(19)中华 人民共和国 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 202111673142.0 (22)申请日 2021.12.31 (71)申请人 深圳市颐通科技有限公司 地址 518000 广东省深圳市罗湖区南湖街 道深南东路118世界金融 中心B座21 17 (72)发明人 张瀚瑜　张春慨　 (74)专利代理 机构 深圳市添源创鑫知识产权代 理有限公司 4 4855 代理人 朱丽萍 (51)Int.Cl. G06F 16/9032(2019.01) G06F 16/9035(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于会话数据的会话推荐方法及系统 (57)摘要 本发明公开了一种基于会话数据的会话推 荐方法及系统， 该方法包括将当前用户的历史会 话序和当前会话序列建模成会话图， 建模会话图 时考虑到当前会话的重要性进行加权， 使用图神 经网络进行训练得到会话图中每个节点的表示 向量， 利用跳跃连接的扩张循环神经网络对用户 的历史偏好进行建模； 将用户历史偏好的表示向 量与会话图中节点的表示向量通过一个注意力 层进行融合， 再经过一个软注意力层进行信息汇 聚得到最终的用户行为表示向量； 将最终的用户 行为表示向量输入预测模块得到用户行为预测 结果， 使用交叉熵损失函数对系统进行训练。 本 发明将历史会话信息和短期的当前会话信息融 合起来更准确地表示用户意图， 达到会话推荐目 的。 权利要求书2页 说明书8页 附图2页 CN 114282077 A 2022.04.05 CN 114282077 A 1.一种基于会话数据的会话推荐方法， 其特 征在于， 包括以下步骤： 将用户的历史会话序列和当前会话序列建模成会话图， 建模会话图过程中根据当前会 话和历史会话的重要性进行加权； 将会话图输入图神经网络中进行训练， 得到会话图中每 个节点的表示向量； 利用跳跃连接的扩 张循环神经网络对用户的历史偏好进行建模， 得到用户历史偏好的 表示向量； 将用户历史偏好的表示向量与会话图中节点的表示向量通过一个注意力层进行融合， 再经过一个软注意力层进行信息汇聚得到最终的用户行为表示向量； 将最终的用户行为表示向量输入预测模块得到用户行为预测结果。 2.根据权利要求1所述的会话推荐方法， 其特征在于， 所述方法还包括利用预测结果， 使用交叉熵损失函数对 会话推荐方法建立的系统进行训练。 3.根据权利要求1所述的会话推荐方法， 其特征在于， 将会话图输入图神经网络 中进行 训练， 得到会话图中每 个节点的表示向量， 具体步骤 包括： 对于某一 时刻的被点击节点， 根据被点击节点在有向图和无向图中的表示得到经过信 息传播的会话图中各节点的表示向量； 将某一时刻被点击节点的传播信息和某一时刻之前的节点表示向量输入图神经网络 层， 更新每 个节点的表示向量。 4.根据权利要求1所述的会话推荐方法， 其特征在于， 利用跳跃连接的扩 张循环神经网 络对用户的历史偏好进行建模， 得到用户历史偏好的表示向量， 具体步骤 包括： 建立一个多层循环神经网络， 具体表达式为： 其中， 表示历史会话第t个元素在多层循环神经网络中第l层的表示， 表示历史 会话第t个元素输入多层循环神经网络的初始值， 是RNN网络模型， 是在第l层往 前d(l)个项的隐藏状态， d(l)是跳跃连接的跳跃长度， 具体表达式为： d(l)=Ml‑1， l=1， 2，…， L. 其中， M， L均是超参数。 5.根据权利要求1所述的会话推荐方法， 其特征在于， 将最终的用户行为表示向量输入 预测模块得到用户行为预测结果， 具体步骤 包括： 预测模块用一个结果向量 来代表每一个候选项vi∈V的分值， 通过计算向量 得到最 后得到的预测结果， 计算过程包括： 其中st表示最终的用户行为表示向量， V 表示节点 集合， 表示最后得到的预测结果。 6.根据权利要求2所述的会话推荐方法， 其特 征在于， 交叉熵损失函数 具体表达式为：权　利　要　求　书 1/2 页 2 CN 114282077 A 2其中， 表示最后 得到的预测结果， θ表示预测模块参数， λ为正则 化项系数， m表示项目 总数， yi是真实数据中用户的行为。 7.一种基于会话数据的会话推荐系统， 其特 征在于， 所述系统包括： 会话图建模模块： 用于将用户的历史会话序列和当前会话序列建模成会话图， 建模会 话图过程中根据当前会话和历史会话的重要性进行加权； 图神经网络模块， 用于将会话图输入图神经网络中进行训练， 得到会话图中每个节点 的表示向量； 扩张循环神经网络模块， 用于利用跳跃连接的扩 张循环神经网络对用户的历史偏好进 行建模， 得到用户历史偏好的表示向量； 信息融合模块， 用于将用户历史偏好的表示向量与会话图中节点的表示向量通过一个 注意力层进行融合， 再 经过一个软注意力层进行信息汇聚得到最终的用户行为表示向量； 预测模块， 用于利用最终的用户行为表示向量得到用户行为预测结果。 8.根据权利要求7 所述的会话推荐系统， 其特 征在于， 所述系统还 包括： 训练模块， 用于利用用户行为预测结果， 使用交叉熵损 失函数对会话推荐系统进行训 练。 9.一种基于会话数据的会话推荐系统， 其特征在于， 包括： 处理器； 以及存储器， 其中， 所述存储器中存储有计算机可执行程序， 当由所述处理器执行所述计算机可执行程序时， 执行权利要求1 ‑6中任一项所述的方法。 10.一种计算机可读存储介质， 其上存储有指令， 其特征在于， 所述指令在被处理器执 行时， 使得 所述处理器执行如权利要求1 ‑6中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114282077 A 3