[發明專利]基于異構信息網絡的混合推薦模型處理方法、系統和介質

在審

• 申請號: 202010940794.5
• 申請日: 2020-09-09
• 公開（公告）號: CN112214683A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 唐華;林懌星
• 申請（專利權）人: 華南師范大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 胡輝

本發明公開了一種基于異構信息網絡的混合推薦模型處理方法、系統和介質，所述混合推薦模型的處理過程包括：構建異構信息網絡；獲取所述異構信息網絡中符合第一預設要求的第一用戶特征和第一項目特征，以及獲取所述異構信息網絡中符合第二預設要求的第二用戶特征和第二項目特征；將所述符合第三預設要求的第一用戶特征與第二用戶特征，以及第一項目特征與第二項目特征進行拼接，得到拼接特征向量；根據所述拼接特征向量定義預測函數；定義所述預測函數對應的損失函數；通過所述預測函數和所述損失函數優化所述混合推薦模型。本發明在進行推薦時展現推薦的可解釋性，便于推薦模型的推薦分析與大范圍應用。本發明可應用于信息推薦技術領域。

技術領域

本發明涉及信息推薦技術領域，尤其是一種基于異構信息網絡的混合推薦模型處理方法、系統和介質。

背景技術

推薦模型將用戶獲取信息的方式從主動檢索跳躍到了接受個性化推薦，使用戶可以準確且快速獲取信息。但是，在推薦系統的應用過程中，由于用戶和被推薦的項目之間存在諸多標簽、社交關聯以及其他信息，而現有的推薦系統大部分專注于結構化數據或者非結構化數據的推薦，且未能在結合結構化與非結構化數據進行推薦時展現推薦的可解釋性，從而不利于推薦模型的推薦分析與大范圍應用。

發明內容

為解決上述技術問題之一，本發明的目的在于：提供一種于基于異構信息網絡的混合推薦模型處理方法、系統和介質，其能在進行推薦時展現推薦的可解釋性，便于推薦模型的推薦分析與大范圍應用。

第一方面，本發明實施例提供了：

一種基于異構信息網絡的混合推薦模型處理方法，包括以下步驟：

構建混合推薦模型；

通過所述混合推薦模型生成目標推薦產品信息；

其中，所述混合推薦模型的通過以下步驟進行處理：

構建異構信息網絡；

獲取所述異構信息網絡中符合第一預設要求的第一用戶特征和第一項目特征，以及獲取所述異構信息網絡中符合第二預設要求的第二用戶特征和第二項目特征；

將所述符合第三預設要求的第一用戶特征與第二用戶特征，以及第一項目特征與第二項目特征進行拼接，得到拼接特征向量；

根據所述拼接特征向量定義預測函數；

定義所述預測函數對應的損失函數；

通過所述預測函數和所述損失函數優化所述混合推薦模型。

進一步地，所述獲取所述異構信息網絡中符合第一預設要求的第一用戶特征和第一項目特征，包括：

通過元結構描述所述異構信息網絡中若干個用戶信息與項目信息的關聯關系；

通過相似度算法計算具備所述關聯關系的用戶信息與項目信息的相似度矩陣；

通過分解算法獲取所述相似度矩陣對應的第一用戶特征和第一項目特征。

進一步地，所述獲取所述異構信息網絡中符合第二預設要求的第二用戶特征和第二項目特征，其具體為：

通過卷積神經網絡模型獲取所述異構信息網絡中不具備所述關聯關系的第二用戶特征和第二項目特征。

進一步地，所述將所述符合第三預設要求的第一用戶特征與第二用戶特征，以及第一項目特征與第二項目特征進行拼接，得到拼接特征向量，包括：

將所述第二用戶特征和所述第二項目特征的維度轉換為與所述第一用戶特征和所述第一項目特征相同的維度；

將維度轉換后的第二用戶特征與所述第一用戶特征進行第一次拼接，將維度轉換后的第二項目特征與所述第一項目特征進行第一次拼接；