[發明專利]數據推薦方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202010159124.X
• 申請日: 2020-03-09
• 公開（公告）號: CN111368205B
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 劉巍
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/958
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 祝亞男

1.一種數據推薦方法，其特征在于，所述方法包括：

獲取多條操作記錄，每條操作記錄中包括一個用戶標識及一個數據標識，表示所述用戶標識對應的用戶對所述數據標識對應的數據執行預設操作；所述每條操作記錄還包括與所述用戶標識為好友關系的其他用戶標識及所述數據標識的數據類型；根據多個用戶標識及多個數據標識，分別創建多個用戶節點及多個數據節點，將屬于同一條操作記錄的用戶節點與數據節點連接；將屬于相同數據類型的數據節點進行連接，將屬于好友關系的用戶節點進行連接，得到圖網絡；

基于編碼模型對所述圖網絡進行編碼處理，獲取目標用戶節點和所述多個數據節點的特征向量，所述目標用戶節點為所述多個用戶節點中的任一用戶節點；

基于分類模型，根據所述目標用戶節點和所述多個數據節點的特征向量，分別獲取所述多個數據節點與所述目標用戶節點的關聯度；

根據獲取的多個關聯度，確定所述多個數據節點中的目標數據節點，將目標數據推薦給目標用戶；

所述編碼模型包括第一編碼子模型和第二編碼子模型，所述基于編碼模型對所述圖網絡進行編碼處理，獲取目標用戶節點和所述多個數據節點的特征向量，包括：

基于所述第一編碼子模型通過權重矩陣，將所述圖網絡中每個節點及相鄰節點的特征信息進行加權求和，得到所述每個節點的第一特征向量，所述第一特征向量包括均值向量和標準差向量，所述權重矩陣中包括所述每個節點與所述相鄰節點之間的權重，所述權重用于表示所述相鄰節點對所述每個節點的影響程度；

基于所述第二編碼子模型根據所述第一特征向量中的均值向量和標準差向量，確定正態分布函數，根據所述正態分布函數，對所述每個節點的第一特征向量進行編碼處理，得到所述每個節點的第二特征向量。

2.根據權利要求1所述的方法，其特征在于，所述基于編碼模型對所述圖網絡進行編碼處理，獲取目標用戶節點和所述多個數據節點的特征向量之前，所述方法還包括：

獲取第一樣本圖網絡，所述第一樣本圖網絡中包括多個樣本用戶節點及多個樣本數據節點；

基于所述編碼模型對所述第一樣本圖網絡進行編碼處理，獲取所述第一樣本圖網絡中每個節點的特征向量；

基于解碼模型，對所述第一樣本圖網絡中多個節點的特征向量進行解碼處理，得到第二樣本圖網絡；

根據所述第一樣本圖網絡及所述第二樣本圖網絡之間的差異，對所述編碼模型進行訓練。

3.根據權利要求2所述的方法，其特征在于，所述根據所述第一樣本圖網絡及所述第二樣本圖網絡之間的差異，對所述編碼模型進行訓練，包括：

采用預設損失函數，對所述第一樣本圖網絡及所述第二樣本圖網絡進行處理，得到損失值；

響應于所述損失值大于預設閾值時，根據所述損失值對所述編碼模型進行訓練。

4.根據權利要求2所述的方法，其特征在于，所述根據所述第一樣本圖網絡及所述第二樣本圖網絡之間的差異，對所述編碼模型進行訓練之后，所述方法還包括：

獲取已訓練完成的編碼模型；

獲取第三樣本圖網絡和多個樣本節點集合，所述第三樣本圖網絡中包括多個樣本用戶節點及多個樣本數據節點，每個樣本節點集合中包括一個樣本用戶節點、所述樣本用戶節點連接的正樣本節點及所述樣本用戶節點未連接的負樣本節點；

基于所述編碼模型對所述第三樣本圖網絡進行編碼處理，獲取所述第三樣本圖網絡中每個節點的特征向量；

根據所述多個樣本節點集合中的樣本用戶節點、正樣本節點及負樣本節點的特征向量，對所述分類模型進行訓練。

5.根據權利要求1所述的方法，其特征在于，所述根據獲取的多個關聯度，確定所述多個數據節點中的目標數據節點，包括：

將所述多個數據節點中關聯度大于預設閾值的數據節點，確定為所述目標數據節點。