[發明專利]一種推薦方法、裝置、電子設備及存儲介質

在審

• 申請號: 202110846408.0
• 申請日: 2021-07-26
• 公開（公告）號: CN113761388A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 高宸;李勇;李念;金德鵬
• 申請（專利權）人: 清華大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q30/06;G06Q50/00
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 陳新生

本發明提供一種推薦方法、裝置、電子設備及存儲介質，該方法包括：將用戶項目社交數據組輸入訓練好的項目推薦模型，得到每個用戶與各個項目的交互預測信息，所述用戶項目社交數據組包括用戶?用戶社交信息、用戶?項目?用戶影響行為信息、用戶?項目交互信息中的至少一項，所述訓練好的項目推薦模型是基于用戶項目社交樣本數據組訓練得到的；根據所述每個用戶與各個項目的交互預測信息，生成每個用戶的項目推薦信息。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種推薦方法、裝置、電子設備及存儲介質。

背景技術

推薦系統(Recommender System)如今已經用于許多信息服務平臺，其旨在依據用戶(User)的歷史行為自動地推薦個性化的項目(Item)列表，如電商平臺中的商品，社交服務平臺中的其他用戶等。

而現有技術中的推薦方法，往往僅僅考慮了社交關系中的同質性對于用戶信息的影響，即有社交聯系的用戶間的行為相對于陌生用戶行為更具有相似性。而在真實場景中，用戶的行為(如在電商平臺上的購買)往往還受到朋友的直接影響，這里稱為社交影響，這一點在以往的社交推薦工作中沒有被有效建模，進而導致了對于用戶真實行為建模的不準確，從而導致推薦不準確的問題。

因此，如何推薦不準確，已經成為業界亟待解決的問題。

發明內容

本發明提供一種推薦方法、裝置、電子設備及存儲介質，用以解決現有技術中對推薦不準確的問題。

本發明提供一種推薦方法，包括：

將用戶項目社交數據組輸入訓練好的項目推薦模型，得到每個用戶與各個項目的交互預測信息，所述用戶項目社交數據組包括用戶-用戶社交信息、用戶-項目-用戶影響行為信息、用戶-項目交互信息中的至少一項，所述訓練好的項目推薦模型是基于用戶項目社交樣本數據組訓練得到的；

根據所述每個用戶與各個項目的交互預測信息，生成每個用戶的項目推薦信息。

根據本發明提供的一種推薦方法，在所述將用戶項目社交數據組輸入訓練好的項目推薦模型之前，所述方法還包括：

基于所述用戶項目社交樣本數據組中的用戶-用戶社交樣本信息，構建用戶社交圖，根據所述用戶社交圖進行用戶興趣嵌入傳播，得到目標興趣表征；

基于所述用戶項目社交樣本數據組中的用戶-項目-用戶影響行為樣本信息，構建用戶項目社交圖，根據所述用戶項目社交圖進行社交影響力嵌入傳播，得到目標社交影響表征。

根據本發明提供的一種推薦方法，在所述將用戶項目社交數據組輸入訓練好的項目推薦模型之前，所述方法還包括：

獲取多個用戶-項目交互樣本信息和所述用戶-項目交互樣本信息對應的第一正負樣本標簽，并獲取多個用戶-項目-用戶影響行為樣本信息和所述用戶-項目-用戶影響行為樣本信息對應的第二正負樣本標簽；

將每個所述用戶-項目交互樣本信息和所述第一正負樣本標簽作為一個第一訓練樣本，獲得多個第一訓練樣本；

將每個所述用戶-項目-用戶影響行為樣本信息和所述第二正負樣本標簽作為一個第二訓練樣本，獲得多個第二訓練樣本；

利用所述多個第一訓練樣本和多個第二訓練樣本對預設項目推薦模型進行訓練。

根據本發明提供的一種推薦方法，所述利用所述多個第一訓練樣本和多個第二訓練樣本對預設項目推薦模型進行訓練，包括：

基于所述目標興趣表征和所述目標社交影響表征確定所述第一訓練樣本的用戶項目交互預測信息，以根據所述第一訓練樣本的用戶項目交互預測信息和所述第一正負樣本標簽對項目推薦模型的第一損失函數進行優化；

基于所述第二訓練樣本對所述項目推薦模型的第二損失函數進行優化；