本發明涉及微地圖和推薦系統，更具體地說是涉及一種面向用戶多樣化興趣的微地圖方法。

背景技術：

1、微地圖(wemaps)是自媒體時代面向大眾的草根地圖，因其對精度等數學基礎要求不高，用戶無需經過嚴格的專業培訓即可實時參與地圖制作，所以在投入使用后勢必產生海量的地圖數據。為使地圖可以及時、方便、快捷地進行分發傳播且用戶可以高效地從海量地圖數據中獲取到有價值的信息，在微地圖中加入個性化推薦功能就很有必要。

2、當前微地圖推薦系統中因地圖數量遠超用戶數量，大多數地圖很少有用戶與之交互，其普遍缺少相應的交互數據。此種數據分布不均衡的現象導致微地圖推薦算法難以準確推斷、預測用戶的偏好及興趣，如何處理類似的數據稀疏問題是當下各類推薦系統所面臨的共同挑戰。基于圖結構的深度學習方法能夠利用圖結構本身的特性，通過在節點之間進行信息傳遞來填補數據的空白，從而有效緩解了數據稀疏問題在推薦過程中造成的困擾。如一些方法利用用戶、物品二部圖的高階連通性，將交互過程中潛在的“協同信號”整合進圖節點的嵌入向量學習過程中。另外一些方法通過結合“隨機游走”與圖卷積神經網絡算法來生成涵蓋圖中邊及節點信息的特征嵌入向量。以上基于圖的推薦方法在解決推薦系統的數據稀疏問題上取得了一定效果，但在捕捉用戶多樣化興趣方面能力不足。主要原因在于用戶的興趣往往是多維度和隱性的，圖模型通常使用節點自身的屬性或鄰居節點的信息來綜合生成節點的向量表示，但此類信息無法完全反映用戶的隱性興趣，且通過節點的相似性或關聯性來進行推斷和預測的過程也在一定程度上存在著不確定性，使得推薦結果的可解釋性降低。

3、為了解決當前微地圖推薦系統中數據稀疏問題帶來的挑戰，同時也為了能夠捕獲用戶的多樣化興趣，使推薦結果具備良好的可解釋性，本發明提出了面向用戶多樣化興趣的微地圖推薦方法。

技術實現思路

1、有鑒于此，本發明提供了一種面向用戶多樣化興趣的微地圖推薦方法，針對現有微地圖推薦方法中存在的數據稀疏問題，首次引入圖卷積神經網絡對用戶與地圖的交互數據進行建模。為捕獲用戶的多樣化興趣，為用戶提供個性化推薦的同時使推薦結果具備良好的可解釋性，在圖卷積層中加入了用戶意圖解耦方法。基于已構建的“用戶—地圖”二部圖建立了多個用戶意圖感知子圖，使用鄰域路由機制對不同子圖上的節點表示進行迭代更新，用以解耦用戶表征，獲得用戶與地圖交互過程中更細粒度的用戶意圖。

2、為了實現上述目的，本發明采用如下技術方案：

3、一種面向用戶多樣化興趣的微地圖推薦方法，該模型包括構建“用戶—地圖”交互圖模塊、圖卷積模塊、預測及輸出模塊。所述推薦模型構建方法包括：

4、s1：使用圖數據結構對用戶與微地圖的交互歷史數據建模，建立“用戶—地圖”交互圖；

5、s2：依據已構建的“用戶—地圖”交互圖構建多個“用戶—地圖”交互子圖，每個子圖對應用戶與地圖交互時的一種意圖；

6、s3：通過在“用戶—地圖”交互子圖上執行圖卷積方法，使圖上不同節點的信息能夠進行傳遞與聚合；

7、s4：在圖卷積的過程中加入鄰域路由機制，在每次圖卷積過程中進行多次節點信息的迭代更新；

8、s5：在完成所有圖卷積操作之后，將不同卷積層中各個“用戶—地圖”交互子圖上的節點向量拼接并相加作為最終的節點表示向量；

9、s6：將訓練獲得的用戶、地圖節點表示向量做內積預測用戶對地圖的偏好情況，將得分按照倒序進行排列，將前k個得分最高的地圖推薦給用戶，形成topk推薦結果；

10、s7：結束。

11、進一步地，所述“用戶—地圖”交互圖模塊包括：

12、一個定義“用戶—物品”交互圖及意圖感知子圖模塊，其原理是將用戶與用戶交互過的地圖定義為圖中的節點，圖中的邊代表節點間的一次交互。此外，基于已構建的“用戶—物品”交互圖構建k個意圖感知子圖，每個子圖在形式上與原始圖保持一致。每個子圖對應的意圖為交互產生的貢獻大小初始化為：

