【技术实现步骤摘要】
对象推荐方法以及装置
[0001]本说明书实施例涉及数据处理
,特别涉及一种对象推荐方法。
技术介绍
[0002]随着互联网的快速发展,网络上信息资源迅猛增长,用户从海量的文本、视频、图像和商品等资源中找到符合自己需求的信息变得十分困难。为了改善用户体验,推出了能够为用户进行个性化推荐的推荐系统,该推荐系统通过对用户的历史行为数据的研究,统计分析出用户的兴趣偏好,从而向用户推荐符合其需求的资源。
[0003]但目前不少的项目遇到了数据稀疏的问题,这一问题导致很多推荐系统的推荐效果受影响,为了解决这一问题,跨域推荐方法(CDR,Cross
‑
domain Recommendation)被提出,即针对某数据域数据稀疏的问题,可以根据用户在其他数据域的历史行为数据为用户在该数据域推荐对象,但由于该种方式涉及到跨域,相对于域内推荐的方式准确性比较低,因此,亟需一种能够准确实现对象推荐的方法。
技术实现思路
[0004]有鉴于此,本说明书实施例提供了一种对象推荐方法。本说明书一个或者多个实施例同时涉及一种对象推荐装置,一种计算设备,一种计算机可读存储介质以及一种计算机程序,以解决现有技术中存在的技术缺陷。
[0005]根据本说明书实施例的第一方面,提供了一种对象推荐方法,包括:
[0006]获取目标用户的用户信息、预先学习得到的域内交互信息和跨域交互信息,其中,所述域内交互信息表征数据域内部用户与交互对象的交互,所述跨域交互信息表征多个数据域之间用户与交互对象的间 ...
【技术保护点】
【技术特征摘要】
1.一种对象推荐方法,包括:获取目标用户的用户信息、预先学习得到的域内交互信息和跨域交互信息,其中,所述域内交互信息表征数据域内部用户与交互对象的交互,所述跨域交互信息表征多个数据域之间用户与交互对象的间接交互;基于所述用户信息、所述域内交互信息以及所述跨域交互信息,确定目标交互对象;向所述目标用户推荐所述目标交互对象。2.根据权利要求1所述的方法,基于所述用户信息、所述域内交互信息以及所述跨域交互信息,确定目标交互对象之前,还包括:获取交互对象集,其中,所述交互对象集包括多个交互对象的交互对象信息;基于所述用户信息、所述域内交互信息以及所述跨域交互信息,确定目标交互对象,包括:基于所述用户信息、所述多个交互对象的交互对象信息、所述域内交互信息以及所述跨域交互信息,从所述交互对象集中确定目标交互对象。3.根据权利要求1或2所述的方法,所述域内交互信息和所述跨域交互信息为对推荐模型预先训练得到,所述推荐模型为机器学习模型;基于所述用户信息、所述域内交互信息以及所述跨域交互信息,确定目标交互对象,包括:将所述用户信息输入推荐模型,经所述推荐模型利用所述域内交互信息和所述跨域交互信息对所述用户信息进行运算,获得目标交互对象。4.根据权利要求3所述的方法,所述推荐模型包括图神经网络和超图神经网络,将所述用户信息输入推荐模型之前,还包括:获取至少两个数据域的多个样本组以及每个样本组对应的交互标签,其中,所述样本组包括用户和交互对象,所述交互标签用于表征用户与交互对象是否存在交互关系;基于所述多个样本组,构建每个数据域分别对应的域内交互图,以及不同数据域之间的跨域交互图;针对每个数据域,利用所述图神经网络,对该数据域对应的域内交互图中当前节点的特征信息以及邻居节点的特征信息进行聚合处理,获得所述当前节点的交互特征向量,其中,所述当前节点是所述域内交互图中的任一节点,所述当前节点为用户或交互对象,所述邻居节点为与所述当前节点存在交互关系的节点;利用所述超图神经网络,对所述跨域交互图中参考节点的特征信息以及目标节点的特征信息进行聚合处理,获得所述参考节点的关联特征向量,其中,所述参考节点是所述跨域交互图中的任一节点,所述目标节点是与所述参考节点之间存在超边的节点;基于所述关联特征向量、所述交互特征向量,确定每个样本组对应的预测交互指标,其中,所述预测交互指标用于表征用户与交互对象产生交互的概率;基于每个样本组对应的预测交互指标和每个样本组对应的交互标签,调整所述推荐模型的参数,直至达到训练停止条件,获得推荐模型。5.根据权利要求4所述的方法,基于所述多个样本组,构建每个数据域分别对应的域内交互图,以及不同数据域之间的跨域交互图,包括:根据同一个数据域中多个样本组包括的用户和交互对象、以及每个样本组对应的交互
标签,构建该数据域对应的域内交互图;若根据所述至少两个数据域的多个样本组确定多个第一样本与同一个第二样本存在交互关系,根据所述多个第一样本的特征信息构建跨域交互图,其中,所述第一样本与所述第二样本是不同类型,所述第一样本是用户或交互对象。6.根据权利要求4或5所述的方法,所述参考节点为用户,基于所述关联特征向量、每个数据域中每个用户的交互特征向量和每个交互对象的交互特征向量,确定每个样本组对应的预测交互指标,包括:针对第一数据域中的每个用户,将该用户的交互特征向量和关联特征向量进行拼接,得到合并特征向量,其中,所述第一数据域是所述至少两个数据域中的任意一个;将每个用户的合并特征向量和每个交互对象的交互特征向量映射至具备层次结构表达能力的数据空间,得到所述第一数据域中每个用户的增强特征向量和每个交互对象的增强特征向量;基于所述第一数据域中每个用户的增强特征向量和每个交互对象的增强特征向量,确定所述第一数据域中每个样本组对应的预测交互指标。7.根据权利要求4或5所述的方法,所述参考节点为交互对象,基于所述关联特征向量、每个数据域中每个用户的交互特征向量和每个交互对象的交互特征向量,...
【专利技术属性】
技术研发人员:陶学文,郭晓波,李少帅,刘小雷,郭乃诚,梁倩乔,
申请(专利权)人:浙江网商银行股份有限公司,
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。