[發(fā)明專利]推薦模型的生成、內(nèi)容推薦方法、裝置、設(shè)備和介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010529738.2
• 申請(qǐng)日: 2020-06-11
• 公開（公告）號(hào): CN111738414B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 王雅晴;熊輝
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06F16/9536
• 分類號(hào): G06F16/9536;G06N3/0464;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種內(nèi)容推薦方法，包括：

獲取目標(biāo)用戶關(guān)系矩陣以及目標(biāo)推薦內(nèi)容關(guān)系矩陣；

將所述目標(biāo)用戶關(guān)系矩陣以及目標(biāo)內(nèi)容關(guān)系矩陣輸入至預(yù)先訓(xùn)練的推薦模型中，獲取所述推薦模型輸出的目標(biāo)用戶和推薦內(nèi)容聯(lián)合關(guān)系矩陣；

在目標(biāo)用戶和推薦內(nèi)容聯(lián)合關(guān)系矩陣中，獲取與各用戶分別對(duì)應(yīng)的權(quán)重最高的推薦內(nèi)容作為目標(biāo)推薦內(nèi)容；

將各所述目標(biāo)推薦內(nèi)容分別推薦給對(duì)應(yīng)的用戶；

其中，在將所述目標(biāo)用戶關(guān)系矩陣以及目標(biāo)內(nèi)容關(guān)系矩陣輸入至預(yù)先訓(xùn)練的推薦模型中之前，還包括：

獲取圖訓(xùn)練樣本集，圖訓(xùn)練樣本包括：用戶關(guān)系矩陣、推薦內(nèi)容關(guān)系矩陣，以及用戶和推薦內(nèi)容聯(lián)合關(guān)系矩陣；

將圖訓(xùn)練樣本集輸入至設(shè)定機(jī)器學(xué)習(xí)模型中，對(duì)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，機(jī)器學(xué)習(xí)模型包括至少一個(gè)低秩圖卷積網(wǎng)絡(luò)，低秩圖卷積網(wǎng)絡(luò)包括由第一低秩矩陣和第二低秩矩陣構(gòu)成的完整權(quán)重矩陣；

其中，低秩圖卷積網(wǎng)絡(luò)的訓(xùn)練目標(biāo)包括：第一低秩矩陣參數(shù)項(xiàng)、第二低秩矩陣參數(shù)項(xiàng)和非凸低秩項(xiàng)，所述非凸低秩項(xiàng)能夠分解為第一低秩矩陣和第二低秩矩陣的組合，且所述非凸低秩項(xiàng)為所述完整權(quán)重矩陣的核范式與F范式的差值矩陣；

在檢測(cè)到滿足訓(xùn)練結(jié)束條件時(shí)，將當(dāng)前訓(xùn)練的機(jī)器學(xué)習(xí)模型，確定為與所述圖訓(xùn)練樣本集匹配的推薦模型。

2.根據(jù)權(quán)利要求1所述的方法，其中，低秩圖卷積網(wǎng)絡(luò)的訓(xùn)練目標(biāo)包括：

其中，Θ_r為第一低秩矩陣參數(shù)項(xiàng)，Θ_c為第二低秩矩陣參數(shù)項(xiàng)，‖·‖_F為矩陣的F范數(shù)，λ為超參數(shù)，為機(jī)器學(xué)習(xí)模型中的損失函數(shù)；為在參數(shù)項(xiàng)Θ_r下的第一低秩矩陣，為在參數(shù)項(xiàng)Θ_c下的第二低秩矩陣；X_Θ為在全部參數(shù)項(xiàng)Θ下的權(quán)重矩陣，Y為輸入至低秩圖卷積網(wǎng)絡(luò)的已知信息。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述損失函數(shù)為：

其中，Ω為Y中存在觀測(cè)數(shù)據(jù)的位置。

4.根據(jù)權(quán)利要求1所述的方法，其中，在對(duì)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練的過(guò)程中，使用隨機(jī)梯度下降法對(duì)各低秩圖卷積網(wǎng)絡(luò)中的第一低秩矩陣參數(shù)項(xiàng)以及第二低秩矩陣參數(shù)項(xiàng)進(jìn)行學(xué)習(xí)。

5.一種內(nèi)容推薦裝置，包括：

輸入矩陣獲取模塊，用于獲取目標(biāo)用戶關(guān)系矩陣以及目標(biāo)推薦內(nèi)容關(guān)系矩陣；

聯(lián)合關(guān)系矩陣獲取模塊，用于將所述目標(biāo)用戶關(guān)系矩陣以及目標(biāo)內(nèi)容關(guān)系矩陣輸入至預(yù)先訓(xùn)練的推薦模型中，獲取所述推薦模型輸出的目標(biāo)用戶和推薦內(nèi)容聯(lián)合關(guān)系矩陣；

目標(biāo)推薦內(nèi)容獲取模塊，用于在目標(biāo)用戶和推薦內(nèi)容聯(lián)合關(guān)系矩陣中，獲取與各用戶分別對(duì)應(yīng)的權(quán)重最高的推薦內(nèi)容作為目標(biāo)推薦內(nèi)容；

用戶推薦模塊，用于將各所述目標(biāo)推薦內(nèi)容分別推薦給對(duì)應(yīng)的用戶；

其中，所述裝置還包括：

圖訓(xùn)練樣本集獲取模塊，用于在將所述目標(biāo)用戶關(guān)系矩陣以及目標(biāo)內(nèi)容關(guān)系矩陣輸入至預(yù)先訓(xùn)練的推薦模型中之前，獲取圖訓(xùn)練樣本集，圖訓(xùn)練樣本包括：用戶關(guān)系矩陣、推薦內(nèi)容關(guān)系矩陣，以及用戶和推薦內(nèi)容聯(lián)合關(guān)系矩陣；

推薦模型訓(xùn)練模塊，用于將圖訓(xùn)練樣本集輸入至設(shè)定機(jī)器學(xué)習(xí)模型中，對(duì)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，機(jī)器學(xué)習(xí)模型包括至少一個(gè)低秩圖卷積網(wǎng)絡(luò)，低秩圖卷積網(wǎng)絡(luò)包括由第一低秩矩陣和第二低秩矩陣構(gòu)成的完整權(quán)重矩陣；

其中，低秩圖卷積網(wǎng)絡(luò)的訓(xùn)練目標(biāo)包括：第一低秩矩陣參數(shù)項(xiàng)、第二低秩矩陣參數(shù)項(xiàng)和非凸低秩項(xiàng)，所述非凸低秩項(xiàng)能夠分解為第一低秩矩陣和第二低秩矩陣的組合，且所述非凸低秩項(xiàng)為所述完整權(quán)重矩陣的核范式與F范式的差值矩陣；

推薦模型生成模塊，用于在檢測(cè)到滿足訓(xùn)練結(jié)束條件時(shí)，將當(dāng)前訓(xùn)練的機(jī)器學(xué)習(xí)模型，確定為與所述圖訓(xùn)練樣本集匹配的推薦模型。