(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221096287 7.3 (22)申请日 2022.08.11 (71)申请人 浙江君同智能科技有限责任公司 地址 310059 浙江省杭州市滨江区浦沿街 道东信大道6 6号二号楼314室 (72)发明人 戴强　韩蒙　林昶廷　毕冉　 向昶宇　刘勇　俞伟平　 (74)专利代理 机构 杭州天勤知识产权代理有限 公司 33224 专利代理师 曹兆霞 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/901(2019.01) (54)发明名称 基于图注意力网络的自适应推荐方法和装 置 (57)摘要 本发明公开了一种基于图注意力网络的自 适应推荐方法和装置， 以历史交互物品为初始， 引入偏好传播克服了现有的基于嵌入和基于路 径的知识图谱感知推荐 方法的局限性， 实现了自 动传播用户的潜在偏好， 通过基于知识图谱进行 交互路径的多跳扩展， 并结合候选物品， 探索在 知识图谱中的层次兴趣， 利用层次兴趣来构建用 户的总响应向量， 并基于此来计算与候选物品的 嵌入向量的交互概率， 实现物体推荐来提升物体 推荐的准确性。 通过图注意力网络和Node2vec提 升了嵌入表 示的速度， 可以有效的提高模型的迭 代训练速度， 减少迭代次数， 降低模型训练时间 成本。 权利要求书4页 说明书7页 附图2页 CN 115309989 A 2022.11.08 CN 115309989 A 1.一种基于图注意力网络的自适应 推荐方法， 其特 征在于， 包括： 步骤1， 获取用户的历史交互物品集， 并以历史交互物品集中的历史交互物品为起始， 在知识图谱中进行 交互路径的多跳扩展， 以得到由三元组组成的多跳波纹集合， 其中， 三元 组由用户、 交 互关系以及物品组成； 步骤2， 将每跳波纹集合包含的三元组构建成图结构， 图结构中节点表示用户或物品， 节点之间的连边表示交 互关系； 步骤3， 针对每跳波纹集合对应的图结构， 利用参数优化的图注意力网络对图结构进行 基于多头注意力机制的嵌入表示， 以更新节点特 征向量和连边特 征向量； 步骤4， 获取候选物品集合， 利用参数优化的Node2vec对所有候选物品进行嵌入表示， 得到候选物品的嵌入向量； 步骤5， 针对每条跳波纹集合， 根据候选物品的嵌入向量、 节点的更新特征向量以及连 边的更新特征向量计算用户的响应向量， 将所有跳波纹集合对应的响应向量加和作为用户 的总响应向量； 步骤6， 依据用户的总响应向量和候选物品的嵌入向量计算交互概率， 依据交互概率进 行物品推荐。 2.根据权利要求1所述的基于图注意力网络的自适应推荐方法， 其特征在于， 步骤1中， 将由历史 交互物品vu组成的历史 交互物品集命名为 即 在知识图谱中进行交互路径的多跳扩展， 以得到由三元组组成的多跳波纹集合表示 为： 其中， k为波 纹集合的索引， K表示波 纹集合总数， G表示知识图谱， (h,r,t)表示三元组， h表示头实体， 为用户或物品， r表示交互关系， t表示尾实体， 为用户或物品， 表示由历史 交互物品为 起始第k跳得到的尾实体的集 合， 表示为： 3.根据权利要求1所述的基于图注意力网络的自适应推荐方法， 其特征在于， 步骤3 中， 利用参数优化的图注 意力网络对图结构进 行基于多头注意力机制的嵌入表示， 以更新节点 特征向量和连边特 征向量， 包括： 首先， 针对第i个节点， 采用单个独立的注意力 机制来计算第i个节点与第j个邻居节点 的相似系数 对相关系数进行归一 化处理， 得到归一 化的相关系数 表示为： 其中， pi和pj分别表示第i个节点与第j个邻 居节点的节点特征， Wf表示权重系数， g( ·) 表示计算相似系数的函 数， LeakyReLU(·)表示LeakyReLu激活函数， 表示第i个节点与第权　利　要　求　书 1/4 页 2 CN 115309989 A 2s个邻居节点采用第f个独立头的注意力机制计算得到的相似系数， exp( ·)表示e指数函 数， Ni表示第个节点的邻居节点的总数； 然后， 合并所有 独立头的注意力机制计算得到的相似系数 以更新节点特征向量， 表 示为： 其中， p′i表示第i个节点的更新特征向量， σ( ·)表示激活函数， 符号表示向量拼接， F表 示独立头的重量； 最后， 根据更新节点特 征向量更新连边特 征向量， 表示 为： e′ij＝g([Wp′i][Wp′j]) 其中， p′j表示第j个节点的更新特征向量， e ′ij表示连边的更新特征向量， W表示权重系 数。 4.根据权利要求1所述的基于图注意力网络的自适应推荐方法， 其特征在于， 步骤4中， 利用参数优化的Node2v ec对所有候选物品进 行嵌入表 示时， 输入为候选物品集合对应的候 选图结构， 候选图结构中节点表示候选物品， 目的是通过游走来更新节点的嵌入向量， 采样 时综合了深度优先游走和广度优先游走两种方式， 且引入参数β和γ来控制随机游走 的方 式， 具体包括： 对于一个随机游走， 如果β ＞max(γ,1)， 那么游走采样会尽量不往回走， 也就是不太可 能走回上一个节 点； 如果β ＜min(γ,1)， 那么游走采样会 更倾向于 返回上一个节点； 如果γ ＞1， 那么游走采样会倾向于在起始节点点周围的节点间进 行采样， 反映节点采样的广度优 先游走特性； 如果γ＜1， 那么游走采样会倾向于远处节点， 反映节点采样的深度优先游走 特性， 具体地， 当前停留在第l个节点， 那么下一个要采样的第m个节点的概 率为： 如果第l个节点与第m个节点相等， 即dlm＝0， 那么采样第m个节点的概 率 如果第l个节点与第m个节点相连， 即dlm＝1， 那么采样第m个节点的概 率p(l,m)＝1； 如果第l个节点与第m个节点 不相连， 即dlm＝2， 那么采样第m个节点的概 率 5.根据权利要求1所述的基于图注意力网络的自适应推荐方法， 其特征在于， 步骤5 中， 针对每条跳波纹集合， 根据候选物品的嵌入向量、 节点的更新特征向量以及连边的更新特 征向量计算用户的响应向量， 包括：权　利　要　求　书 2/4 页 3 CN 115309989 A 3