[发明专利]推荐模型训练方法及装置、推荐方法及装置

说明书

本申请提供推荐模型训练方法及装置、推荐方法及装置，其中所述推荐模型训练方法包括：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。避免了过平滑问题，提高了推荐模型的鲁棒性和可信度。应用广泛，可以提高基于推荐模型进行推荐的准确度，一定程度上提高用户粘度，从而提高推荐模型对应的推荐平台的收益。

技术领域

本申请涉及计算机技术领域，特别涉及一种推荐模型训练方法。本申请同时涉及一种推荐方法，一种推荐模型训练装置，一种推荐装置，一种计算设备，以及一种计算机可读存储介质。

背景技术

随着计算机技术和互联网技术的不断发展，各种各样的网络平台层出不穷，其中以推荐平台和社交平台最为流行。而推荐平台和社交平台的进一步优化，离不开推荐系统。因此，改善推荐系统性能具有非常重要的意义。

近年来，图神经网络技术的快速发展，越来越多的研究人员将该技术与推荐系统相结合。推荐系统中的数据本质上是图结构，通过构建用户物品二部图对推荐问题建模符合数据本身规律。然而现有的基于图卷积神经网络的推荐系统存在过平滑的问题，很难通过增加网络层的方式提高推荐系统的性能，制约了推荐系统的准确性，影响推荐平台和社交平台的收益以及用户体验。

发明内容

有鉴于此，本申请实施例提供了一种推荐模型训练方法。本申请同时涉及一种推荐方法，一种推荐模型训练装置，一种推荐装置，一种计算设备，以及一种计算机可读存储介质，以解决现有技术中存在的技术缺陷。

根据本申请实施例的第一方面，提供了一种推荐模型训练方法，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。

根据本申请实施例的第二方面，提供了一种推荐方法，包括：

获取待推荐对象和目标集合，所述目标集合中包括至少一个目标；

将所述待推荐对象和目标集合输入训练好的推荐模型，得到各目标的推荐值，所述推荐模型为通过上述推荐模型训练方法得到的；

将各推荐值从大到小排列，将排列前K个的推荐值对应的目标推荐给所述待推荐对象，K为正整数。

根据本申请实施例的第三方面，提供了一种推荐模型训练装置，包括：

第一获取模块，被配置为获取训练样本集，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；

构建模块，被配置为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；

分类模块，被配置为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；

训练模块，被配置为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。

根据本申请实施例的第四方面，提供了一种推荐装置，包括：

第二获取模块，被配置为待推荐对象和目标集合，所述目标集合中包括至少一个目标；