(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 202111669811.7 (22)申请日 2021.12.3 0 (71)申请人 天翼电子商务有限公司 地址 100037 北京市西城区阜成门外大街 31号4层429D (72)发明人 陈心童　傅剑文　周文彬　韩弘炀　 章建森　 (51)Int.Cl. G06Q 30/02(2012.01) G06F 16/9536(2019.01) G06F 16/9537(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 16/901(2019.01) (54)发明名称 一种基于门控机制的图神经网络推荐系统 召回方法 (57)摘要 本发明公开了一种基于门控机制的图神经 网络推荐系统召回方法， 包括以下步骤： (1)收集 用户与物品的交互日志， 同时收集用户与物品的 主要特征信息， 如用户的年龄、 性别、 地域， 物品 的品类、 品牌、 店铺； (2)将上述信息导入图数据 库， 生成拓 扑图； 将其中的用户和物品作为节点， 将发生点击行为的关系 作为边， 生成交互拓扑图 G＝(VU， VI， E)。 本发明将节点的特征信息融合到 图神经网络的推荐召回算法中， 提升了拓扑图和 网络中的信息量， 可 以更好的学习节点表征， 从 而提升推荐召回的精准度； 使用门控机制， 模拟 用户对不同商品的不同特征关注度不一致的情 况， 以此在图网络中更好的学习节点表征信息， 进一步提升推荐召回的精准度。 权利要求书1页 说明书4页 附图2页 CN 114549038 A 2022.05.27 CN 114549038 A 1.一种基于门控机制的图神经网络推荐系统召回方法， 其特 征在于， 包括以下步骤： (1)收集用户与物品的交互日志， 同时收集用户与物品的主要特征信息， 如用户的年 龄、 性别、 地 域， 物品的品类、 品牌、 店铺； (2)将上述信息导入图数据库， 生成拓扑图； 将其中的用户和物品作为节点， 将发生点 击行为的关系作为边， 生成交互拓扑图G＝(VU， VI， E)， 其中VU表示用户节点， VI表示物品节 点， E代表用户点击物品的关系； 同时， VU节点有三个特征信息age、 gender； VI节点有三个特 征信息category、 brand； (3)使用收集的日志信息进行图神经网络训练： a)为上述用户id以及对应的特征age、 gender映射为稠密向量， 分别为EU， Ea， Eg； 为上述 物品id以及对应的特 征category、 brand映射 为稠密向量， 分别为EI， Ec， Eb； b)将节点的辅助特 征id映射到节点自身id的向量空间： 对于物品的cate gory向量， 设置参数WC， 完成操作Ec*WC， 将categoryid映射到物品id的 向量空间； 同理， 设置参数Wb， Wa， Wg， 分别将brandid、 ageid、 genderid映射到对应的向量空 间； c)分类聚合邻接节点的不同类别特 征信息： 对于用户节点EU， 对邻居节点的不同特征聚合， 如物品id聚合为mp＝meanpooling(EI)， 对物品的categoryid聚合为mpc＝meanpooling(Ec*WC)， 对物品的品牌聚合为mpb＝ meanpooling(Eb*Wb)； 同理， 对于物品节点EI， 对邻居节点的用户id， 用户的ageid， 用户的 genderid进行聚合 为mpu， mpa， mpg； d)基于图神经网络使用门控机制聚合c)中信息； 考虑到用户对于点击物品的不同特性关注度不一样； 使用门控机制学习不同的特征聚 合权重d， 对于用户节点VU， 公式如下： 其中 表示第k层目标顶点的特征， σ 是激活函数， Wk、 Bk是学习的网络权重， α 是门控机 制开关， mp是c)中的得到的邻接节点的k ‑1层聚合结果， 是目标节点 k‑1层特征； e)网络参数与节点表征 学习： 基于图的损失函数希望临近的节点具有相似的表征， 同时让分离的节点表征尽可能分 开； (4)通过步骤(3)中得到的用户节点表征， 计算任意两个用户节点的相似度， 并找到与 目标用户相似度最高的n个用户； (5)将步骤(4)中相似度最高的n个用户浏览过的m个商品提取出来作为召回结果存储 到hbase； (6)当用户访问时， 通过接口获取hbase中的召回结果， 并展示给用户。权　利　要　求　书 1/1 页 2 CN 114549038 A 2一种基于门控机制的图神经 网络推荐系统召回方 法 技术领域 [0001]本发明涉及互联 网推荐系统领域， 特别涉及一种基于门控机制的图神经网络推荐 系统召回方法。 背景技术 [0002]互联网推荐系统是指根据用户的历史行为预测用户可能感兴趣的物品并推荐给 用户的系统。 它可以为用户进 行个性化的信息展示， 提升用户满意度， 从而提升互联网产品 的转化率和留存率。 [0003]推荐系统中常见的召回算法有基于用户与物品表征的相似度召回， 相似度越高 的 物品会被优先推荐给用户。 使用网络拓扑图可以表达用户与物品的交互关系， 图神经网络 可以学习用户和物品的表征， 以此计算用户和物品的相似度， 生成召回结果。 [0004]现有的推荐系统中有使用图神经网络来进行物品召回的方法， 但这些方法存在以 下不足： 1)只使用了物品id和用户id生成拓扑图， 没有使用物品和用户的特征信息， 如品 类、 品牌、 年龄、 性别等， 对节点的特征刻画不足； 2)对所有的节点使用相同的信息聚合方 式， 没有考虑到不同用户对物品的不同特征关注度不一致， 如某些用户关注品牌产生点击， 某些用户关注品类产生点击。 以此生成的表征不够准确， 从而影响了相似度计算的准确性， 从而影响了推荐召回的精度； [0005]本专利针对这一场景， 提出了一种融合了节点辅助信息 的推荐召回方法， 并考虑 到用户对物品节点信息关注度的差异， 结合 门控机制优化图神经网络节点表征 的精准度， 以此提升推荐系统召回的准确性。 发明内容 [0006]本发明要解决的技术问题是克服现有技术的缺陷， 提供一种基于门控机制的图神 经网络推荐系统召回方法， 在用户与物品的点击拓扑结构图上， 辅助使用了用户、 物品的特 征信息作为节点表征的补 充， 并参与图神经网络的信息聚合， 可以提高节点表征的精度。 同 时考虑到用户对物品的特征关注度不一致的情况， 如有些用户关注品牌、 有些用户关注品 类， 本专利则使用了门控机制， 为每个节点学习不同特征的聚合门控， 可以更精准的刻画用 户行为， 优化了图神经网络中节点的表征， 更精 准的计算用户与 物品的相似度， 提升推荐的 精准度。 [0007]本发明提供了如下的技 术方案： [0008]本发明提供一种基于门控机制的图神经网络推荐系统召回方法， 包括以下步骤： [0009](1)收集用户与物品的交互日志， 同时收集用户与物品的主要特征信息， 如用户的 年龄、 性别、 地 域， 物品的品类、 品牌、 店铺； [0010](2)将上述信息导入图数据库， 生成拓扑图； 将其中的用户和物品作为节点， 将发 生点击行为的关系作为边， 生成交互拓扑图G＝(VU， VI， E)， 其中VU表示用户节点， VI表示物 品节点， E代表用户点击物品的关系； 同时， VU节点有三个特征信息age、 gender； VI节点有三说　明　书 1/4 页 3 CN 114549038 A 3