[發(fā)明專利]一種數(shù)據(jù)處理方法、裝置及服務(wù)器

有效

• 申請?zhí)枺?/td>: 201810074460.7
• 申請日: 2018-01-25
• 公開（公告）號: CN108304526B
• 公開（公告）日: 2022-02-11
• 發(fā)明（設(shè)計）人: 黎新
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q50/00
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

1.一種數(shù)據(jù)處理方法，其特征在于，包括：

獲取目標(biāo)用戶的歷史行為數(shù)據(jù)和關(guān)系網(wǎng)絡(luò)數(shù)據(jù)；

利用行為分析模型對所述歷史行為數(shù)據(jù)進行建模處理，得到所述目標(biāo)用戶的興趣特征向量；

利用關(guān)系分析模型對所述關(guān)系網(wǎng)絡(luò)數(shù)據(jù)進行建模處理，得到所述目標(biāo)用戶的關(guān)系特征向量；

對所述興趣特征向量和所述關(guān)系特征向量進行融合處理，生成所述目標(biāo)用戶的描述向量，

其中，所述關(guān)系分析模型包括詞向量模型，所述利用關(guān)系分析模型對所述關(guān)系網(wǎng)絡(luò)數(shù)據(jù)進行建模處理，得到所述目標(biāo)用戶的關(guān)系特征向量，包括：

利用所述關(guān)系網(wǎng)絡(luò)數(shù)據(jù)，獲取所述目標(biāo)用戶在關(guān)系網(wǎng)絡(luò)中對應(yīng)的目標(biāo)節(jié)點與其它節(jié)點之間的關(guān)系邊權(quán)重；

根據(jù)所述關(guān)系邊權(quán)重對所述其它節(jié)點進行采樣，得到所述目標(biāo)節(jié)點的鄰居節(jié)點；

利用所述詞向量模型的訓(xùn)練方法對所述目標(biāo)節(jié)點和所述鄰居節(jié)點進行訓(xùn)練，得到所述目標(biāo)用戶的關(guān)系特征向量；

其中，所述對所述興趣特征向量和所述關(guān)系特征向量進行融合處理，生成所述目標(biāo)用戶的描述向量，包括：

將所述興趣特征向量和所述關(guān)系特征向量進行拼接處理，得到拼接向量；

將所述拼接向量輸入全連接神經(jīng)網(wǎng)絡(luò)模型，輸出得到所述目標(biāo)用戶的描述向量。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

利用所述目標(biāo)用戶的描述向量更新所述目標(biāo)用戶的描述模型，所述描述模型用于為所述目標(biāo)用戶確定推薦內(nèi)容或者計算所述目標(biāo)用戶與其他用戶之間的相似度。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述方法還包括：

向目標(biāo)服務(wù)器發(fā)送所述目標(biāo)用戶的描述向量，以使所述目標(biāo)服務(wù)器根據(jù)所述目標(biāo)用戶的描述向量為所述目標(biāo)用戶確定推薦內(nèi)容，或者生成所述目標(biāo)用戶的個人特征信息。

4.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述歷史行為數(shù)據(jù)包括搜索詞序列，所述行為分析模型包括第一循環(huán)神經(jīng)網(wǎng)絡(luò)模型和第二循環(huán)神經(jīng)網(wǎng)絡(luò)模型，所述利用行為分析模型對所述歷史行為數(shù)據(jù)進行建模處理，得到所述目標(biāo)用戶的興趣特征向量，包括：

將所述搜索詞序列劃分成多個搜索詞子序列；

將所述多個搜索詞子序列分別輸入所述第一循環(huán)神經(jīng)網(wǎng)絡(luò)模型進行建模處理，得到所述多個搜索詞子序列對應(yīng)的多個中間向量；

將所述多個中間向量輸入所述第二循環(huán)神經(jīng)網(wǎng)絡(luò)模型進行建模處理，得到所述目標(biāo)用戶的興趣特征向量。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述行為分析模型還包括詞向量模型，所述將所述多個搜索詞子序列分別輸入所述第一循環(huán)神經(jīng)網(wǎng)絡(luò)模型進行建模處理，得到所述多個搜索詞子序列對應(yīng)的多個中間向量，包括：

利用所述詞向量模型將所述多個搜索詞子序列中的每一個搜索詞子序列轉(zhuǎn)換成實數(shù)描述向量，得到多個實數(shù)描述向量；

將所述多個實數(shù)描述向量分別輸入所述第一循環(huán)神經(jīng)網(wǎng)絡(luò)模型進行建模處理，得到所述多個搜索詞子序列對應(yīng)的多個中間向量。

6.根據(jù)權(quán)利要求4或5所述的方法，其特征在于，所述將所述搜索詞序列劃分成多個搜索詞子序列，包括：

利用會話劃分模型對所述搜索詞序列進行劃分，獲取所述搜索詞序列包括的搜索詞中屬于同一個會話的搜索詞；

將所述屬于同一個會話的搜索詞作為一個搜索詞子序列，得到多個會話對應(yīng)的多個搜索詞子序列。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述利用會話劃分模型對所述搜索詞序列進行劃分，獲取所述搜索詞序列包括的搜索詞中屬于同一個會話的搜索詞之前，所述方法還包括：

獲取訓(xùn)練數(shù)據(jù)，所述訓(xùn)練數(shù)據(jù)包括多個用戶的歷史行為數(shù)據(jù)；

獲取人工標(biāo)注的各個會話劃分點；

提取每個所述會話劃分點兩側(cè)的歷史行為數(shù)據(jù)的特征；

利用所述每個會話劃分點兩側(cè)的歷史行為數(shù)據(jù)的特征對會話劃分模型進行訓(xùn)練。