[發明專利]一種信息推薦方法、裝置

有效

• 申請號: 201910875337.X
• 申請日: 2019-09-17
• 公開（公告）號: CN110647683B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 張興;韓策
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 馬敬;李欣

1.一種信息推薦方法，其特征在于，所述方法包括：

獲取待推薦用戶的用戶信息及多個待推薦項目的項目信息；

根據預先收集的所述待推薦項目對應的參考信息，確定所述參考信息包括的用戶對于所述待推薦項目的喜好關系信息，其中，所述喜好關系信息為表示所述用戶對于對應的待推薦項目的喜好行為的信息；

將所述用戶信息、所述項目信息及所述喜好關系信息輸入信息處理模型，根據所述用戶信息、所述項目信息及所述喜好關系信息的詞語特征進行信息處理，得到所述用戶信息對應的用戶向量、所述項目信息對應的目標項目向量及所述喜好關系信息對應的喜好關系向量和喜好關系超平面，其中，所述信息處理模型包括用戶信息、項目信息及喜好關系信息與用戶向量、目標項目向量、喜好關系向量及喜好關系超平面的對應關系；

確定所述用戶向量在所述喜好關系超平面上的投影向量與所述喜好關系向量的加和，作為待推薦用戶預期向量；

根據所述待推薦用戶預期向量與項目投影向量之間的距離，確定所述待推薦用戶對每個所述待推薦項目的第一興趣值，包括：

根據公式計算所述待推薦用戶對每個所述待推薦項目的第一興趣值；

其中，r_ua為待推薦用戶u對待推薦項目a的第一興趣值，l為所述喜好關系向量，e_u⊥為所述待推薦用戶u對應的用戶向量在所述喜好關系超平面上的投影向量，e_a⊥為所述待推薦項目a對應的目標項目向量在所述喜好關系超平面上的投影向量，a∈{1,2，…，n}，n為所述待推薦項目的數量；

其中，所述項目投影向量為所述目標項目向量在所述喜好關系超平面上的投影向量；

根據所述待推薦項目對應的第一興趣值，從所述待推薦項目中確定目標推薦項目，并將所述目標推薦項目的項目信息推送至所述待推薦用戶。

2.根據權利要求1所述的方法，其特征在于，在所述根據所述待推薦項目對應的第一興趣值，從所述待推薦項目中確定目標推薦項目，并將所述目標推薦項目的項目信息推送至所述待推薦用戶的步驟之前，所述方法還包括：

判斷所述待推薦項目中是否存在所述待推薦用戶對應的歷史項目；

如果不存在，執行所述根據所述待推薦項目對應的第一興趣值，從所述待推薦項目中確定目標推薦項目，并將所述目標推薦項目的項目信息推送至所述待推薦用戶的步驟；

如果存在，確定每個所述歷史項目與每個非歷史項目之間的語義相似度，其中，所述非歷史項目為不屬于所述歷史項目的待推薦項目；

根據每個所述歷史項目與每個所述非歷史項目之間的語義相似度和所述非歷史項目對應的第一興趣值，計算所述待推薦用戶對每個所述非歷史項目的第二興趣值；

根據所述非歷史項目對應的第二興趣值，從所述非歷史項目中確定目標推薦項目，并將所述目標推薦項目的項目信息推送至所述待推薦用戶。

3.根據權利要求1所述的方法，其特征在于，所述根據預先收集的所述待推薦項目對應的參考信息，確定所述參考信息包括的用戶對于所述待推薦項目的喜好關系信息的步驟，包括：

根據預先收集的所述待推薦項目對應的參考信息，建立推薦知識圖譜；

從所述推薦知識圖譜中確定所述參考信息包括的用戶對于所述待推薦項目的喜好關系信息。

4.根據權利要求1或2所述的方法，其特征在于，所述信息處理模型的訓練方式，包括：

獲取初始信息處理模型和多個訓練樣本，其中，每個所述訓練樣本包括用戶信息樣本、項目信息樣本及喜好關系信息樣本；

確定每個所述訓練樣本包括的所述用戶信息樣本對應的用戶向量樣本、所述項目信息樣本對應的目標項目向量樣本及所述喜好關系信息樣本對應的喜好關系向量樣本和喜好關系超平面樣本，得到每個訓練樣本的標定標簽；

將所述訓練樣本輸入所述初始信息處理模型，得到預測標簽；

基于所述預測標簽及對應的訓練樣本的標定標簽，調整所述初始信息處理模型的參數，直到所述初始信息處理模型的迭代次數達到預設次數，或，所述初始信息處理模型輸出的預測標簽的準確度達到預設值，停止訓練，得到所述信息處理模型。