[发明专利]一种社交信息推荐方法、装置、计算机设备及存储介质

权利要求书

1.一种社交信息推荐方法，其特征在于，包括：

获取目标用户对应的目标多模态数据；

对所述目标多模态数据进行数据融合，得到目标融合数据；

根据所述目标融合数据，得到目标偏好因子；

对所述目标偏好因子进行拓展，得到目标偏好因子集；

根据所述目标偏好因子集，对所述目标用户进行社交信息推荐。

2.根据权利要求1所述的社交信息推荐方法，其特征在于，所述对所述目标偏好因子进行拓展，得到目标偏好因子集，包括：

确定所述目标偏好因子在预设偏好因子库中的目标类别；

将所述预设偏好因子库中属于所述目标类别的多个样本偏好因子作为所述目标偏好因子集，所述目标偏好因子集中包含所述目标偏好因子。

3.根据权利要求2所述的社交信息推荐方法，其特征在于，在所述确定所述目标偏好因子在预设偏好因子库中的目标类别的步骤之前，还包括：

构建多个所述样本偏好因子；

对构建的多个所述样本偏好因子进行分类，得到所述预设偏好因子库。

4.根据权利要求1所述的社交信息推荐方法，其特征在于，所述对所述目标多模态数据进行数据融合，得到目标融合数据，包括：

获取以Transformer网络为架构并经过训练的多模态数据融合模型；

将所述目标多模态数据输入到所述多模态数据融合模型中，得到所述多模态数据融合模型输出的以图结构关系为数据形式的所述目标融合数据；

所述目标多模态数据包括所述目标用户对应的社交数据以及与所述目标用户有关联的关联用户的社交数据，所述社交数据包括用户主体数据和用户发表数据；在所述目标融合数据中，所述用户主体数据作为图结构关系中的图结构顶点，所述用户发表数据作为所述图结构顶点的顶点特征。

5.根据权利要求4所述的社交信息推荐方法，其特征在于，所述根据所述目标融合数据，得到目标偏好因子，包括：

获取以GAT网络为架构并经过训练的偏好分析模型；

将所述目标融合数据输入到所述偏好分析模型中，得到所述偏好分析模型输出的所述目标偏好因子。

6.根据权利要求5所述的社交信息推荐方法，其特征在于，所述用户发表数据包括多种数据类型的数据，所述数据类型包括文本数据类型、图像数据类型或音频数据类型，在所述目标融合数据中，包含有不同所述数据类型之间的类型权重；

所述将所述目标融合数据输入到所述偏好分析模型中，得到所述偏好分析模型输出的所述目标偏好因子，包括：

基于所述偏好分析模型，根据所述目标融合数据中不同所述图结构顶点之间的关联关系及对应的所述顶点特征、所述类型权重，得到所述目标偏好因子。

7.根据权利要求1所述的社交信息推荐方法，其特征在于，所述根据所述目标偏好因子集，对所述目标用户进行社交信息推荐，包括：

根据所述目标偏好因子集，生成推荐页面；

响应于页面刷新指令，将所述推荐页面进行显示，以对所述目标用户进行社交信息推荐。

8.一种社交信息推荐装置，其特征在于，包括：

数据获取模块，用于获取目标用户对应的目标多模态数据；

数据融合模块，用于对所述目标多模态数据进行数据融合，得到目标融合数据；

偏好确定模块，用于根据所述目标融合数据，得到目标偏好因子；

偏好拓展模块，用于对所述目标偏好因子进行拓展，得到目标偏好因子集；

信息推荐模块，用于根据所述目标偏好因子集，对所述目标用户进行社交信息推荐。

9.一种计算机设备，其特征在于，包括存储器和处理器；所述存储器存储有计算机程序，所述处理器用于运行所述存储器内的所述计算机程序，以执行权利要求1至7任一项所述的社交信息推荐方法中的步骤。

10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1至7任一项所述的社交信息推荐方法中的步骤。