积推荐任务为主推荐任务对用户和项目的交互进行初步建模，进而通过跨行为自注意机制来精确捕捉各个用户在特定行为下的意图表示，从而监督后续伪相关的解离过程。通过双重互信息边界及其优化方法，使模型能够自适应的解离辅助行为当中的伪相关信息，并将真实相关的语义信息转移到目标行为中来缓解目标行为监督信号稀疏的问题。从而有效的提高模型对用户目标行为的推荐性能。

主权项：1.一种解离多行为中伪相关的图神经网络推荐方法，其特征包括如下步骤：步骤1、下载公开的多行为推荐系统数据集其中包括购买、加入购物车、收藏、浏览等多种行为。通过对多行为数据集进行预处理，过滤掉交互次数过少的用户，并重新对数据集中的用户和项目进行编号。最后，采用基于时间的留一评估法来生成相应的训练集和测试集文件，即测试集仅包含用户的最后一个交互项目，其余的交互数据用于训练。步骤2、导入预处理过后的多行为数据集，利用图卷积进行邻域聚合，学习每个用户各个行为的历史交互数据，通过捕获用户和项目之间的高阶连通性以及结构连接性，以此来生成用户和物品的嵌入表示。步骤3、根据步骤2中学习到的用户和物品的嵌入表示。进一步利用跨行为自注意力机制，来学习每个节点的跨行为相关系数。从而增强对特定行为的关键信息捕捉能力和帮助过滤与当前行为无关的信息，使得模型能够监督后续伪相关的解离过程。步骤4、通过两个采样策略，分别采样出在同一行为下交互行为高度相似的用户集合和可能存在伪相关的用户集合。根据交互行为高度相似的用户集合，计算目标行为和每个辅助行为子图之间的互信息下界损失值，通过最大化互信息下界促使模型转移辅助行为的监督信号到目标行为当中。根据得出的伪相关用户集合，计算该集合中的各个用户互信息下界损失值。通过最小化互信息上界，强制目标用户在辅助行为和目标行为之间的分歧，从而使目标行为学习到解离伪相关信息的嵌入表示。进一步借助一个共同约束方法，利用互信息上下界之间的权衡效应，促使模型在最大化互信息下界和最小化互信息上界的过程中寻找到一个最佳平衡点，即捕捉辅助行为中固有的用户购买意图，同时解离辅助行为中与目标行为无关的伪相关信息。步骤5、根据步骤2到步骤4得到的任务来计算模型的损失值，并为每个任务损失分配适当的权重进行反向传播，计算梯度值。步骤6、根据梯度优化模型的参数信息，促使模型在在不损失推荐准确性时提高推荐的新颖性，通过计算模型不同归一化系数下的结果，并根据评估指标选择最优的模型参数，最终为用户生成Top-K的项目推荐。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 一种解离多行为中伪相关的图神经网络推荐方法