[发明专利]一种推荐模型训练方法、装置、设备及介质

说明书

本申请涉及信息推荐技术领域，提供一种推荐模型训练方法、装置、设备及介质，用于提高信息推荐的准确性。该方法包括：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，获得每个用户对目标项目的第一交互向量，将目标项目的项目向量以及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，基于多个用户的第一注意权重，将多个用户对目标项目的多个第一交互向量进行加权融合，获得目标项目的第一向量，将目标项目的第一向量和目标用户的第二向量进行融合，获得目标用户对目标项目的预测评级，基于实际评级和预测评级，调整推荐模型的模型参数，获得训练后的推荐模型。

技术领域

本申请涉及信息推荐技术领域，具体涉及一种推荐模型训练方法、装置、设备及介质。

背景技术

随着网络的高速发展以及网络资源的不断丰富，网络上的信息量也随之不断增多，信息超载已成为一个重要的挑战。由于网络上存在大量的冗余数据，严重干扰了用户获取有效数据，搜索引擎可以帮助用户筛选信息，但是它无法帮助需求不明确的用户。

推荐系统并不需要用户提供具体的需求，通过分析和处理用户和物品的信息来对其进行建模，进而挖掘其联系，然后主动为用户推荐相关物品。然而传统推荐系统通常缺乏区分用户可信度的能力，用户在做决策时，通常更信任朋友的反馈，而不是其他普通用户，导致推荐系统的准确性较低。

发明内容

本申请实施例提供一种推荐方法、装置、设备及介质，用于提高信息推荐的准确性。

第一方面，本申请提供一种推荐模型训练方法，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，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。

在一种可能的实施例中，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。

在一种可能的实施例中，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：