[發明專利]一種會話推薦方法、裝置以及電子設備

有效

• 申請號: 201911252600.6
• 申請日: 2019-12-09
• 公開（公告）號: CN111046257B
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 何天健;劉毅;董大祥;馬艷軍;于佃海
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/9035
• 分類號: G06F16/9035;G06F16/901
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;黃燦

1.一種會話推薦方法，其特征在于，包括：

獲取會話控制序列，并基于所述會話控制序列中的每一個物品的嵌入向量，獲取第一嵌入向量矩陣；

根據所述會話控制序列中物品的排列順序生成位置信息序列，并基于所述位置信息序列中的每一個位置信息的嵌入向量，獲取第二嵌入向量矩陣；

根據所述第一嵌入向量矩陣和所述第二嵌入向量矩陣，確定目標嵌入向量矩陣；

基于所述目標嵌入向量矩陣，采用圖神經網絡會話推薦模型SR-GNN確定推薦物品；

其中，所述基于所述目標嵌入向量矩陣，采用SR-GNN確定推薦物品的步驟，包括：

將所述目標嵌入向量矩陣輸入到SR-GNN進行處理，以得到所述會話控制序列相關的物品集合中每個物品的觸發概率，其中，所述物品集合至少包括所述會話控制序列中的物品；

根據所述每個物品的觸發概率的數值大小，確定物品推薦列表。

2.根據權利要求1所述的方法，其特征在于，所述根據所述第一嵌入向量矩陣和所述第二嵌入向量矩陣，確定目標嵌入向量矩陣的步驟，包括：

對所述第一嵌入向量矩陣和所述第二嵌入向量矩陣進行求和，得到目標嵌入向量矩陣；或者

對所述第一嵌入向量矩陣和所述第二嵌入向量矩陣進行拼接，得到目標嵌入向量矩陣，其中，所述目標嵌入向量矩陣中與每個物品對應的嵌入向量的維度為所述第一嵌入向量矩陣與每個物品對應的嵌入向量的維度的兩倍。

3.根據權利要求2所述的方法，其特征在于，所述會話控制序列中包括n個物品，所述位置信息序列包括n個位置信息，所述n個位置信息分別與所述n個物品對應，且所述會話控制序列中排列順序越靠前的物品對應的位置信息的值越大，且所述會話控制序列中排列順序越靠后的物品對應的位置信息的值越小。

4.根據權利要求1所述的方法，其特征在于，所述將所述目標嵌入向量矩陣輸入到SR-GNN進行處理，以得到所述會話控制序列相關的物品集合中每個物品的觸發概率的步驟，包括：

將所述目標嵌入向量矩陣輸入至SR-GNN，得到所述會話控制序列中每個物品的推薦分數值；

采用softmax函數對所述推薦分數值進行計算，以得到所述會話控制序列中每個物品的觸發概率。

5.根據權利要求1所述的方法，其特征在于，所述物品的嵌入向量根據第一嵌入查詢表確定，所述位置信息的嵌入向量根據第二嵌入查詢表確定。

6.一種會話推薦裝置，其特征在于，包括：

獲取模塊，用于獲取會話控制序列，并基于所述會話控制序列中的每一個物品的嵌入向量，獲取第一嵌入向量矩陣；

生成模塊，用于根據所述會話控制序列中物品的排列順序生成位置信息序列，并基于所述位置信息序列中的每一個位置信息的嵌入向量，獲取第二嵌入向量矩陣；

第一確定模塊，用于根據所述第一嵌入向量矩陣和所述第二嵌入向量矩陣，確定目標嵌入向量矩陣；

第二確定模塊，用于基于所述目標嵌入向量矩陣，采用圖神經網絡會話推薦模型SR-GNN推薦物品；

所述第二確定模塊，包括：

處理單元，用于將所述目標嵌入向量矩陣輸入到SR-GNN進行處理，所述會話控制序列相關的物品集合中每個物品的觸發概率，其中，所述物品集合至少包括所述會話控制序列中的物品；

確定單元，用于根據所述每個物品的觸發概率的數值大小，確定物品推薦列表。

7.根據權利要求6所述的裝置，其特征在于，所述第一確定模塊，具體用于：

對所述第一嵌入向量矩陣和所述第二嵌入向量矩陣進行求和，得到目標嵌入向量矩陣；或者

對所述第一嵌入向量矩陣和所述第二嵌入向量矩陣進行拼接，得到目標嵌入向量矩陣，其中，所述目標嵌入向量矩陣中與每個物品對應的嵌入向量的維度為所述第一嵌入向量矩陣與每個物品對應的嵌入向量的維度的兩倍。