[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

说明书

本发明提供了资源推荐方法、图卷积神经网络模型训练方法及设备，使用资源推荐方法，在响应于目标用户的输入获得候选资源的信息的情况下，获取目标用户所对应的图卷积神经网络模型，将候选资源的信息输入图卷积神经网络模型，在图卷积神经网络模型中，以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，节点为资源属性特征或资源节点，将推荐资源的信息发送给客户端。本发明采用图卷积神经网络模型进行节点预测，从而可以根据候选资源逐级预测出推荐资源，相比于现有采用知识图谱的遍历查询方案，推荐资源能够更准确地体现用户的兴趣，资源推荐准确度高，提升用户体验感。

技术领域

本发明涉及计算机技术领域，具体地说，涉及资源推荐方法、图卷积神经网络模型训练方法及设备。

背景技术

随着互联网的快速发展，数据量呈指数级增长。在这种情况下，信息资源过载增加了用户自主选择感兴趣内容的难度。因此，现有技术提出向用户终端进行资源推荐的方案，以此来改善用户体验。

需要说明的是，上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

针对现有技术中的问题，本发明的目的在于提供资源推荐方法、图卷积神经网络模型训练方法及设备，克服了现有技术的困难，能够提升资源推荐的精确度。

本发明的实施例提供一种资源推荐方法，该方法应用于服务端，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，获取目标用户所对应的图卷积神经网络模型；

将候选资源的信息输入图卷积神经网络模型，在图卷积神经网络模型中，以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，节点为资源属性特征或资源节点；

将推荐资源的信息发送给客户端。

可选地，在图卷积神经网络模型中，以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：

在图卷积神经网络模型中，以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，输出推荐资源的信息。

可选地，资源推荐方法还包括：

在获得推荐资源的信息的情况下，获取目标用户的用户兴趣传播图谱，其中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；

在用户兴趣传播图谱中提取从候选资源到推荐资源进行传递的目标兴趣传播序列；

将目标兴趣传播序列发送给客户端并在客户端展示。

本发明实施例还一种图卷积神经网络模型训练方法，该方法包括：

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；

使用用户兴趣传播图谱训练图卷积神经网络模型。

可选地，使用用户兴趣传播图谱训练图卷积神经网络模型，包括：

从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；

将兴趣传播序列输入图卷积神经网络模型，在图卷积神经网络模型中进行逐级节点预测，输出目标资源的预测概率值，并根据预测概率值与历史行为数据中对应的真实值之间的误差训练图卷积神经网络模型。

本发明实施例还一种资源推荐系统，该系统包括：