CN116186390B 一种融合超图的对比学习会话推荐方法 （北京理工大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116186390B(45)授权公告日2025.07.11

(21)申请号202211692089.3

(22)申请日2022.12.28

(65)同一申请的已公布的文献号申请公布号CN116186390A

(43)申请公布日2023.05.30

(73)专利权人北京理工大学

地址100081北京市海淀区中关村南大街5

号

(72)发明人史树敏刘思辰刘东阳

(74)专利代理机构北京正阳理工知识产权代理

事务所(普通合伙)11639专利代理师王松

(51)Int.CI.

GO6F16/9535(2019.01)

GO6F16/901(2019.01)

GO6N3/04(2023.01)

GO6N3/08(2023.01)

GO6F18/25(2023.01)

(56)对比文件

CN115146180A,2022.10.04CN114547276A,2022.05.27审查员袁冠群

权利要求书4页说明书6页附图1页

(54)发明名称

一种融合超图的对比学习会话推荐方法

(57)摘要

CN116186390B本发明公开了一种融合超图的对比学习会话推荐方法，属于数据挖掘和应用技术领域。本方法通过构建全局超图来获得项目之间高阶信息，同时为每个会话构建局部会话图来获得项目之间交互信息。对于所构建的全局超图，使用超图注意力网络进行处理，获得全局超图下的项目嵌入，对于构建的局部会话图，使用门控图神经网络学习项目嵌入。在得到两种项目嵌入后使用注意力机制得到两种会话嵌入信息，使用对比学习作为辅助任务使两种会话嵌入互信息最大化。最后根据会话特征计算候选物品的推荐概率。本方法使用超图结构建模，更好的获取项目之间的

CN116186390B

开始

开始

根据会话数据构建全局超图和会话图

将全局超图数据输入超图注将会话图数据输入门控图神

意力网络得到项目嵌入经网络得到项目嵌入

使用注意力机制得到全局超图下和会话图下的会话嵌入

使用对比学习方法增强两种会话嵌入

计算候选物品推荐概率

结束

CN116186390B权利要求书1/4页

2

1.一种融合超图的对比学习会话推荐方法，其特征在于，包括以下步骤：

定义V为所有项目的集合，即项目集，V={v?,V?,V?,·..,v},其中n为项目数；每个会话表示为一个集合s,s=[v,V?,v3,…,v],L为会话的长度；

步骤1:根据会话数据，构建全局超图和局部会话图；

步骤2:将得到的全局超图数据输入到超图注意力网络进行学习，得到全局超图下的项目嵌入表示；

步骤2.1:在网络的开始层，将每个项目由高维空间嵌入到低维连续向量空间中，得到每个项目的初始嵌入表示·,其中表示第n个项目的初始嵌入；

步骤2.2:将每个节点的初始嵌入表示输入至第一层超图注意力网络中，根据节点信息的不同给予每个节点不同程度的关注，并通过聚合超边上的节点信息得到超边的特征嵌入；

步骤2.3:根据得到的超边特征嵌入，使用注意力机制将包含某个节点的所有超边的信息进行聚合，得到节点的信息；

经过堆叠多个超图注意力层来获得高阶的信息，在最后一层输出每个节点即每个项目的嵌入表示，最终得到全局超图下的项目嵌入；

步骤3:将得到的局部会话图数据输入到门控图神经网络进行学习，得到局部会话图下的项目嵌入表示；

将最终输出结果作为会话中项目的特征嵌入，并以此方法处理所有的局部会话图，得到局部会话图下的项目嵌入表示；

步骤4:将得到的全局超图下的项目嵌入和局部会话图下的项目嵌入信息分别使用注意力机制进行聚合，得到全局超图下的会话嵌入表示和局部会话图下的会话嵌入表示；

将全局超图下的项目嵌入和局部会话图下的项目嵌入分别进行注意力机制的操作，最终得到全局超图下的会话嵌入表示和局部会话图下的会话嵌入表示；

步骤5:使用对比学习使两种会话嵌入互信息最大化；

将两种会话嵌入进行对比，如果全局超图下的会话嵌入和局部会话图下的会话嵌入表示同一个会话，则将这一对会话嵌入记为正样本，否则记为负样本；将两种会话嵌入互信息最大化，得到对比学习下的对比损失；

步骤6:计算候选物品的推荐概率，给出损失函数；

从步骤1到步骤6,得到给定会话序列的候选物品推荐概率；根据推荐概率