[发明专利]一种推荐方法、装置、电子设备及存储介质

说明书

本发明提供一种推荐方法、装置、电子设备及存储介质，该方法包括：将用户项目社交数据组输入训练好的项目推荐模型，得到每个用户与各个项目的交互预测信息，所述用户项目社交数据组包括用户‑用户社交信息、用户‑项目‑用户影响行为信息、用户‑项目交互信息中的至少一项，所述训练好的项目推荐模型是基于用户项目社交样本数据组训练得到的；根据所述每个用户与各个项目的交互预测信息，生成每个用户的项目推荐信息。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种推荐方法、装置、电子设备及存储介质。

背景技术

推荐系统(Recommender System)如今已经用于许多信息服务平台，其旨在依据用户(User)的历史行为自动地推荐个性化的项目(Item)列表，如电商平台中的商品，社交服务平台中的其他用户等。

而现有技术中的推荐方法，往往仅仅考虑了社交关系中的同质性对于用户信息的影响，即有社交联系的用户间的行为相对于陌生用户行为更具有相似性。而在真实场景中，用户的行为(如在电商平台上的购买)往往还受到朋友的直接影响，这里称为社交影响，这一点在以往的社交推荐工作中没有被有效建模，进而导致了对于用户真实行为建模的不准确，从而导致推荐不准确的问题。

因此，如何推荐不准确，已经成为业界亟待解决的问题。

发明内容

本发明提供一种推荐方法、装置、电子设备及存储介质，用以解决现有技术中对推荐不准确的问题。

本发明提供一种推荐方法，包括：

将用户项目社交数据组输入训练好的项目推荐模型，得到每个用户与各个项目的交互预测信息，所述用户项目社交数据组包括用户-用户社交信息、用户-项目-用户影响行为信息、用户-项目交互信息中的至少一项，所述训练好的项目推荐模型是基于用户项目社交样本数据组训练得到的；

根据所述每个用户与各个项目的交互预测信息，生成每个用户的项目推荐信息。

根据本发明提供的一种推荐方法，在所述将用户项目社交数据组输入训练好的项目推荐模型之前，所述方法还包括：

基于所述用户项目社交样本数据组中的用户-用户社交样本信息，构建用户社交图，根据所述用户社交图进行用户兴趣嵌入传播，得到目标兴趣表征；

基于所述用户项目社交样本数据组中的用户-项目-用户影响行为样本信息，构建用户项目社交图，根据所述用户项目社交图进行社交影响力嵌入传播，得到目标社交影响表征。

根据本发明提供的一种推荐方法，在所述将用户项目社交数据组输入训练好的项目推荐模型之前，所述方法还包括：

获取多个用户-项目交互样本信息和所述用户-项目交互样本信息对应的第一正负样本标签，并获取多个用户-项目-用户影响行为样本信息和所述用户-项目-用户影响行为样本信息对应的第二正负样本标签；

将每个所述用户-项目交互样本信息和所述第一正负样本标签作为一个第一训练样本，获得多个第一训练样本；

将每个所述用户-项目-用户影响行为样本信息和所述第二正负样本标签作为一个第二训练样本，获得多个第二训练样本；

利用所述多个第一训练样本和多个第二训练样本对预设项目推荐模型进行训练。

根据本发明提供的一种推荐方法，所述利用所述多个第一训练样本和多个第二训练样本对预设项目推荐模型进行训练，包括：

基于所述目标兴趣表征和所述目标社交影响表征确定所述第一训练样本的用户项目交互预测信息，以根据所述第一训练样本的用户项目交互预测信息和所述第一正负样本标签对项目推荐模型的第一损失函数进行优化；

基于所述第二训练样本对所述项目推荐模型的第二损失函数进行优化；