融合多層圖與分類信息的雙意圖會話推薦

打開文本圖片集

摘 要：針對現(xiàn)有會話推薦系統(tǒng)存在的會話間信息挖掘不夠充分、會話間聚合信息冗余和輔助信息未與會話特征相結合的問題，提出融合多層圖與分類信息的雙意圖會話推薦模型（SRIMC）。首先，根據(jù)會話序列，構建局部會話圖、會話關系圖和全局項目圖，通過圖神經(jīng)網(wǎng)絡（GNN）學習得到局部會話特征、會話關系特征和全局項目會話特征，并將上述特征結合獲得α意圖；其次，基于替換先驗分布為β分布的貝葉斯分布整合分類信息與會話長度信息，獲得β意圖；最后，將α和β意圖融合進行預測。（剩余14641字）