(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 202211233278.4 (22)申请日 2022.10.10 (71)申请人 山东师范大学 地址 250014 山东省济南市历下区文化 东 路88号 (72)发明人 鲁燃　梁秀芳　朱英政　段化娟　 刘培玉　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 李圣梅 (51)Int.Cl. G06Q 30/06(2012.01) G06Q 50/00(2012.01) G06F 16/9535(2019.01) G06F 16/9537(2019.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于用户社交信息的推荐方法及系统 (57)摘要 本发明公开了一种基于用户社交信息的推 荐方法及系统， 该方法通过将带有时间感知信息 的用户表示和项目表示融入到多交互类型的用 户‑项目交互的关系感知依赖网络中， 利用该关 系感知依赖网络对多类型交互行为模式进行建 模， 获得包含高阶异构多类型动态交互的用户嵌 入表示和项目嵌入表示， 提取高阶多交互感知协 同语义信息， 同时， 基于用户社交图， 利用图注意 力机制和互信息学习方式增强用户嵌入表示， 获 得包含用户社交信息的用户增强嵌入表示， 以此 实现基于用户社交信息的推荐模型的细粒度建 模， 最后， 将用户嵌入表示和用户增强嵌入表示 融合后与项目嵌入表示进行点积操作， 制定推荐 列表。 本发明通过上述方案， 实现了推荐性能及 推荐准确性的提高。 权利要求书2页 说明书11页 附图1页 CN 115545833 A 2022.12.30 CN 115545833 A 1.一种基于用户社交信息的推荐方法， 其特 征是， 包括以下步骤： 基于多交互类型的用户 ‑项目交互图， 获取用户 和项目之间进行多类型交互时的时间 感知信息； 根据用户 表示、 项目表示及用户 ‑项目交互时的时间感知信息， 利用多交互类型的用 户‑项目交互的关系感知依赖网络对多类型交互行为模式进行建模， 获得包含高阶异构多 类型动态交 互的用户嵌入表示和项目嵌入表示； 基于用户社交图， 利用图注意力机制和 互信息学习方式增强用户嵌入表示， 获得包含 用户社交信息的用户增强嵌入表示； 将用户嵌入表示和用户增强嵌入表示融合后与项目嵌入表示进行点积操作， 根据点积 后生成的用户对项目的得分矩阵制定推荐列表。 2.如权利要求1所述的一种基于用户社交信 息的推荐方法， 其特征是， 所述获取用户和 项目之间进行多类型交 互时的时间感知信息， 具体为： 设用户uj和项目is之间的交互关系为第t种类 型的关系， 将用户uj和项目is进行t种类 型 交互的时间戳 映射为 基于Transformer框架的位置编码方法对生成的时间顺 序进行编码， 得到时间嵌入表示 用于表示在不同时间的用户uj和项目is之间的每次 第t种类型的交 互。 3.如权利要求1所述的一种基于用户社交信 息的推荐方法， 其特征是， 利用所述关系感 知依赖网络对多类型交 互行为模式进行建模， 具体包括消息传播过程和 消息聚合过程； 通过描述用户和项目在交互中包含时间感知信 息的消息传播过程， 从交互的用户和项 目中获得不同交 互类型的感知信息； 通过消息聚合网络实现用户和项目的消息聚合过程， 对不同交互类型的感知信 息进行 聚合。 4.如权利要求3所述的一种基于用户社交信 息的推荐方法， 其特征是， 所述聚合过程包 括： 基于消息聚合网络， 获得 特定交互类型的嵌入表示的显式相关性得分； 根据显式相关性得分， 利用注意操作对齐特定交互类型的嵌入表示， 再通过拼接操作， 获得更新后的特定交 互类型的嵌入表示； 聚合消息传播过程中多种特定交互类型的嵌入表示， 获得融合多种交互行为的嵌入表 示。 5.如权利要求 4所述的一种基于用户社交信息的推荐方法， 其特 征是， 还包括： 基于融合多种交 互行为的嵌入表示， 计算该嵌入表示的重要度分数； 根据重要度分数， 描述高阶异构多类型交 互的嵌入表示； 聚合高阶异构多类型交互的嵌入表示， 获得包含高阶异构多类型动态交互的嵌入表 示， 该嵌入表示包括用户嵌入表示和项目嵌入表示。 6.如权利要求1所述的一种基于用户社交信 息的推荐方法， 其特征是， 所述利用图注意 力机制和互信息学习方式增强用户嵌入表示， 获得包含用户社交信息的用户增强嵌入表 示， 具体为：权　利　要　求　书 1/2 页 2 CN 115545833 A 2将获取的用户嵌入表示作为节点级用户嵌入表示， 利用图注意力机制进行更新， 获得 更新后的通过用户与用户连接边传播的节点级用户嵌入表示； 基于用户社交图， 生成用户社交图的融合图级嵌入表示； 根据所述节点级用户嵌入表示和所述融合图级嵌入表示， 结合互信息结构范式， 构建 上下文感知鉴别器， 以 作为正向用户实例即正样例输入鉴别器， 以 作为负 向用户实例即负样例输入鉴别器， 以此训练所述鉴别器； 其中， 为节点级用户嵌入表示， Ru为图级用户嵌入表示； 基于训练完成的鉴别器， 通过判定输入用户属于用户社交图的概率分数来确定输入用 户为正例还是负例。 7.如权利要求6所述的一种基于用户社交信息的推荐方法， 其特 征是， 还包括： 以未观察到的用户 ‑项目交互为负样本， 以观察到的用户 ‑项目交互为正样本， 定义相 应的损失函数， 训练整个推荐模 型， 通过训练完成的推荐模型， 获得特征增强的用户嵌入表 示， 即包含用户社交信息的用户增强嵌入表示。 8.一种基于用户社交信息的推荐系统， 其特 征是， 包括： 时间感知信 息处理模块， 用于基于多交互类型的用户 ‑项目交互图， 获取用户和项目之 间进行多类型交 互时的时间感知信息； 多类型用户 ‑项目交互模块， 用于根据用户表示、 项目表示及用户 ‑项目交互时的时间 感知信息， 利用多交互类型 的用户‑项目交互的关系感知依赖网络对多类型交互行为模式 进行建模， 获得包 含高阶异构多类型动态交 互的用户嵌入表示和项目嵌入表示； 全局关系增强社交依赖模块， 用于基于用户社交图， 利用图注意力机制和 互信息学习 方式增强用户嵌入表示， 获得包 含用户社交信息的用户增强嵌入表示； 推荐列表生成模块， 用于将用户嵌入表示和用户增强嵌入表示融合后与项目嵌入表示 进行点积 操作， 根据点积后生成的用户对项目的得分矩阵制定推荐列表。 9.一种电子设备， 其特征是： 包括存储器和处理器以及存储在存储器上并在处理器上 运行的计算机指 令， 所述计算机指 令被处理器运行时， 完成如权利要求 1‑7中任一项 所述的 一种基于用户社交信息的推荐方法的步骤。 10.一种计算机可读存储介质， 其特征是： 用于存储计算机指令， 所述计算机指令被处 理器执行时， 完成如权利要求1 ‑7中任一项所述的一种基于用户社交信息的推荐方法的步 骤。权　利　要　求　书 2/2 页 3 CN 115545833 A 3