[發明專利]一種基于智能的對象推薦方法、裝置和存儲介質

有效

• 申請號: 202010144737.6
• 申請日: 2020-03-04
• 公開（公告）號: CN111382190B
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 陳思宏;牟帥;肖萬鵬;鞠奇
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/9535;G06K9/62;G06N3/04
• 代理公司: 深圳翼盛智成知識產權事務所(普通合伙) 44300
• 代理人: 汪阮磊

本發明實施例公開了一種基于智能的對象推薦方法、裝置和存儲介質；本發明實施例可以根據用戶針對對象的操作信息，生成對象關系網絡；根據預設關系挖掘模型，對對象關系網絡中的對象進行局部關聯特征提取，得到對象的初始特征信息；根據對象的初始特征信息，對對象關系網絡中的對象進行全局分布特征提取，得到對象的全局分布特征信息；根據全局分布特征信息，更新預設關系挖掘模型的參數信息，得到目標關系挖掘模型；根據目標關系挖掘模型對對象關系網絡進行特征提取，得到對象的目標特征信息；根據目標特征信息進行對象推薦。該方案可以更加全面、準確地挖掘對象之間的關聯關系，從而可以更加準確地向用戶推薦對象。

技術領域

本發明涉及人工智能技術領域，具體涉及一種基于智能的對象推薦方法、裝置和存儲介質。

背景技術

近年來，隨著網絡的不斷普及，用戶越來越多的參與到網絡活動中，因此，用戶在互聯網上對不同對象的操作信息呈海量增長，例如對某一個商品或者歌曲或者用戶的瀏覽、評論、分享等操作信息。現階段，用戶針對對象的操作信息已經變的越來越有價值，通過分析用戶針對對象的操作信息，能夠幫助系統更加全面地了解對象之間的關聯關系，從而基于用戶的操作，向用戶推薦關聯的對象，從而更好地為用戶提供服務。

目前，一般可以根據用戶針對對象的操作，生成對象關系網絡，可以采用訓練好的關系挖掘模型挖掘對象之間的關聯關系，但是現有的關系挖掘模型都是根據對象關系網絡，從一個對象的局部范圍挖掘該對象與其他對象的關系，缺乏對象在對象關系網絡中的全局分布特征，因此不能準確、全面地挖掘對象之間的特征，另外，由于關系挖掘模型的訓練是黑盒的，因此關系挖掘過程抗噪能力差。

發明內容

本發明實施例提供一種基于智能的對象推薦方法、裝置和存儲介質，可以更加全面、準確地挖掘對象之間的關聯關系，從而可以更加準確地向用戶推薦對象。

本發明實施例提供一種基于智能的對象推薦方法，包括：

根據用戶針對對象的操作信息，生成所述對象之間的對象關系網絡；

根據預設關系挖掘模型，對所述對象關系網絡中的對象進行局部關聯特征提取，得到所述對象的初始特征信息；

根據所述對象的初始特征信息，對所述對象關系網絡中的對象進行全局分布特征提取，得到所述對象的全局分布特征信息；

根據所述全局分布特征信息，更新所述預設關系挖掘模型的參數信息，得到目標關系挖掘模型；

根據所述目標關系挖掘模型對所述對象關系網絡進行特征提取，得到所述對象的目標特征信息；

根據所述目標特征信息進行對象推薦。

相應的，本發明實施例還提供一種對象推薦裝置，包括：

生成單元，用于根據用戶針對對象的操作信息，生成所述對象之間的對象關系網絡；

局部特征提取單元，根據預設關系挖掘模型，對所述對象關系網絡中的對象進行局部關聯特征提取，得到所述對象的初始特征信息；

全局分布特征信息提取單元，用于根據所述對象的初始特征信息，對所述對象關系網絡中的對象進行全局分布特征提取，得到所述對象的全局分布特征信息；

更新單元，用于根據所述全局分布特征信息，更新所述預設關系挖掘模型的參數信息，得到目標關系挖掘模型；

目標特征信息提取單元，用于根據所述目標關系挖掘模型對所述對象關系網絡進行特征提取，得到所述對象的目標特征信息；

推薦單元，用于根據所述目標特征信息進行對象推薦。

優選地，所述更新單元包括分類子單元、更新子單元和確定子單元，包括：