公开(公告)号：CN112035746A

公开(公告)日：2020-12-04

申请号：CN202010904114.4

申请日：2020-09-01

Applicant: 湖南大学

Inventor： 王换文 ,  陈浩 ,  陈建国 ,  周文杰 ,  陈雯姝 ,  张银燕

IPC: G06F16/9535 ,  G06F16/33 ,  G06F16/332 ,  G06Q30/06 ,  G06N3/04

Abstract: 一种基于时空序列图卷积网络的会话推荐方法，包括以下步骤：S1：将所有会话序列建模为有向会话图；S2：以会话中共有的商品为链接，构建全局图；S3：将ARMA过滤器嵌入到门控图神经网络中，提取图模型中随时间变化的拓扑图信号，并得到会话图中涉及的各个节点的特征向量；S4：采用注意力机制从用户历史会话中得到全局偏好信息；S5：从用户点击的最后一个会话中获取用户的局部偏好信息，并结合全局偏好信息得到用户最终偏好信息；S6：预测每个会话中下一点击商品可能出现的概率，并给出Top-K推荐商品。本发明能够从全局图中捕获所点击商品的丰富的上下文关系，准确学习用户的全局和局部偏好，并有效评估用户历史偏好对当前偏好的时间衰减效果，提供准确的商品预测。

公开(公告)号：CN113821724B

公开(公告)日：2023-10-20

申请号：CN202111117332.4

申请日：2021-09-23

Applicant: 湖南大学

Inventor： 王换文 ,  曾雅文 ,  陈浩

IPC: G06F16/9535 ,  G06N3/042 ,  G06N3/045 ,  G06N3/08 ,  G06Q30/0601

Abstract: 本发明提供了一种基于时间间隔增强的图神经网络推荐方法，该方法提出时间间隔增强会话图，Graph Transformer和当前会话中用户的偏好整合表示及预测三个模块以优化用户在当前会话中所隐含的偏好信息，提高对下一个物品点击预测的准确率，其步骤如下：(1)构建具有时间间隔的有向会话图；(2)充分学习每个物品的隐向量表示；(3)生成每个会话的最终嵌入向量；(4)为每个会话的下一次点击物品作出推荐；本发明将用户点击物品的序列构建为具有时间间隔的关系图；设计一个嵌入时间间隔的Graph Transformer来学习物品之间复杂的交互信息；再使用注意力网络融合用户在整个点击序列过程中的整体行为偏好和最后点击物品的当前兴趣，这样可以有效预测用户下一次点击的物品的准确性。

公开(公告)号：CN113821724A

公开(公告)日：2021-12-21

申请号：CN202111117332.4

申请日：2021-09-23

Applicant: 湖南大学

Inventor： 王换文 ,  曾雅文 ,  陈浩

IPC: G06F16/9535 ,  G06N3/04 ,  G06N3/08 ,  G06Q30/06

Abstract: 本发明提供了一种基于时间间隔增强的图神经网络推荐方法，该方法提出时间间隔增强会话图，Graph Transformer和当前会话中用户的偏好整合表示及预测三个模块以优化用户在当前会话中所隐含的偏好信息，提高对下一个物品点击预测的准确率，其步骤如下：(1)构建具有时间间隔的有向会话图；(2)充分学习每个物品的隐向量表示；(3)生成每个会话的最终嵌入向量；(4)为每个会话的下一次点击物品作出推荐；本发明将用户点击物品的序列构建为具有时间间隔的关系图；设计一个嵌入时间间隔的Graph Transformer来学习物品之间复杂的交互信息；再使用注意力网络融合用户在整个点击序列过程中的整体行为偏好和最后点击物品的当前兴趣，这样可以有效预测用户下一次点击的物品的准确性。