[发明专利]一种推荐模型训练方法、装置、设备及介质

权利要求书

1.一种推荐模型训练方法，其特征在于，包括：

将每个用户的用户向量以及每个用户对目标项目的第一评价向量进行融合，获得每个用户对所述目标项目的第一交互向量；

将所述目标项目的项目向量、以及所述第一交互向量输入第一神经网络进行融合，获得每个用户的第一注意权重，其中，所述第一注意权重用于指示每个用户对所述目标项目的贡献；

基于多个用户的第一注意权重，将所述多个用户对所述目标项目的多个第一交互向量进行加权融合，获得所述目标项目的第一向量，其中，所述多个用户为评价过所述目标项目的用户，所述第一向量用于指示所述目标项目的特征；

基于多个项目的项目向量、目标用户对所述多个项目的第二评价向量、以及多个邻居用户对所述多个项目的第三评价向量，获得所述目标用户的第二向量，其中，所述多个邻居用户为与所述目标用户有交互关系的好友，所述多个项目为所述目标用户评价过的项目，所述第二向量用于指示所述目标用户的特征；

将所述第一向量和所述第二向量进行融合，获得所述目标用户对所述目标项目的预测评级；

基于所述目标用户对所述目标项目的实际评级和所述预测评级，调整所述推荐模型的模型参数，获得训练后的推荐模型；

基于所述训练后的推荐模型，生成所述目标用户的推荐项目列表。

2.如权利要求1所述的方法，其特征在于，基于多个项目的项目向量、目标用户对所述多个项目的第二评价向量、以及所述目标用户的多个邻居用户对所述多个项目的第三评价向量，获得所述目标用户的第二向量，包括：

基于多个项目的项目向量、目标用户对所述多个项目的第二评价向量，获得所述目标用户的第一子向量，所述第一子向量用于指示所述目标用户对所述多个项目的评价情况；

基于多个项目的项目向量、所述目标用户的多个邻居用户对所述多个项目的第三评价向量，获得所述目标用户的第二子向量，所述第二子向量用于指示所述多个邻居用户对所述多个项目的评价情况；

将所述第一子向量和所述第二子向量进行融合，获得所述目标用户的第二向量。

3.如权利要求2所述的方法，其特征在于，基于多个项目的项目向量、目标用户对所述多个项目的第二评价向量，获得所述目标用户的第一子向量，包括：

将每个项目的项目向量、以及目标用户对每个项目的第二评价向量进行融合，获得所述目标用户对每个项目的第二交互向量；

将所述目标用户的用户向量、以及所述第二交互向量输入第二神经网络进行融合，获得每个项目的第二注意权重，其中，所述第二注意权重用于指示所述目标用户对每个项目的贡献；

基于所述多个项目的第二注意权重，将所述目标用户对所述多个项目的多个第二交互向量进行加权融合，获得所述目标用户的第一子向量。

4.如权利要求3所述的方法，其特征在于，基于多个项目的项目向量、所述目标用户的多个邻居用户对所述多个项目的第三评价向量，获得所述目标用户的第二子向量，包括：

将每个项目的项目向量、以及每个邻居用户对每个项目的第三评价向量进行融合，获得每个邻居用户对每个项目的第三交互向量；

基于所述多个项目的第二注意权重，将每个邻居用户对所述多个项目的多个第三交互向量进行加权融合，获得每个邻居用户的第三子向量，所述第三子向量用于指示每个邻居用户对所述多个项目的评价情况；

将所述目标用户的用户向量、以及所述第三交互向量进行融合，获得每个邻居用户的第三注意权重，其中，所述第三注意权重用于指示每个邻居用户对所述目标用户的重要性；

基于所述多个邻居用户的第三注意权重，对所述多个邻居用户的多个第三子向量进行加权融合，获得所述目标用户的第二子向量。