本申请提供一种数据处理方法、装置、设备、介质和程序产品，该方法包括：获取用户的行为日志和属性信息，根据行为数据，确定特征云图，特征云图包括节点和节点的关联关系，节点用于表征用户对感兴趣对象产生的行为，根据特征云图和属性信息，确定特征结果，特征结果包括第一感兴趣对象和第二感兴趣对象的关联关系，第一感兴趣对象为用户长期感兴趣的对象，第二感兴趣对象为用户短期感兴趣的对象，根据特征结果，更新预设初始模型的参数得到目标模型，预设初始模型包括嵌入层、第一图神经网络、循环神经网络、第二图神经网络、归一化层，目标模型用于预测用户的感兴趣对象。该方案在个性化推荐中可以更准确的为无历史数据的用户推送信息。息。息。
【技术实现步骤摘要】
数据处理方法、装置、设备、介质和程序产品
[0001]本申请涉及人工智能
，尤其涉及一种数据处理方法、装置、设备、介质和程序产品。
技术介绍
[0002]个性化推荐是指根据用户的兴趣特点推荐其感兴趣的对象的活动，例如用户在网站浏览某一类数据信息时，网站端可以基于用户浏览的数据信息，为用户推送与该类数据信息相类似的同类信息。
[0003]现有技术中，网站端在进行数据信息的推送时，通常需要利用到用户的历史记录和历史偏好等，基于历史记录和历史偏好，网站端才能为用户推荐与其历史记录和历史偏好相关的数据信息。
[0004]但是，对于一个新注册的用户而言，网站端可能没有该新用户的偏好记录，由此就有可能无法给与该新用户精确的推荐，导致推荐效果变差。
技术实现思路
[0005]本申请提供一种数据处理方法、装置、设备、介质和程序产品，用于解决现有的个性化推荐在为新注册用户推送信息时，信息推送效果差的问题。
[0006]第一方面，本申请实施例提供一种数据处理方法，包括：获取目标用户的行为日志和属性信息，所述行为日志中包括所述目标用户对感兴趣对象产生的行为数据；根据所述行为数据，确定特征云图，所述特征云图中包括有至少两个节点和各个节点之间的关联关系，所述节点用于表征所述目标用户对感兴趣对象产生的行为；根据所述特征云图和所述属性信息，确定特征结果，所述特征结果包括第一感兴趣对象和第二感兴趣对象之间的关联关系，所述第一感兴趣对象为所述目标用户长期感兴趣的对象，所述第二感兴趣对象为所述目标用户短期感兴趣的对象；根据所述特征结果，对预设初始模型的参数进行优化更新，得到目标模型，所述预设初始模型包括嵌入层、与所述嵌入层连接的第一图神经网络、与所述第一图神经网络连接的循环神经网络、与所述循环神经网络连接的第二图神经网络、与所述第二图神经网络连接的归一化层，所述目标模型用于预测所述目标用户的感兴趣对象。
[0007]在第一方面的一种可能设计中，所述根据所述行为数据，确定特征云图，包括：对所述行为数据进行预处理，得到预处理之后的数据；将所述预处理之后的数据转换为图嵌入表征，所述图嵌入表征中包括至少两个节点；确定所述图嵌入表征中各个节点之间的关联关系；根据所述图嵌入表征中的各个节点和各个节点之间的关联关系，确定所述特征云图。
[0008]在第一方面的另一种可能设计中，所述对所述行为数据进行预处理，得到预处理之后的数据，包括：从所述行为数据中提取得到所述目标用户的显性数据和隐性数据，所述显性数据包括所述目标用户产生的用户评价，所述隐性数据包括所述目标用户的浏览历史和浏览时长；对所述目标用户的显性数据和隐性数据进行预处理，得到预处理之后的数据。
[0009]在第一方面的再一种可能设计中，所述对所述目标用户的显性数据和隐性数据进行预处理，得到预处理之后的数据，包括：对所述目标用户的显性数据和隐性数据进行归一化处理，得到归一化之后的数据；根据所述归一化之后的数据，得到预处理之后的数据。
[0010]在第一方面的又一种可能设计中，所述根据所述归一化之后的数据，得到预处理之后的数据，包括：对所述归一化之后的数据进行特征选择，筛选得到特征数据，所述特征数据的相关性大于预设阈值；对所述特征数据进行降维得到所述预处理之后的数据。
[0011]在第一方面的又一种可能设计中，所述根据所述特征结果，对预设初始模型的参数进行优化更新，得到目标模型，包括：对所述特征结果进行归一化，得到概率分布，所述概率分布用于指示所述目标用户对不同感兴趣对象的偏好程度；根据所述概率分布和预设交叉熵损失函数，对所述初始模型的参数进行优化更新，得到所述目标模型。
[0012]在第一方面的又一种可能设计中，所述预设交叉熵损失函数为：上式中，L表示损失函数，N表示感兴趣对象的数量，表示第i个感兴趣对象所属的类别，表示预测第i个感兴趣对象所属类别的概率。
