(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 202211165561.8 (22)申请日 2022.09.23 (71)申请人 杭州电子科技大 学 地址 310018 浙江省杭州市下沙高教园区2 号大街 (72)发明人 闫佳伟　顾晓玲　 (74)专利代理 机构 杭州君度专利代理事务所 (特殊普通 合伙) 33240 专利代理师 朱月芬 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/901(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于层次图注意力网络的个性化服装 推荐方法 (57)摘要 本发明公开了一种基于层次图注意力网络 的个性化服装推荐方法。 本发明主要涉及服装推 荐领域， 其中主要涉及构建层次结构图， 并在层 次结构图上进行消息传递 以更新层次结构图中 节点的嵌入表 示， 从而解决兼容性匹配和个性化 推荐两个问题。 本发明具体包括以下步骤： 1、 构 建层次结构以及节点的嵌入初始化。 2、 层次图卷 积。 3、 模型预测与优化。 本发明提出了一种能够 同时针对兼容性匹配和个性化推荐两个任务的 模型， 特别是构建了层次结构图， 在层次结构图 上应用图神经网络消息传递机制和注 意力机制， 使得层次图中的节点具有很强的表达能力， 从而 进一步提升了模型的性能。 权利要求书3页 说明书6页 附图2页 CN 115495652 A 2022.12.20 CN 115495652 A 1.一种基于层次图注意力网络的个性 化服装推荐方法,其特 征在于包括以下步骤： (1)、 构建层次结构以及节点的嵌入初始化： 将用户、 套装和单品抽象为三层层次结构， 利用用户、 套装的ID信息， 以及单品的视觉 特征对三种不同类型的节点进行嵌入初始化； (2)、 层次图卷积： 利用图神经网络消息传递机制和注意力 机制分别对层次结构中节点的状态进行更新； 在单品层中， 利用单品的类别信息以及单品之间的兼容度更新单品类节点的嵌入表示； 在 套装层中， 汇 聚套装中单品的信息到套装类节点， 并利用注意力机制来区别不同单品对目 标套装节点的影响， 使 得更新后的套装节点具有 更强的嵌入表示； 在用户层中， 提取用户套 装历史交互数据中的丰富信息， 通过注意力机制区分用户对不同风格的套装的喜爱程度， 汇聚套装的信息进一 步细化用户的嵌入表示； (3)、 模型 预测与优化： 利用最终得到的用户、 套装和单品的嵌入表示， 得到兼容性匹配和个性化推荐的预测 分数； 通过反向传播 算法对模型中的参数进行优化， 直至整个模型收敛。 2.根据权利要求1所述的基于层次图注意力网络的个性化服装推荐方法， 其特征在于 步骤1提出的层次节点嵌入初始化的方法如下： 1‑1.将用户、 套装和单品抽象为三层层次结构， 这三种类型的节点分别位于顶层、 中层 和底层； 1‑2.将用户、 套装 的ID信息 映射为他们的初始化嵌入表示， 这种可训练的嵌入表示用 于记忆用户和套装的潜在特征； 不同的单品从属于不同的服装类别， 使用类别编码器从单 品的视觉特征中提取有用的信息作为单品节点的初始化嵌入表示， 具体公式如下： e(i)＝fC(xi)    (公式1) 其中， xi是单品i的视 觉特征， fC()是类别编码器。 3.根据权利要求1或2所述的基于层次图注意力网络的个性化服装推荐方法， 其特征在 于步骤2提出的层次图卷积方法如下： 2‑1.单品间的消息传递： 首先构建统一类别图作为一种先验知识体现单品间类别的关 联程度； Gc＝{(c， c′， w(c， c′))|c， c′∈C}    (公式2) 其中， Gc表示统一类别图， C表示所有类别的集合， w(c,c')表示两个类别c和c'在统一类 别图中的关联程度， g(c ·c')表示两个类别同时出现在一个套装中的频率， g(c')表 示类别 c'出现在一个套装中的频率； 对于目标单品节点， 从其邻居节点提取有用的信 息汇聚到目标节点来更新目标单品节 点的嵌入表示， 注意力机制能够筛选出与目标节点更加亲密的邻居节点， 即这些更加亲密 的邻居节点能够给目标节点传递更多 有用的信息； mi′ →i＝w(i·i')σ(w1(i⊙i′))    (公式4) 权　利　要　求　书 1/3 页 2 CN 115495652 A 2其中， mi'→i表示邻居单品节点i'传递给目标单品节点i的信息， W1是可训练权重参数； i* 是目标单品节 点i更新后的嵌入表 示， Aii'是在信息传递过程中不同邻居 单品节点i'对于目 标单品节点 i的注意力权 重； 2‑2.单品层到套装层的消息传递： 目标套装节点从其包含的多个下层单品节点中获取 有用的信息来更新自身的嵌入表示， 使得更新后的套装节点具有更强的表达能力； 注意力 机制将区分出不同单品对套装风格的影响程度， 使得更能够代表套装风格的单品在进 行信 息传递过程中有较大的影响权 重； 其中， mi→o表示单品节点i传递给目标套装节点o的信息， W2是可训练权重参数， |No|是套 装o包含的单品数量； o*是目标套装节点o更新后的嵌入表示， Aoi是在信息传递过程中不同 单品节点 i对于目标套装节点 o的注意力权 重； 2‑3.套装层到用户层的消息传递： 通过汇聚用户历史交互套装节点的信息到目标用户 节点， 使得更新后的目标用户节点包含了用户穿衣风格偏好的信息； 注意力机制能够从风 格各异的历史交互套装中挖掘出能够代表用户穿衣风格偏好的套装， 使得这些套装在信息 传递过程中有较大的影响权 重； 其中， mo→u表示套装节点o传递给目标用户节点u的信息， W3是可训练权重参数， |Nu|是用 户u历史交互套装的数量； u*是目标用户节点u更新后的嵌入表示， Auo是在信息传递过程中 不同套装节点 o对于目标用户节点u的注意力权 重。 4.根据权利要求1所述的基于层次图注意力网络的个性化服装推荐方法， 其特征在于 步骤3提出的模型 预测与优化的方法如下： 3‑1.模型预测： 套装中不同单品对于整体兼容性匹配的贡献程度是不同的， 因此利用 更新后单品的嵌入表示分别得到注意力矩阵和得分矩阵来计算兼容性匹配的预测得分， 具 体公式如下： A＝ρ(W4σ(W5IT))    (公式10) C＝σ(W6σ(W7IT))    (公式11) 其中， 表示一个套装所包含的单品更新后的嵌入表示矩阵， A是注意力矩阵， C 是得分矩阵， 是兼容性匹配的预测得分； 更新后的套装和用户的嵌入表示已经蕴含了丰富的潜在特征， 具有很强的表达能力， 预测个性 化推荐得分的具体公式如下： 其中， u*， o*分别是用户和套装节点更新后的嵌入表示；权　利　要　求　书 2/3 页 3 CN 115495652 A 3