[发明专利]资源推荐方法、图卷积神经网络模型训练方法及设备

权利要求书

1.一种资源推荐方法，其特征在于，应用于服务端，所述资源推荐方法包括：

在响应于目标用户的输入获得候选资源的信息的情况下，获取所述目标用户所对应的图卷积神经网络模型；

将所述候选资源的信息输入所述图卷积神经网络模型，在所述图卷积神经网络模型中，以所述候选资源的信息为起始节点进行至少一级节点的预测，直到输出推荐资源的信息，所述节点为资源属性特征或资源节点；

将所述推荐资源的信息发送给客户端。

2.根据权利要求1所述的资源推荐方法，其特征在于，在所述图卷积神经网络模型中，以所述候选资源的信息为起始节点进行至少一级节点的预测，直到输出推荐资源的信息，包括：

在所述图卷积神经网络模型中，以所述候选资源的信息为起始节点进行一级节点的预测，获得第一预测概率达到第一概率阈值的中间资源属性特征；

以所述中间资源属性特征为一级起点进行二级节点的预测，获得第二预测概率达到第二概率阈值的推荐资源，输出所述推荐资源的信息。

3.根据权利要求1所述的资源推荐方法，其特征在于，所述资源推荐方法还包括：

在获得所述推荐资源的信息的情况下，获取所述目标用户的用户兴趣传播图谱，其中所述用户兴趣传播图谱的节点包括资源节点及其资源属性特征；

在所述用户兴趣传播图谱中提取从所述候选资源到所述推荐资源进行传递的目标兴趣传播序列；

将所述目标兴趣传播序列发送给所述客户端并在所述客户端展示。

4.一种图卷积神经网络模型训练方法，其特征在于，包括：

获取根据目标用户对资源的历史行为数据构建的用户兴趣传播图谱，其中所述用户兴趣传播图谱的节点包括资源节点及其资源属性特征；

使用所述用户兴趣传播图谱训练图卷积神经网络模型。

5.根据权利要求4所述的图卷积神经网络模型训练方法，其特征在于，使用所述用户兴趣传播图谱训练图卷积神经网络模型，包括：

从所述用户兴趣传播图谱中提取包括依次传递的起始资源、中间资源属性特征和目标资源的兴趣传播序列；

将所述兴趣传播序列输入所述图卷积神经网络模型，在所述图卷积神经网络模型中进行逐级节点预测，输出所述目标资源的预测概率值，并根据所述预测概率值与所述历史行为数据中对应的真实值之间的误差训练所述图卷积神经网络模型。

6.一种资源推荐系统，其特征在于，包括：

客户端，接收目标用户的输入，并响应于所述目标用户的输入获得候选资源的信息并将所述候选资源的信息发送给服务端；

服务端，在响应于目标用户的输入获得所述候选资源的信息的情况下，获取所述目标用户所对应的图卷积神经网络模型，将所述候选资源的信息输入所述图卷积神经网络模型，在所述图卷积神经网络模型中，以所述候选资源的信息为起始节点进行至少一级节点的预测，直到输出推荐资源的信息，所述节点为资源属性特征或资源节点，将所述推荐资源的信息发送给客户端进行展示。

7.一种资源推荐装置，其特征在于，应用于服务端，所述资源推荐装置包括：

第一获取模块，在响应于目标用户的输入获得候选资源的信息的情况下，获取所述目标用户所对应的图卷积神经网络模型；

预测模块，将所述候选资源的信息输入所述图卷积神经网络模型，在所述图卷积神经网络模型中，以所述候选资源的信息为起始节点进行至少一级节点的预测，直到输出推荐资源的信息，所述节点为资源属性特征或资源节点；

发送模块，将所述推荐资源的信息发送给客户端。

8.一种图卷积神经网络模型训练装置，其特征在于，包括：

第二获取模块，获取根据目标用户对资源的历史行为数据构建的用户兴趣传播图谱，其中所述用户兴趣传播图谱的节点包括资源节点及其资源属性特征；

训练模块，使用所述用户兴趣传播图谱训练图卷积神经网络模型。