本发明涉及大数据领域，具体提供一种会话推荐方法及装置。
背景技术：
1、在互联网时代，随着各种社交媒体、电商网站、社会服务网站等快速兴起和发展，推荐系统在各种在线平台上发挥着关键作用，因为它可以通过向用户推荐有用的内容，有效地缓解了信息过载的问题，同时对开拓平台市场具有深远的意义。传统的推荐方法(如协同过滤)通常依赖于用户配置文件的可用性和长期的历史交互，在许多最近的现实场景中，当此类信息不可用时，传统的推荐方法在预测性能方面可能表现不佳。而基于会话的推荐由于具有很高的实用价值，近年来引起了研究者的广泛关注，它根据给定的匿名行为序列按时间顺序进行建模并预测下一个用户感兴趣的物品，发展了许多有效的推荐方法。
2、早期对基于会话的推荐的研究主要为马尔可夫链(mc)，它假设下一个动作基于之前的动作，这种独立组合可能会限制推荐模型的准确性。近年来，许多基于深度学习的方法被提出用于该任务，它们利用成对项目转移信息来建模给定会话的用户偏好，例如gru4rec和narm等算法。还有一些尝试将图神经网络应用于会话推荐，如sr-gnn和gc-san等算法。虽然这些基于图神经网络的方法取得了令人振奋的结果，并为基于会话的推荐提供了一个新的、有希望的方向，但这些方法大多数存在两个不足。第一，几乎所有基于图神经网络的会话推荐算法都丢弃了用户浏览物品的时间信息，只根据交互时间对项目进行排序，并将重点放在顺序模式挖掘上，而且它们所构建的会话图中物品间的边权重均是在模型训练之前就预先指定并保持固定不变，也就是说，这些方法(隐式地)假定序列中所有相邻的项目具有相同的时间间隔，影响下一个项目的因素仅仅是前一个项目的位置和身份，显然这些方法的预测性能不够好。第二，大多数算法都是在相邻项之间传播信息，因此忽略了来自没有直接连接的项目的信息，无法捕获会话内的远程依赖信息。尽管gc-san利用transformer结构能够连接没有直接连接的项目，但它的重型结构和完全连接的注意力连接导致了其对大型训练数据的依赖。
技术实现思路
1、本发明是针对上述现有技术的不足，提供一种实用性强的会话推荐方法。
2、本发明进一步的技术任务是提供一种设计合理，安全适用的会话推荐装置。
3、本发明解决其技术问题所采用的技术方案是：
4、一种会话推荐方法，其特征在于，具有如下步骤：
5、s1、首先，利用由时间信息和门控图神经网络来提取物品之间的复杂转换关系，以获取会话内的局部依赖信息；
6、s2、初始化根节点和中继节点的表示；
7、s3、对于根节点的更新表示，结合中继节点信息和根节点信息；
8、s4、基于新的根节点表示更新中继节点表示，将中继节点视为query，给不同的根节点分配不同的注意力权重；
9、s5、通过堆叠n层star-transformer网络，多次迭代更新根节点和中继节点。
10、进一步的，在步骤s1中，具体如下所示：
11、
12、
13、
14、
15、
16、经过多次迭代后最终得到的xi为会话序列的局部依赖信息，包含了邻居节点信息和用户浏览物品的时间信息。
17、进一步的，在步骤s2中，对于根节点，直接将节点的局部隐向量作为根节点向量表示：
18、h0＝{h1,h2,…,hn}＝{x1,x2,…,xn} (6)
19、对于中继节点，表示为取所有根节点的平均值来获得中继节点的初始化，即：
20、
21、进一步的，在步骤s3中，对于根节点的更新表示，结合中继节点的信息和根节点信息，具体来说，利用注意力机制来更新每个根节点的表示：
22、
23、在获得权重后，使用线性组合将不同权重和中继节点组合为对应根节点的新表示：
24、
25、进一步的，在步骤s4中，基于新的根节点表示更新中继节点表示，将中继节点视为query，给不同的根节点分配不同的注意力权重，首先，每个根节点的重要性由中继节点决定：
26、
27、在获得权重后，使用线性组合将根节点组合为中继节点的新表示：
28、
29、进一步的，在步骤s5中，通过堆叠n层star-transformer网络，多次迭代更新根节点和中继节点，有效捕获会话的全局依赖信息表示
30、进一步的，在步骤s5中，
31、应用了一个选通网络从多层网络前后动态地整合局部依赖信息和全局依赖信息，最终的会话嵌入表示为：
32、h＝μ⊙h0+(1-μ)⊙hn (12)
33、μ＝σ(wμ[h0；hn]) (13)。
34、一种会话推荐装置，包括：至少一个存储器和至少一个处理器；
35、所述至少一个存储器，用于存储机器可读程序；
36、所述至少一个处理器，用于调用所述机器可读程序，执行一种会话推荐方法。
37、本发明的一种会话推荐方法及装置和现有技术相比，具有以下突出的有益效果：
38、本发明使用用户浏览物品的时间信息作为会话图的边权重，并结合门控图神经网络获取会话内的局部依赖信息。
39、利用transform的变体结构star-transform网络结构，该网络不仅有效捕获当前会话内的远程依赖信息，而且相比transformer结构，其网络结构复杂性从二次降低到线性，大大减少了模型的计算。
40、应用一个选通网络避免因多层star-transform网络堆叠而引起的过度拟合问题。
1.一种会话推荐方法，其特征在于，具有如下步骤：
2.根据权利要求1所述的一种会话推荐方法，其特征在于，在步骤s1中，具体如下所示：
3.根据权利要求2所述的一种会话推荐方法，其特征在于，在步骤s2中，对于根节点，直接将节点的局部隐向量作为根节点向量表示：
4.根据权利要求3所述的一种会话推荐方法，其特征在于，在步骤s3中，对于根节点的更新表示，结合中继节点的信息和根节点信息，具体来说，利用注意力机制来更新每个根节点的表示：
5.根据权利要求4所述的一种会话推荐方法，其特征在于，在步骤s4中，基于新的根节点表示更新中继节点表示，将中继节点视为query，给不同的根节点分配不同的注意力权重，首先，每个根节点的重要性由中继节点决定：
6.根据权利要求5所述的一种会话推荐方法，其特征在于，在步骤s5中，通过堆叠n层star-transformer网络，多次迭代更新根节点和中继节点，有效捕获会话的全局依赖信息表示
7.根据权利要求6所述的一种会话推荐方法，其特征在于，在步骤s5中，
8.一种会话推荐装置，其特征在于，包括：至少一个存储器和至少一个处理器；
