(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 202210547151.3 (22)申请日 2022.05.19 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 冯肖　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 薛平　刘飞 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/36(2019.01) (54)发明名称 基于图表示学习的推荐方法、 装置、 设备及 存储介质 (57)摘要 本说明书提供了一种基于图表示学习的推 荐方法、 装置、 设备及存储介质， 该方法包括： 根 据用户之间的关联关系构建用户的有向带权图， 并存储为邻接矩阵； 利用特征工程将用户属性表 示为有向带权图的特征矩阵； 将当前时刻的邻接 矩阵和特征矩阵作为当前时刻图快照， 输入至图 表示学习模 型中； 使图表示学习模 型将当前时刻 图快照编码为快照编码； 使图表 示学习模型根据 快照编码及自身的上一时刻隐状态， 生成当前时 刻节点向量及当前时刻隐状态； 使图表示学习模 型根据当前时刻节点向量重构有向带权图； 计算 当前时刻节点向量中每个节点与其他节点的相 似度； 根据相似度生成针对每个节点的推荐对 象。 本说明书实施例可用低成本方式提高推荐系 统的推荐精度。 权利要求书2页 说明书10页 附图6页 CN 114880568 A 2022.08.09 CN 114880568 A 1.一种基于图表示学习的推荐方法， 其特 征在于， 包括： 根据用户之间的关联关系构建用户的有向带权图， 并存 储为邻接矩阵； 利用特征工程将用户属性表示 为所述有向带权图的特 征矩阵； 将当前时刻的邻接矩阵和特 征矩阵作为当前时刻图快照， 输入至图表示学习模型中； 使所述图表示学习模型将所述当前时刻图快照 编码为快照 编码； 使所述图表示学习模型根据 所述快照编码及自身的上一 时刻隐状态， 生成当前时刻节 点向量及当前时刻隐状态； 使所述图表示学习模型根据 所述当前时刻节点向量重构所述有向带权图， 以与所述当 前时刻隐状态一并用于下一时刻的图表示学习； 计算所述当前时刻节点向量中每 个节点与其 他节点的相似度； 根据所述相似度生成针对每 个节点的推荐对象。 2.如权利要求1所述的基于图表示学习的推荐方法， 其特征在于， 所述图表示学习模型 以循环神经网络为模型框架。 3.如权利要求2所述的基于图表示学习的推荐方法， 其特征在于， 使所述图表示学习 模 型将所述当前时刻图快照 编码为快照 编码， 包括： 使所述图表示学习模型中的基于注意力 机制的编码器， 将所述当前时刻图快照编码为 快照编码。 4.如权利要求2所述的基于图表示学习的推荐方法， 其特征在于， 使所述图表示学习 模 型根据所述快照编码及自身的上一时刻隐状态， 生成当前时刻节点向量及当前时刻隐状 态， 包括： 使所述图表示学习模型中的门控循环单元， 根据所述快照编码及所述上一时刻隐状 态， 生成当前时刻节点向量及当前时刻隐状态。 5.如权利要求4所述的基于图表示学习的推荐方法， 其特征在于， 根据 所述快照编码及 自身的上一时刻隐状态， 生成当前时刻节点向量及当前时刻隐状态， 包括： 当所述快照编码对应的节点数量少于所述上一 时刻隐状态对应的节点数量 时， 将注销 的节点从所述上一时刻隐状态对应的节点向量中删除对应的行向量， 将所述快照编 码及删 除后得到的上一时刻隐状态输入至门控循环单元， 获得当前时刻节点向量及当前时刻隐状 态； 当所述快照编码对应的节点数量多于所述上一 时刻隐状态对应的节点数量 时， 在所述 上一时刻隐状态对应的节点向量中增加新增节点对应的行向量， 并初始 化为0向量， 将所述 快照编码及增加后得到的上一时刻隐状态输入至门控循环单元， 获得当前时刻节点向量及 当前时刻隐状态； 当所述快照编码对应的节点数量等于所述上一 时刻隐状态对应的节点数量 时， 将所述 快照编码及所述上一时刻隐状态输入至门控循环单元， 获得当前时刻节点向量及当前时刻 隐状态。 6.如权利要求2所述的基于图表示学习的推荐方法， 其特征在于， 使所述图表示学习 模 型根据所述当前时刻节点向量重构所述有向带权图， 包括： 使所述图表示学习模型中的基于注意力 机制的解码器， 根据所述当前时刻节点向量重 构所述有向带权图。权　利　要　求　书 1/2 页 2 CN 114880568 A 27.如权利要求6所述的基于图表示学习的推荐方法， 其特征在于， 根据 所述当前时刻节 点向量重构所述有向带权图， 包括： 利用所述 解码器将所述当前时刻节点向量反转编码为 新的邻接矩阵和特 征矩阵。 8.如权利要求1所述的基于图表示学习的推荐方法， 其特征在于， 根据 所述相似度生成 针对每个节点的推荐对象， 包括： 对于每个目标节点， 将其与其 他节点的相似度进行排序； 将相似度排序中最大相似度对应的节点作为针对该目标节点的推荐对象。 9.一种基于图表示学习的推荐装置， 其特 征在于， 包括： 图构建模块， 用于根据用户之间的关联关系构建用户的有向带权 图， 并存储为邻接矩 阵， 并利用特 征工程将用户属性表示 为所述有向带权图的特 征矩阵； 快照输入模块， 用于将当前时刻的邻接矩阵和特征矩阵作为当前时刻图快照， 输入至 图表示学习模型中； 图表示学习模型， 用于将所述当前时刻图快照编码为快照编码； 根据所述快照编码及 自身的上一时刻隐状态， 生成当前时刻节点向量及当前时刻隐状态； 根据所述当前时刻隐 状态重构所述有向带权图， 以与所述当前时刻隐状态一并用于下一时刻的图表示学习； 对象推荐模块， 用于计算所述当前时刻节点向量中每个节点与其他节点的相似度， 并 根据所述相似度生成针对每 个节点的推荐对象。 10.一种计算机设备， 包括存储器、 处理器、 以及存储在所述存储器上的计算机程序， 其 特征在于， 所述计算机程序被所述处理器运行时， 执行根据权利要求 1‑8任意一项 所述方法 的指令。 11.一种计算机存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被计 算机设备的处 理器运行时， 执 行根据权利要求1 ‑8任意一项所述方法的指令 。 12.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序， 所述计 算机程序被处 理器运行时， 执 行根据权利要求1 ‑8任意一项所述方法的指令 。权　利　要　求　书 2/2 页 3 CN 114880568 A 3