1.一种基于异质图神经网络的购物推荐方法,其特征在于,包括以下步骤:获取多个用户针对商品的历史行为记录;
根据所述历史行为记录,生成初始的用户、商品和用户对商品行为关系特征向量;
采用图卷积神经网络训练得到最终的用户、商品和用户对商品行为关系特征向量;
将最终的用户和商品特征向量进行拼接,得到用户‑商品特征向量;
根据用户‑商品特征向量和用户对商品行为关系特征向量,得到用户对于各商品的评分预测。
2.如权利要求1所述的基于异质图神经网络的购物推荐方法,其特征在于,基于用户标识信息、商品标识信息和用户对商品行为关系信息,生成初始用户特征向量、初始商品特征向量和初始用户对商品行为关系特征向量。
3.如权利要求1所述的基于异质图神经网络的购物推荐方法,其特征在于,所述图卷积神经网络包括多个层数相同的子图卷积神经网络,子图卷积神经网络的数量与用户对商品的行为数量相同,分别用于基于初始的用户、商品和用户对商品行为关系特征向量中的两个训练得到第三个最终的特征向量。
4.如权利要求3所述的基于异质图神经网络的购物推荐方法,其特征在于,基于所述历史行为记录,根据用户对商品的行为生成用户与商品之间行为关系的邻接矩阵,作为图卷积神经网络的参数。
5.如权利要求1所述的基于异质图神经网络的购物推荐方法,其特征在于,得到最终的用户对商品行为关系特征向量后,应用注意力机制进行处理。
6.如权利要求1所述的基于异质图神经网络的购物推荐方法,其特征在于,根据用户‑商品特征向量和用户对商品行为关系特征向量,得到用户对于各商品的评分预测包括:将用户‑商品特征向量和用户对商品行为关系特征向量进行乘积运算,得到评分预测矩阵。
7.如权利要求1所述的基于异质图神经网络的购物推荐方法,其特征在于,所述方法还包括:根据评分预测矩阵向用户推荐商品,包括:根据评分预测矩阵,根据每个用户相应的商品评分,将评分最高的多个商品推荐给用户。
8.一种基于异质图神经网络的购物推荐系统,其特征在于,包括:数据获取模块,被配置为获取多个用户针对商品的历史行为记录;
初始向量训练模块,被配置为根据所述历史行为记录,生成初始的用户、商品和用户对商品行为关系特征向量;
最终向量训练模块,被配置为采用图卷积神经网络训练得到最终的用户、商品和用户对商品行为关系特征向量;
推荐评分预测模块,被配置为将最终的用户和商品特征向量进行拼接,得到用户‑商品特征向量;根据用户‑商品特征向量和用户对商品行为关系特征向量,得到用户对于各商品的评分预测。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1‑7任一项所述的基于异质图神经网络的购物推荐方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1‑7任一项所述的基于异质图神经网络的购物推荐方法。