CN113254803B 一种基于多特征异质图神经网络的社交推 荐方法 （暨南大学）

一种基于多特征异质图神经网络的社交推本发明公开了一种基于多特征异质图神经取社交网络用户和话题的多种属性信息进行编层感知机得到各用户和话题的初始特征向量表质图神经网络结合注意力机制在图中进行信息作为节点建立异质图，能更全面地挖掘社交信2将编码预处理后的用户和话题的多特征编码分别输入不将社交网络上的用户和话题同时作为节点，基于用户网络社交交互进行用户-用户连将所述异质图输入到异质图神经网络模型，对用户类对于两种类型的注意力分数各自分别进行归一化后再对中心节点的各邻居节点根据其注意力分数进行特征传递并与中心节点特征进行聚计算推荐的目标用户与各用户之间的特征向量相似度和各话题之间的特征向量相似H!)=P(W(I)·H-1)+bI))若两个用户之间进行过网络社交交互则进行连边5.根据权利要求1或4所述的基于多特征异质图神经网络的社交推荐方法，其特征在3述对用户类型邻居节点和话题类型邻居节点分别采用不同的注意力向量计算注意力分数，述对于两种类型的注意力分数各自分别进行归一化后再统一进行归一化，具体计算过程特定用户类型邻居节点注意力分数，表示归一化后某一特定话题类型邻居节点注意述对中心节点的各邻居节点根据其注意力分数进行特征传递并与中心节点特征进行聚合，4其中，n")表示第L+1层异质图神经网络层节点特征矩阵中中心节点i的特征向量，将经过多层异质图神经网络层信息传递和聚合后的各用户节点和话题节点的特征向所述信息提取模块用于同时提取用户多种属性信息所述编码预处理模块用于对用户多种属性信息和话题多种所述异质图构建模块用于构建异质图，将社交网络上的所述注意力分数计算模块用于将所述异质图输入到异邻居节点和话题类型邻居节点分别采用不同所述综合注意力分数计算模块用于对于两种类型的注意力分数各自分别进行归一化所述信息聚合及更新模块用于对中心节点的各邻居节点根据其注意力分数进行特征所述特征向量相似度计算模块用于计算推荐的目标用户与各用户之间的特征向量相所述推荐结果输出模块用于在排序后输出相似度最高的top-5[0003]现有的社交推荐系统技术中，大多都只较考虑到了部分的稀疏信息(如用户间的[0008]将编码预处理后的用户和话题的多特征编码分别输入不同的多层感知机同时训[0009]将社交网络上的用户和话题同时作为节点，基于用户网络社交交互进行用户-用6[0013]对中心节点的各邻居节点根据其注意力分数进行特征传递并与中心节点特征进[0014]计算推荐的目标用户与各用户之间的特征向量相似度和各话题之间的特征向量[0016]涉及到自然语言的语义信息采用word2vec方法得到embedding特征编码，具体包括：噪声信息去除、分词及停用词处理、训练数值向量化的词表示和获取语义信息的[0022]若两个用户之间进行过网络社交交互则进行连边，所述网络社交交互包括关注、[0024]作为优选的技术方案，所述基于用户感兴趣话题进行用户-话题连边，具体条件点集合中的话题类型邻居节点。7示归一化前的任一用户类型邻居节点注意力分数，表示归一化前的任一话题类型邻居[0035]其中，n")表示第l+1层异质图神经网络层节点特征矩阵中节点i的特征向量，表示中心节点i的邻居节点集合。[0037]将经过多层异质图神经网络层信息传递和聚合后的各用户节点和话题节点的特[0040]所述编码预处理模块用于对用户多种属性信息和话题多种属性信息进行编码预8[0042]所述异质图构建模块用于构建异质图，将社交网络上的用户和话题同时作为节类型邻居节点和话题类型邻居节点分别采用不同的注[0045]所述综合注意力分数计算模块用于对于两种类型的注意力分数各自分别进行归[0046]所述信息聚合及更新模块用于对中心节点的各邻居节点根据其注意力分数进行[0047]所述特征向量相似度计算模块用于计算推荐的目标用户与各用户之间的特征向[0048]所述推荐结果输出模块用于在排序后输出相似度最高的top-k用户和话题推荐结9主题，热度，简介信息等这其中涉及到自然语言的语义信息采用word2vec方法得到[0061]本实施例对用户和话题的多种属性信息进行提取和预处理，具体包括以下子步[0069]获取语义信息的embedding编码表示：对语义信息所包含的各词的词向量进行平[0081]其中v为归一化前的边权值，Dmin为归一化前的所有边权的最小值，umax为归邻居节点和话题类型邻居节点分别通过注意力机制采用不同的注意力向量计算注意力分为用户类型邻居节点的特征向量，hn为话题类型邻居节点的特征向量，σ归一化注意力分数，再通过一次softmax归一化综合得到中心节点的邻居节点集合的注意型邻居节点、话题类型邻居节点的注意力分数，表示归一化后的示归一化前的任一用户类型邻居节点注意力分数，表示归一化前的任一话题类型邻居类型邻居节点，j表示v的邻居节点集合中的话题类型邻居节点，Bvr表示归一化后的任一[0095]对中心节点的各邻居节点根据其注意力分数进行特征传递并与中心节点特征进[0097]其中，n")表示第l+1层异质图神经网络层节点特征矩阵中节点i的特征向量，[0099]将经过层异质图神经网络层信息传递和聚合后的各用户节点和话题节点的特征型，对用户类型邻居节点和话题类型邻居