基于图神经网络的权益推荐技术方案研究

推荐系统是实现海量互联网权益产品智能化推荐的重要手段。为了提升个性化推荐的准确率,提出了基于图计算方法的深度学习推荐系统。针对用户行为数据存在多源异质的特性,基于深度学习图表示技术,对用户多维特征及权益产品之间的多种交互方式进行图结构化信息抽取及异质图建模,构建用户权益多元关系图谱,实现了各类交互信息(如用户—App、App—套餐、用户—套餐)的有效聚合。通过构建异质图卷积神经网络,学习各类异质性节点的高维特征向量,挖掘用户潜在偏好行为,提供具有较强可解释性的推荐链路,进而大幅提升推荐成功率并产生经济价值。