13、a(u,m)＝(a1(u,m),...,ak(u,m),...,ak(u,m))?(0)

14、一個圖中節點嵌入向量初始化模塊，定義解耦后用戶u的嵌入向量表示eu由k個獨立的用戶意圖向量拼接而成：

15、eu＝concatenate(e1u,...,eku,...,eku)?(2)

16、進一步地，所述圖卷積模塊具體步驟為：

17、第一步，定義圖卷積總層數l，通過下面公式定義第l層圖卷積的具體執行過程：

18、

19、第二步，在每個圖卷積層中引入用戶意圖解耦方法，通過在不同子圖上使用鄰域路由機制，還可以更新相應子圖中的“用戶—地圖”交互權重，從而獲得不同意圖對交互的貢獻大小，實現用戶意圖的解耦。

20、進一步地，預測及輸出模塊包括：

21、一個將所有圖卷積層輸出節點向量的相加操作。將第k個子圖所有圖卷積層得到結果相加生成最終的節點表示向量，則執行完l次圖卷積操作之后，用戶與地圖嵌入特征向量可以通過公式(4)進行計算：

22、

23、一個將每個子圖節點向量拼接并進行預測的操作。將k個用戶意圖子圖中的用戶、地圖向量分別拼接得到最終用戶u、地圖m的嵌入向量表示eu、em，對獲得的最終向量表示求內積計算用戶u對地圖m的偏好程度：

24、

25、與現有技術相比，本發明具有如下有益效果：

26、1.本發明首次在微地圖推薦中首次引入了圖卷積神經網絡對用戶與地圖的交互過程進行建模，利用節點間的高階連通性發掘出節點與其高跳鄰居節點間的協同信號，從而緩解了推薦過程中因用戶與地圖交互數據稀疏導致的難以形成有效推薦的問題。

27、2.本發明為準確把握用戶與地圖交互時的具體意圖，捕獲用戶多樣化興趣，從而進行更精準、更全面的推薦，在圖神經網絡模型中加入了用戶意圖解耦方法，通過建立多個意圖感知子圖，在意圖感知子圖中迭代地執行鄰域路由機制實現用戶與地圖交互意圖的解耦，獲得了不同意圖因子對用戶與地圖交互的貢獻大小。引入用戶意圖解耦方法為提升微地圖推薦效果、開展推薦過程的可解釋性分析提供了有效支撐。

技術特征：

1.一種面向用戶多樣化興趣的微地圖推薦方法，其特征在于，針對微地圖推薦系統中為用戶推薦感興趣的微地圖任務提出了新的推薦模型，該模型包括構建"用戶一地圖″交互圖模塊、圖卷積模塊、預測及輸出模塊。所述推薦模型構建方法包括：

技術總結
本發明公開了一種面向用戶多樣化興趣的微地圖推薦方法，旨在細粒度地捕獲用戶使用微地圖推薦系統時的多樣化興趣，提高微地圖推薦結果的準確率。方法主要包括：使用圖神經網絡對用戶與微地圖的交互過程進行建模，利用圖的高階連通性發掘圖中節點與其高跳鄰居節點間的協同信號；在圖卷積過程中引入用戶意圖解耦方法，通過在多個用戶意圖感知子圖上執行鄰域路由機制解耦用戶表征，從而捕獲用戶與微地圖交互過程中細粒度的用戶意圖；將各圖卷積層輸出的節點向量相加作為節點最終的嵌入向量表示，對向量進行內積計算后生成推薦結果。該方法不但能夠提升用戶與微地圖交互數據稀疏場景下的推薦效果，還能有效捕捉用戶多樣化興趣，為推薦結果提供良好的可解釋性。

技術研發人員：楊軍,王琛錫
受保護的技術使用者：蘭州交通大學
技術研發日：
技術公布日：2025/4/28