[發(fā)明專利]社區(qū)推薦及模型訓(xùn)練方法、裝置、電子設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010073190.5
• 申請日: 2020-01-22
• 公開（公告）號: CN111274497B
• 公開（公告）日: 2023-08-18
• 發(fā)明（設(shè)計(jì)）人: 陳亮輝;楊曉璇;付琰;彭煉鋼
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q50/00
• 代理公司: 北京鴻德海業(yè)知識產(chǎn)權(quán)代理有限公司 11412
• 代理人: 田宏賓

1.一種社區(qū)推薦方法，其特征在于，包括：

采集用戶的標(biāo)識和所述用戶的社區(qū)關(guān)注列表中的各社區(qū)的標(biāo)識，作為用戶數(shù)據(jù)；所述社區(qū)包括網(wǎng)站中的版塊或者應(yīng)用中的分類標(biāo)簽；采集所述用戶的社區(qū)關(guān)注列表中的各社區(qū)的標(biāo)識的采集方式包括顯式采集和隱式采集；所述顯式采集指的是直接獲取所述用戶關(guān)注的社區(qū)的標(biāo)識的采集方式；所述隱式采集指的是通過分析所述用戶的行為信息，確定所述用戶關(guān)注的社區(qū)的標(biāo)識的采集方式；

利用預(yù)先訓(xùn)練好的特征預(yù)測模型和所述用戶數(shù)據(jù)，生成所述用戶的特征表達(dá)；

基于所述用戶的特征表達(dá)和預(yù)先生成的社區(qū)列表的社區(qū)特征表達(dá)庫，從所述社區(qū)列表中獲取與所述用戶的特征表達(dá)相似度最大的N個(gè)社區(qū)的標(biāo)識；

向所述用戶推薦所述N個(gè)社區(qū)的標(biāo)識。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述用戶的特征表達(dá)和預(yù)先生成的社區(qū)列表的社區(qū)特征表達(dá)庫，從所述社區(qū)列表中獲取與所述用戶的特征表達(dá)相似度最大的N個(gè)社區(qū)的標(biāo)識，包括：

從所述社區(qū)列表的社區(qū)特征表達(dá)庫中獲取與所述用戶的特征表達(dá)相似度最大的N個(gè)社區(qū)的特征表達(dá)；

從所述社區(qū)列表中獲取所述N個(gè)社區(qū)的特征表達(dá)對應(yīng)的標(biāo)識。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，基于所述用戶的特征表達(dá)和預(yù)先生成的社區(qū)列表的社區(qū)特征表達(dá)庫，從所述社區(qū)列表中獲取與所述用戶的特征表達(dá)相似度最大的N個(gè)社區(qū)的標(biāo)識之前，所述方法包括：

采用預(yù)先訓(xùn)練好的特征表達(dá)模型，基于所述社區(qū)列表中各所述社區(qū)的標(biāo)識，生成對應(yīng)的社區(qū)特征表達(dá)；

基于所述社區(qū)列表中各所述社區(qū)的社區(qū)特征表達(dá)，構(gòu)建所述社區(qū)特征表達(dá)庫。

4.一種特征預(yù)測模型的訓(xùn)練方法，其特征在于，包括：

采集數(shù)條訓(xùn)練數(shù)據(jù)，各所述訓(xùn)練數(shù)據(jù)中包括訓(xùn)練用戶的標(biāo)識和所述訓(xùn)練用戶的社區(qū)關(guān)注子列表中的各社區(qū)標(biāo)識；

對于各所述訓(xùn)練數(shù)據(jù)，從所述社區(qū)關(guān)注子列表選擇一個(gè)社區(qū)標(biāo)識，作為標(biāo)注數(shù)據(jù)；將所述訓(xùn)練用戶的標(biāo)識和所述社區(qū)關(guān)注子列表中其余的社區(qū)標(biāo)識，作為輸入數(shù)據(jù)；

采用各所述訓(xùn)練數(shù)據(jù)中的所述輸入數(shù)據(jù)和所述標(biāo)注數(shù)據(jù)，對特征預(yù)測模型進(jìn)行訓(xùn)練；

采用各所述訓(xùn)練數(shù)據(jù)中的所述輸入數(shù)據(jù)和所述標(biāo)注數(shù)據(jù)，對特征預(yù)測模型進(jìn)行訓(xùn)練，包括：

對于各所述訓(xùn)練數(shù)據(jù)，在所述特征預(yù)測模型的輸入層，輸入對應(yīng)的所述輸入數(shù)據(jù)；

在所述特征預(yù)測模型的嵌入層，采用預(yù)先訓(xùn)練好的特征表達(dá)模型將所述輸入數(shù)據(jù)中的所述訓(xùn)練用戶的標(biāo)識和各所述社區(qū)標(biāo)識分別進(jìn)行特征表達(dá)處理，得到對應(yīng)的特征表達(dá)；

在所述特征預(yù)測模型的操作層中，采用特征表達(dá)平均的方法，將所述輸入數(shù)據(jù)中的所述訓(xùn)練用戶的標(biāo)識的特征表達(dá)和各所述社區(qū)標(biāo)識對應(yīng)特征表達(dá)進(jìn)行操作，輸出預(yù)測特征表達(dá)，作為預(yù)測的所述標(biāo)注數(shù)據(jù)中的所述社區(qū)標(biāo)識的特征表達(dá)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，采集數(shù)條訓(xùn)練數(shù)據(jù)，包括：

挖掘各所述訓(xùn)練用戶的標(biāo)識和社區(qū)關(guān)注列表；

對于各所述訓(xùn)練用戶的社區(qū)關(guān)注列表，按照移動滑動窗口的方式，依次從所述社區(qū)關(guān)注列表中截取預(yù)設(shè)數(shù)量的社區(qū)標(biāo)識，構(gòu)成社區(qū)關(guān)注子列表；并將對應(yīng)的所述訓(xùn)練用戶的標(biāo)識和和所述社區(qū)關(guān)注子列表構(gòu)成一條所述訓(xùn)練數(shù)據(jù)，共得到數(shù)條所述訓(xùn)練數(shù)據(jù)。

6.根據(jù)權(quán)利要求4或5所述的方法，其特征在于，采用各所述訓(xùn)練數(shù)據(jù)中的所述輸入數(shù)據(jù)和所述標(biāo)注數(shù)據(jù)，對特征預(yù)測模型進(jìn)行訓(xùn)練，還包括：

基于所述特征表達(dá)模型，獲取所述標(biāo)注數(shù)據(jù)中的所述社區(qū)標(biāo)識對應(yīng)的標(biāo)注特征表達(dá)；

基于所述預(yù)測特征表達(dá)和標(biāo)注特征表達(dá)，構(gòu)建損失函數(shù)；

判斷所述損失函數(shù)是否收斂；

若未收斂，調(diào)整所述特征預(yù)測模型中的參數(shù)，使得所述損失函數(shù)趨于收斂。