[0013]第二方面，本申请实施例提供一种数据处理装置，包括：信息获取模块，用于获取目标用户的行为日志和属性信息，所述行为日志中包括所述目标用户对感兴趣对象产生的行为数据；特征确定模块，用于根据所述行为数据，确定特征云图，所述特征云图中包括有至少两个节点和各个节点之间的关联关系，所述节点用于表征所述目标用户对感兴趣对象产生的行为；结果确定模块，用于根据所述特征云图和所述属性信息，确定特征结果，所述特征结果包括第一感兴趣对象和第二感兴趣对象之间的关联关系，所述第一感兴趣对象为所述目标用户长期感兴趣的对象，所述第二感兴趣对象为所述目标用户短期感兴趣的对象；参数优化模块，用于根据所述特征结果，对预设初始模型的参数进行优化更新，得
到目标模型，所述预设初始模型包括嵌入层、与所述嵌入层连接的第一图神经网络、与所述第一图神经网络连接的循环神经网络、与所述循环神经网络连接的第二图神经网络、与所述第二图神经网络连接的归一化层，所述目标模型用于预测所述目标用户的感兴趣对象。
[0014]第三方面，本申请实施例提供一种计算机设备，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现上述的方法。
[0015]第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，所述计算机指令被处理器执行时用于实现上述的方法。
[0016]第五方面，本申请实施例提供一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现上述的方法。
[0017]本申请实施例提供的数据处理方法、装置、设备、介质和程序产品，通过收集用户的行为日志数据以及用户的属性信息，基于行为数据和属性信息可以确定出用户的短期兴趣与长期兴趣之间的关联关系，使得新注册用户也可以得到与自己长短期的个人兴趣相关的推荐，实现为新注册的用户提供更加准确的个性化推荐服务。
附图说明
[0018]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理；图1为本申请实施例提供的信息推送的场景示意图；图2为本申请实施例提供的数据处理方法的流程示意图；图3为本申请实施例提供的初始模型的结构示意图；图4为本申请实施例提供的特征云图的示意图；图5为本申请实施例提供的数据预处理的流程示意图；图6为本申请实施例提供的数据处理装置的结构示意图；图7为本申请实施例提供的计算机设备的结构示意图。
[0019]通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
[0020]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取目标用户的行为日志和属性信息，所述行为日志中包括所述目标用户对感兴趣对象产生的行为数据；根据所述行为数据，确定特征云图，所述特征云图中包括有至少两个节点和各个节点之间的关联关系，所述节点用于表征所述目标用户对感兴趣对象产生的行为；根据所述特征云图和所述属性信息，确定特征结果，所述特征结果包括第一感兴趣对象和第二感兴趣对象之间的关联关系，所述第一感兴趣对象为所述目标用户长期感兴趣的对象，所述第二感兴趣对象为所述目标用户短期感兴趣的对象；根据所述特征结果，对预设初始模型的参数进行优化更新，得到目标模型，所述预设初始模型包括嵌入层、与所述嵌入层连接的第一图神经网络、与所述第一图神经网络连接的循环神经网络、与所述循环神经网络连接的第二图神经网络、与所述第二图神经网络连接的归一化层，所述目标模型用于预测所述目标用户的感兴趣对象。2.根据权利要求1所述的方法，其特征在于，所述根据所述行为数据，确定特征云图，包括：对所述行为数据进行预处理，得到预处理之后的数据；将所述预处理之后的数据转换为图嵌入表征，所述图嵌入表征中包括至少两个节点；确定所述图嵌入表征中各个节点之间的关联关系；根据所述图嵌入表征中的各个节点和各个节点之间的关联关系，确定所述特征云图。3.根据权利要求2所述的方法，其特征在于，所述对所述行为数据进行预处理，得到预处理之后的数据，包括：从所述行为数据中提取得到所述目标用户的显性数据和隐性数据，所述显性数据包括所述目标用户产生的用户评价，所述隐性数据包括所述目标用户的浏览历史和浏览时长；对所述目标用户的显性数据和隐性数据进行预处理，得到预处理之后的数据。4.根据权利要求3所述的方法，其特征在于，所述对所述目标用户的显性数据和隐性数据进行预处理，得到预处理之后的数据，包括：对所述目标用户的显性数据和隐性数据进行归一化处理，得到归一化之后的数据；根据所述归一化之后的数据，得到预处理之后的数据。5.根据权利要求4所述的方法，其特征在于，所述根据所述归一化之后的数据，得到预处理之后的数据，包括：对所述归一化之后的数据进行特征选择，筛选得到特征数据，所述特征数据的相关性大于预设阈值；对所述特征数据进行降维得到所述预处理之后的数据。6.根据权利要求1
‑...
【专利技术属性】
技术研发人员：邹小刚，周波，蔡芳发，苗瑞，武新宇，
申请(专利权)人：深圳市海清视讯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。