[發(fā)明專利]對象推薦方法和裝置

有效

• 申請?zhí)枺?/td>: 201910066669.3
• 申請日: 2019-01-24
• 公開（公告）號: CN110046301B
• 公開（公告）日: 2023-07-14
• 發(fā)明（設計）人: 胡斌斌;張志強;周俊;李小龍
• 申請（專利權）人: 創(chuàng)新先進技術有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06Q30/0601
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

1.一種對象推薦方法，包括：

構建若干不同的同質對象網絡，所述同質對象網絡中的節(jié)點代表待推薦的對象，同一同質對象網絡中的連邊代表所連接的對象在相同屬性維度下存在關聯關系；

構建若干不同的同質用戶網絡，所述同質用戶網絡中的節(jié)點代表用戶，同一同質用戶網絡中的連邊代表所連接的用戶與相同屬性維度下的對象存在關聯關系或代表所連接的用戶之間存在與對象無關的關聯關系；

針對每個對象，融合所述對象在不同同質對象網絡下的特征表示，得到所述對象的綜合特征表示；

針對每個用戶，融合所述用戶在不同同質用戶網絡下的特征表示，得到所述用戶的綜合特征表示；

采用用戶的自身特征表示和對象的綜合特征表示為用戶預測各對象的第一推薦概率；

采用用戶的綜合特征表示和對象的自身特征表示為用戶預測各對象的第二推薦概率；

采用用戶的自身特征表示和對象的自身特征表示為用戶預測各對象的第三推薦概率；

綜合所述第一推薦概率、所述第二推薦概率和所述第三推薦概率，得到用于對象推薦的綜合推薦概率；

其中，所述與對象無關的關聯關系包括以下一種或多種：社交關系、資金往來關系、設備使用關系。

2.根據權利要求1所述的方法，所述同質對象網絡和所述同質用戶網絡的構建過程包括：

根據用戶屬性、對象屬性、用戶與對象之間的關聯關系以及用戶與用戶之間的關聯關系構建異構網絡，所述異構網絡的節(jié)點代表用戶、對象、用戶屬性或對象屬性；

采用元路徑隨機游走方法將所述異構網絡劃分為若干所述同質對象網絡和若干所述同質用戶網絡。

3.根據權利要求1所述的方法，

所述第一推薦概率和所述第二推薦概率基于多層感知機模型預測。

4.根據權利要求3所述的方法，所述多層感知機模型的訓練過程包括：

采用用戶的自身特征表示和對象的綜合特征表示作為輸入特征，對第一多層感知機模型進行訓練，所述第一多層感知機模型用于預測所述第一推薦概率；

采用用戶的綜合特征表示和對象的自身特征表示作為輸入特征對第二多層感知機模型進行訓練，所述第二多層感知機模型用于預測所述第二推薦概率；

其中，用于對所述第一多層感知機模型和所述第二多層感知機模型進行訓練的標簽基于用戶和對象的歷史關聯關系確定。

5.根據權利要求1所述的方法，所述采用用戶的自身特征表示和對象的自身特征表示為用戶預測各對象的第三推薦概率，包括：

將用戶的自身特征表示和對象的自身特征表示作為輸入，采用矩陣分解算法為用戶預測各對象的第三推薦概率。

6.根據權利要求1所述的方法，所述自身特征表示的生成過程包括：

為各用戶和各對象分別生成對應的0/1向量；

對所述0/1向量進行嵌入處理，得到所述用戶或所述對象的自身特征表示。

7.根據權利要求1所述的方法，所述綜合特征表示的融合過程包括：

采用注意力機制融合所述對象在不同同質對象網絡下的特征表示，得到所述對象的綜合特征表示；

采用注意力機制融合所述用戶在不同同質用戶網絡下的特征表示，得到所述用戶的綜合特征表示。