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：常熟理工学院

摘要：本发明公开了一种基于图学习的属性网络社会化推荐方法，该方法为：将自由用户向量和自由项目向量进行嵌入，得到初始嵌入层，使用初始嵌入层将用户和项目的一次性表示转换为无用户嵌入向量和无项目嵌入向量，对图中用户和项目的属性信息进行编码，得到用户和项目相关特征向量；然后将嵌入向量和特征向量进行融合，得到用户和项目的初始嵌入；接着对输入的数据捕捉用户的潜在嵌入，将节点级权重信息作用到图级注意力机制中，对用户进行更新操作；当更新过程稳定后，输出层预测每个未观察到的用户项目对的偏好得分，选取得分最高的用户项目进行社会化推荐。本发明能够在大规模网络上进行社会化推荐，提高了社会化推荐的准确性和稳定性。

主权项：1.一种基于图学习的属性网络社会化推荐方法，其特征在于，具体包括以下步骤：步骤1、根据属性网络所给的拓扑结构信息和属性信息，将自由用户向量和自由项目向量进行嵌入，得到初始嵌入层；步骤2、使用初始嵌入层将用户a和项目i的一次性表示，分别转换为无用户嵌入向量pa和无项目嵌入向量qi；步骤3、将图中用户所带的属性信息和项目所带的属性信息分为数字类型和文本类型，采用不同方式的进行编码，得到用户相关特征向量xa和项目相关特征向量yi；步骤4、将无用户嵌入向量pa和用户相关特征向量xa使用MLP进行融合得到用户融合嵌入将无项目嵌入向量qi和项目相关特征向量yi使用MLP进行融合得到项目融合嵌入步骤5、构建社交聚合神经网络模型，将作为社交聚合神经网络模型的初始嵌入即第0层，对输入的数据采用注意力机制来捕捉用户的潜在嵌入，作用到下一层；步骤6、将节点级权重信息作用到图级注意力机制中，对用户进行更新操作，并融合上一层节点信息实现图级建模；步骤7、社交聚合神经网络模型聚合用户嵌入，对用户向量进行全连接操作，使用户向量扩散；步骤8、调用每一层的用户或者项目嵌入信息用MLP交互建模，通过训练用户-项目的嵌入，预测每个未观察到的用户-项目的偏好得分，选取得分最高的用户-项目进行社会化推荐，得到最终推荐列表；步骤5中，对输入的数据采用注意力机制来捕捉用户的潜在嵌入，具体如下： 其中Sa是对用户a的用户集，b是邻居节点作用于用户a，表示用户b对社交网络中第k+1层的用户a的节点注意力网络，是多层感知器MLP，以学习节点权重： 社会影响强度将相关的两个用户在第k层的嵌入作为输入，并将这些特征发送到MLP，表示为NodeAtt以学习特征之间的关系，用于社会影响强度学习，最终对每个用户起到平衡图中不同相邻节点权重的作用；步骤6中，将节点级权重信息作用到图级注意力机制中，对用户进行更新操作，并融合上一层节点信息实现图级建模，具体如下： 其中，是学习融合和聚合来自不同图的信息的多图注意力网络，也是多层感知器MLP，表示为MuitiGraphAtt1，以学习图级权重： 图级权重为每个用户平衡社会影响和历史记录以进行用户嵌入建模；步骤7中，由于项目信息由用户之间的信息共同影响，因此将社交聚合信息聚合到项目模块中共同使用，且项目嵌入具有静态特征，将用户信息与项目信息共同扩散，使用来学习用户-项目扩散过程的图级潜在嵌入： 使用多图注意力机制学习，也是多层感知器MLP即MuitiGraphAtt2来学习图级权重。

全文数据：

权利要求：

百度查询： 常熟理工学院 一种基于图学习的属性网络社会化推荐系统及方法