[發明專利]一種跨域推薦及模型訓練的方法和裝置

在審

• 申請號: 202011176572.7
• 申請日: 2020-10-28
• 公開（公告）號: CN112307256A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 曾濤
• 申請（專利權）人: 有半島（北京）信息科技有限公司
• 主分類號: G06F16/735
• 分類號: G06F16/735;G06F16/9536;G06N3/04
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本申請公開了一種跨域推薦及模型訓練的方法和裝置，其中所述模型訓練方法包括：獲取至少兩種內容場景下各消費者賬戶的交互行為數據，并根據所述交互行為數據建立目標圖網絡；基于所述目標圖網絡進行采樣，生成樣本數據集合，其中，所述樣本數據集合中的各樣本數據包括所述目標圖網絡中的源節點，以及基于所述源節點采樣生成的目標節點；基于所述樣本數據集合協同訓練多個深度神經網絡模型，其中，所述深度神經網絡模型包括用于向量化源節點的第一深度神經網絡模型，以及用于向量化目標節點的第二深度神經網絡模型。本實施例通過圖表示算法以及協同訓練出的多個深度神經網絡，能夠挖掘出節點之間隱藏的高階關系，提升模型的泛化能力和穩定性。

技術領域

本申請實施例涉及自動化推薦技術，尤其涉及一種跨域推薦及模型訓練的方法和裝置。

背景技術

隨著互聯網技術的發展，越來越多的用戶使用直播、短視頻應用程序來觀看直播或者短視頻，雖然直播場景與短視頻場景分別屬于不同的域，消費行為習慣差異化較大，但兩者會有一些共同用戶，稱為橋梁用戶(bridge users)，如果通過橋梁用戶和直播、短視頻這兩個域里的用戶的行為數據實現跨域推薦，例如給短視頻域里的一些潛在用戶推薦直播域里的相關直播，可以提升直播用戶滲透。

在相關技術中，一種跨域推薦的方法為，通過用戶偏好標簽給短視頻域里的潛在用戶推薦相同偏好標簽的主播，但由于直播內容經常變化，相應偏好標簽需要實時更新，目前技術上比較難實現機器實時更新直播間標簽，另一方面兩種域里標簽重合度比較低，泛化性比較差，推薦效果一般。

發明內容

本申請提供一種跨域推薦及模型訓練的方法和裝置，用以提高跨域推薦的推薦效果。

第一方面，本申請實施例提供了一種模型訓練的方法，所述方法包括：

獲取至少兩種內容場景下各消費者賬戶的交互行為數據，并根據所述交互行為數據建立目標圖網絡；

基于所述目標圖網絡進行采樣，生成樣本數據集合，其中，所述樣本數據集合中的各樣本數據包括所述目標圖網絡中的源節點，以及基于所述源節點采樣生成的目標節點；

基于所述樣本數據集合協同訓練多個深度神經網絡模型，其中，所述深度神經網絡模型包括用于向量化源節點的第一深度神經網絡模型，以及用于向量化目標節點的第二深度神經網絡模型。

第二方面，本申請實施例還提供了一種跨域推薦的方法，所述方法包括：

確定至少兩種內容場景下各消費者賬戶以及各提供者賬戶的向量表示，并存儲所述向量表示；

當接收到某一內容場景下的目標消費者賬戶發送的請求時，從存儲的向量表示中查找所述目標消費者賬戶的向量表示；

計算所述目標消費者賬戶的向量表示與其他內容場景下的各提供者賬戶的向量表示的匹配度；

根據所述匹配度，從所述其他內容場景下的各提供者賬戶中確定目標提供者賬戶，并將所述目標提供者賬戶推薦至所述目標消費者賬戶中。

第三方面，本申請實施例還提供了一種模型訓練裝置，所述裝置包括：

圖網絡建立模塊，用于獲取至少兩種內容場景下各消費者賬戶的交互行為數據，并根據所述交互行為數據建立目標圖網絡；

樣本數據生成模塊，用于基于所述目標圖網絡進行采樣，生成樣本數據集合，其中，所述樣本數據集合中的各樣本數據包括所述目標圖網絡中的源節點，以及基于所述源節點采樣生成的目標節點；

模型訓練模塊，用于基于所述樣本數據集合協同訓練多個深度神經網絡模型，其中，所述深度神經網絡模型包括用于向量化源節點的第一深度神經網絡模型，以及用于向量化目標節點的第二深度神經網絡模型。

第四方面，本申請實施例還提供了一種跨域推薦裝置，所述裝置包括：