[发明专利]对象推荐方法和装置

说明书

说明书披露一种对象推荐方法和装置。该方法包括：构建若干不同的同质对象网络；构建若干不同的同质用户网络；针对每个对象，融合所述对象在不同同质对象网络下的特征表示，得到所述对象的综合特征表示；针对每个用户，融合所述用户在不同同质用户网络下的特征表示，得到所述用户的综合特征表示；采用用户的自身特征表示和对象的综合特征表示为用户预测各对象的第一推荐概率；采用用户的综合特征表示和对象的自身特征表示为用户预测各对象的第二推荐概率；采用用户的自身特征表示和对象的自身特征表示为用户预测各对象的第三推荐概率；综合所述第一推荐概率、所述第二推荐概率和所述第三推荐概率，得到用于对象推荐的综合推荐概率。

技术领域

本说明书涉及人工智能领域，尤其涉及一种对象推荐方法和装置。

背景技术

随着互联网技术的快速发展，需要进行对象推荐的应用场景越来越多。例如，电商平台可为用户推荐商品，电影票购票平台可为用户推荐电影等。推荐算法的准确性将直接影响用户体验。

发明内容

有鉴于此，本说明书提供一种对象推荐方法和装置。

具体地，本说明书是通过如下技术方案实现的：

一种对象推荐方法，包括：

构建若干不同的同质对象网络，所述同质对象网络中的节点代表待推荐的对象，同一同质对象网络中的连边代表所连接的对象在相同属性维度下存在关联关系；

构建若干不同的同质用户网络，所述同质用户网络中的节点代表用户，同一同质用户网络中的连边代表所连接的用户与相同属性维度下的对象存在关联关系或代表所连接的用户之间存在与对象无关的关联关系；

针对每个对象，融合所述对象在不同同质对象网络下的特征表示，得到所述对象的综合特征表示；

针对每个用户，融合所述用户在不同同质用户网络下的特征表示，得到所述用户的综合特征表示；

采用用户的自身特征表示和对象的综合特征表示为用户预测各对象的第一推荐概率；

采用用户的综合特征表示和对象的自身特征表示为用户预测各对象的第二推荐概率；

采用用户的自身特征表示和对象的自身特征表示为用户预测各对象的第三推荐概率；

综合所述第一推荐概率、所述第二推荐概率和所述第三推荐概率，得到用于对象推荐的综合推荐概率。

一种对象推荐模型的训练方法，包括：

构建若干不同的同质对象网络，所述同质对象网络中的节点代表待推荐的对象，同一同质对象网络中的连边代表所连接的对象在相同属性维度下存在关联关系；

构建若干不同的同质用户网络，所述同质用户网络中的节点代表用户，同一同质用户网络中的连边代表所连接的用户与相同属性维度下的对象存在关联关系或代表所连接的用户之间存在与对象无关的关联关系；

采用所述若干不同的同质对象网络、所述若干不同的同质用户网络作为输入，以及基于用户和对象的历史关联关系确定的标签，对表示生成模型和推荐模型进行联合训练；

其中，所述表示生成模型，用于针对每个对象，融合所述对象在不同同质对象网络下的特征表示，得到所述对象的综合特征表示；针对每个用户，融合所述用户在不同同质用户网络下的特征表示，得到所述用户的综合特征表示；以及，生成用户的自身特征表示和对象的自身特征表示；

所述推荐模型，用于采用用户的自身特征表示和对象的综合特征表示作为输入，输出各对象的第一推荐概率；采用用户的综合特征表示和对象的自身特征作为输入，输出各对象的第二推荐概率；采用用户的自身特征表示和对象的自身特征表示作为输入，输出各对象的第三推荐概率；以及综合所述第一推荐概率、所述第二推荐概率和所述第三推荐概率，得到用于对象推荐的综合推荐概率。