[發明專利]組合機器學習和社交數據以生成個性化推薦

在審

• 申請號: 201880093019.1
• 申請日: 2018-05-01
• 公開（公告）號: CN112074857A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 韓坤;彭富春;伯努瓦·迪穆蘭;曾博
• 申請（專利權）人: 臉譜公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京安信方達知識產權代理有限公司 11262
• 代理人: 俞立文;楊明釗

1.一種方法，包括：

在計算設備處接收消息，所述消息包括內容；

基于所述內容，確定響應于所述消息要向用戶提供的假設理想推薦的表示；

從數據儲存器檢索關于多個實體的數據，關于每個實體的數據包括從關于該實體的事實信息和其他用戶對該實體的意見導出的對應實體表示；

確定所述多個實體的至少一個子集的排序分數，給定實體的排序分數基于所述對應實體表示與所述假設理想推薦的表示之間的差異的度量；

基于所述排序分數選擇要推薦的實體；以及

發送對所述消息的回復，所述回復識別所選擇的實體。

2.根據權利要求1所述的方法，其中，確定所述假設理想推薦的表示包括：

基于所述消息的內容生成第一向量；

基于用戶已經指示了與其的親和力的實體生成第二向量；

組合所述第一向量和所述第二向量以生成輸入向量；以及

應用機器學習模型以將所述輸入向量映射到所述假設理想推薦的表示。

3.根據權利要求2所述的方法，其中，所述機器學習模型是使用訓練數據訓練的，所述訓練數據包括針對推薦的用戶請求和另一用戶對所述用戶請求做出的響應，所述響應包括用戶推薦的實體，訓練所述機器學習模型包括：

生成針對推薦的所述用戶請求的向量表示；

將所述機器學習模型應用于針對推薦的所述用戶請求的向量表示，以生成假設理想推薦向量；

生成所述用戶推薦的實體的向量表示作為正面示例；

生成從語料庫中選擇的另一實體的向量表示作為負面示例；

確定在向量空間中所述假設理想推薦向量和所述正面示例之間的第一距離；

確定在向量空間中所述假設理想推薦向量和所述負面示例之間的第二距離；以及

基于所述第一距離和所述第二距離來更新所述機器學習模型。

4.根據權利要求2所述的方法，其中，基于用戶先前已經指示了與其的親和力的實體來生成所述第二向量包括：

從數據儲存器中檢索用戶先前已經指示了與其的親和力的實體的向量表示；以及

組合用戶先前已經指示了與其的親和力的實體的向量表示，以生成所述第二向量。

5.根據權利要求1所述的方法，其中，給定實體的實體表示通過以下方式生成：

從數據儲存器檢索實體描述數據和用戶親和力數據，所述實體描述數據包括關于所述給定實體的事實信息，并且所述用戶親和力數據指示其他用戶關于所述給定實體的意見；

基于所述事實信息來生成第一向量；

基于所述用戶親和力數據來生成第二向量；以及

組合所述第一向量和所述第二向量以產生所述實體表示。

6.根據權利要求1所述的方法，還包括：

分析所述消息內容以確定所述用戶的意圖；

基于所確定的所述用戶的意圖，查詢知識圖以識別第二多個實體，所述第二多個實體包括所述給定實體；

基于所述用戶的模型來確定所述給定實體的親和力分數，所述親和力分數指示所述用戶和所述給定實體之間的親和力，

其中，所述給定實體的排序分數還基于所述親和力分數。

7.根據權利要求1所述的方法，還包括基于所確定的所述用戶的意圖查詢知識圖，以識別第二多個實體，所述第二多個實體包括所述給定實體，其中，確定所述給定實體的排序分數包括：

基于對應于所述給定實體的實體表示和所述假設理想推薦的表示之間的差異的度量來確定第一排序分數；

基于所述給定實體的基于所述用戶的模型的親和力分數來確定第二排序分數；以及

組合所述第一排序分數和所述第二排序分數以計算總排序分數。