[发明专利]推荐模型训练方法及装置、推荐方法及装置

权利要求书

1.一种推荐模型训练方法，其特征在于，包括：

获取训练样本集，所述训练样本集包括多个样本对，所述样本对包括具有关联关系的多个样本；

根据所述多个样本对构建二部图，并基于各样本的样本信息，确定所述二部图中各节点的初始节点特征；

根据所述二部图中各节点的初始节点特征，对各节点进行分类，基于分类结果，构建至少一个子图；

根据所述至少一个子图，对预设的神经网络模型进行训练，得到训练好的推荐模型。

2.根据权利要求1所述的方法，其特征在于，根据所述二部图中各节点的初始节点特征，对各节点进行分类，包括：

根据所述二部图中各节点的初始节点特征，分别确定各节点的拓扑信息特征；

基于所述各节点的拓扑信息特征，对各节点进行分类。

3.根据权利要求2所述的方法，其特征在于，根据所述二部图中各节点的初始节点特征，分别确定各节点的拓扑信息特征，包括：

根据所述二部图中各节点的初始节点特征，分别确定各节点的位置信息特征和邻居节点特征；

针对各节点中的任一节点，根据该节点的位置信息特征和邻居节点特征，计算该节点的拓扑信息特征。

4.根据权利要求3所述方法，其特征在于，根据所述二部图中各节点的初始节点特征，分别确定各节点的位置信息特征，包括：

根据预设参考规则，确定所述二部图中的至少一个参考节点；

根据所述至少一个参考节点与第一节点的初始节点特征和距离，计算所述第一节点的位置信息特征，所述第一节点为各节点中的任一节点。

5.根据权利要求3所述方法，其特征在于，根据所述二部图中各节点的初始节点特征，分别确定各节点的邻居节点特征，包括：

确定第二节点的至少一个邻居节点，所述第二节点为各节点中的任一节点，所述邻居节点为与所述第二节点相连的节点；

根据所述至少一个邻居节点的初始节点特征，确定所述第二节点的邻居节点特征。

6.根据权利要求5所述方法，其特征在于，所述邻居节点有多个；

根据所述至少一个邻居节点的初始节点特征，确定所述第二节点的邻居节点特征，包括：

计算多个邻居节点的初始节点特征的加权和，以及计算每两个邻居节点之间的交互特征；

根据所述加权和以及所述交互特征，确定所述第二节点的邻居节点特征。

7.根据权利要求1所述方法，其特征在于，所述分类结果为至少一个节点集，所述节点集中包含至少一个节点；

基于分类结果，构建至少一个子图，包括：

针对所述至少一个节点集中的任一节点集，根据所述二部图，将该节点集中的至少一个节点进行连接，得到一个子图。

8.根据权利要求1所述方法，其特征在于，根据所述至少一个子图，对预设的神经网络模型进行训练，得到训练好的推荐模型，包括：

将所述至少一个子图输入至所述神经网络模型中，确定各子图中第一样本节点与第二样本节点之间的预测结果，所述第一样本节点为多个样本中第一类型的样本对应的节点，所述第二样本节点为多个样本中第二类型的样本对应的节点；

基于各子图的预测结果和各子图中第一样本节点与第二样本节点之间的连接关系，计算损失值；

基于所述损失值调整所述神经网络模型的参数，返回执行所述将所述至少一个子图输入至所述神经网络模型中的步骤，直至达到训练停止条件，得到训练好的推荐模型。