(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 202211283583.4 (22)申请日 2022.10.20 (71)申请人 暨南大学 地址 510632 广东省广州市天河区黄埔大 道西601号 (72)发明人 黄斐然　张艺杰　支庭荣　 (74)专利代理 机构 广州汇盈知识产权代理事务 所(普通合伙) 44603 专利代理师 邓有才 (51)Int.Cl. G06F 16/9535(2019.01) G06N 3/04(2006.01) G06F 16/332(2019.01) G06F 16/335(2019.01) G06F 40/289(2020.01) (54)发明名称 基于图神经网络的新闻多样性推荐方法及 装置 (57)摘要 本发明实施例公开了一种基于图神经网络 的新闻多样性推荐方法及装置， 包括： 对目标新 闻文本进行分词处理得到分词集合， 对分词集合 进行向量化处理， 使 得分词集合中的每一个分词 分别具有分词嵌入向量； 对目标用户群体进行向 量化处理， 使得目标用户群体中的每一个用户分 别具有用户嵌入向量； 基于分词嵌入向量和用户 嵌入向量输入至注意力机制算法中获得新闻嵌 入向量； 根据用户嵌入向量和新闻嵌入向量构建 图神经网络， 训练推荐模型得到多样性推荐结 果。 实施例中首先采用分词工具对每一个新闻文 本进行分词， 然后利用注意力机制以及用户兴趣 和分词信息得到新闻的嵌入向量， 通过图神经网 络得到相应的表达， 对模型进行优化， 最终计算 得到多样性的推荐结果。 权利要求书2页 说明书7页 附图2页 CN 115374369 A 2022.11.22 CN 115374369 A 1.一种基于图神经网络的新闻多样性推荐方法， 其特 征在于， 包括： 获取任意一个新闻文本为目标新闻文本， 并对所述目标新闻文本进行分词处理得到分 词集合， 所述分词集 合中包含若干个分词； 对所述分词集合进行向量化处理， 使得所述分词集合中的每一个分词分别具有对应的 分词嵌入向量； 对目标用户群体进行向量化处理， 使得所述目标用户群体中的每一个用户分别具有对 应的用户嵌入向量； 基于所述分词嵌入向量和用户嵌入向量输入至注意力机制算法中获得新闻嵌入向量； 根据所述用户嵌入向量和新闻嵌入向量构建图神经网络， 并根据 所述图神经网络建立 推荐模型， 训练所述推荐模型 得到多样性推荐结果。 2.根据权利要求1所述的新闻多样性推荐方法， 其特征在于， 所述对所述新闻文本进行 分词处理得到分词集 合中， 通过 预设分词工具进行分词处 理得到分词集 合。 3.根据权利要求1所述的新闻多样性推荐方法， 其特征在于， 所述目标用户群体为所述 目标新闻文本的观看用户。 4.根据权利要求1所述的新闻多样性推荐方法， 其特征在于， 所述基于所述分词嵌入向 量和用户嵌入向量输入至注意力机制算法中获得新闻嵌入向量， 包括： 对用户嵌入向量进行非线性变换， 得到每一个用户的查询向量； 将所述用户的查询向量和分词嵌入向量进行注意力机制运 算得到新闻嵌入向量。 5.根据权利要求1所述的新闻多样性推荐方法， 其特征在于， 所述根据 所述用户嵌入向 量和新闻嵌入向量构建图神经网络， 包括： 以用户和目标新闻文本作为图神经网络的节点， 分别获取每一个节点用户的用户嵌入 向量的图信息和每一个目标新闻文本的新闻嵌入向量的图信息； 对每一个节点进行迭代处 理， 得到最终的图神经网络 。 6.根据权利要求5所述的新闻多样性推荐方法， 其特征在于， 所述根据 所述图神经网络 建立推荐模型， 训练所述推荐模型， 包括： 通过向量卷积获得用户与目标新闻之间的交 互可能性； 基于贝叶斯个性化推荐损 失函数对所述推荐模型进行训练， 其中， 所述贝叶斯个性化 推荐损失函数包括所述交 互可能性。 7.根据权利要求6所述的新闻多样性推荐方法， 其特征在于， 所述得到多样性推荐结 果， 包括： 设定一个空集 合， 通过迭代运 算预设次数， 并且每一次迭代运 算后获得新闻文本； 将新闻文本归入至所述空集合中形成推荐集合， 以使得迭代结束后获得多样性推荐结 果， 所述多样性推荐结果 为推荐集 合。 8.一种基于图神经网络的新闻多样性推荐装置， 其特 征在于， 包括： 分词处理模块： 用于获取任意一个新闻文本为目标新闻文本， 并对所述目标新闻文本 进行分词处 理得到分词集 合， 所述分词集 合中包含若干个分词； 第一向量化模块： 用于对所述分词集合进行向量化处理， 使得所述分词集合中的每一 个分词分别具有对应的分词嵌入向量； 第二向量化模块： 用于对目标用户群体进行向量化处理， 使得所述目标用户群体中的权　利　要　求　书 1/2 页 2 CN 115374369 A 2每一个用户分别具有对应的用户嵌入向量； 第三向量化模块： 用于基于所述分词嵌入向量和用户嵌入向量输入至注意力 机制算法 中获得新闻嵌入向量； 结果获取模块： 用于根据所述用户嵌入向量和新闻嵌入向量构建图神经网络， 并根据 所述图神经网络建立推荐模型， 训练所述推荐模型 得到多样性推荐结果。 9.一种电子设备， 其特征在于， 包括： 存储有可执行程序代码的存储器； 与所述存储器 耦合的处理器； 所述处理器调用所述存储器中存储的所述可执行程序代码， 用于执行权利 要求1至7任一项所述的基于图神经网络的新闻多样性推荐方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储计算机程 序， 其中， 所述计算机程序使得计算机执行权利要求1至7任一项所述的基于图神经网络的 新闻多样性推荐方法。权　利　要　求　书 2/2 页 3 CN 115374369 A 3