[发明专利]一种信息推荐方法、装置、设备以及存储介质

说明书

本申请实施例提供了一种信息推荐方法、装置、设备以及存储介质，用于提高信息推荐的精确度。包括：根据对象对资源信息产生的历史交互行为构建二部图，其中，二部图包括图节点和关联关系；根据二部图的关联关系确定对象节点与资源节点之间传播消息；利用传播消息和关联关系训练初始图神经网络得到第一图神经网络；利用传播消息和第一图神经网络得到对象节点的第一嵌入表示以及资源节点的第二嵌入表示；根据第一嵌入表示和第二嵌入表示计算得到目标对象对第二资源信息的第一预测分数；根据第一预测分数向目标对象推荐第二资源信息。本申请提供的技术方案可应用于人工智能领域。

技术领域

本申请涉及计算机领域，尤其涉及一种信息推荐方法、装置、设备以及存储介质。

背景技术

推荐系统在近年来被广泛应用于各个领域，比如在电子商务、广告和社交媒体网站等领域向客户提供合适的内容。推荐系统中最重要和最流行的技术之一是协同过滤（collaborative filtering, CF），它从历史交互（如点击和购买）中计算出用户和物品之间的相似性，通过假设彼此行为相似的用户表现出对物品的相似偏好来向用户推荐相关物品。近年来出现的许多使用神经网络的推荐系统，如图神经网络（Graph Neural Networks，GNN），在提高推荐精度的意义上得到了广泛的研究。基于图神经网络的推荐系统试图从用户与物品的交互中建立高阶连通性信息模型，并将其视为一个二部图。图神经网络拥有学习图结构及其顶点的向量表示的强大性能，在许多机器学习的下游任务中表现出了强大的实力。

然而，在推荐系统领域，这些基于图神经网络的方法要么只利用具有正面反馈的用户-物品交互的信息，要么不做任何区别得同等对待正面反馈和负面反馈。然而在实际应用中，用户对物品的评价有明显的两极性：用户可能对物品给予正面的评价，也有可能给予物品负面的评价；同时在曝光给用户的商品/广告等物品后，用户有可能产生点击行为（正面反馈），也有可能不点击（负面反馈）。已有的方法并没有合理地利用好用户的正面反馈和负面反馈。

发明内容

本申请实施例提供了一种信息推荐方法、装置、设备以及存储介质，用于提高信息推荐的精确度。

有鉴于此，本申请一方面提供一种信息推荐方法，包括：根据对象对资源信息产生的历史交互行为构建二部图，其中，该二部图包括图节点和关联关系，该图节点的节点类型包括标识该对象的对象节点和标识该资源信息的资源节点，该关联关系用于指示该对象节点与该资源信息节点之间的正面反馈和负面反馈；根据该二部图的关联关系确定该对象节点与该资源节点之间传播消息，该传播消息包括对象节点与对象节点的正面传播消息和负面传播消息、对象节点与资源节点的正面传播消息和负面传播消息、资源节点对资源节点的正面传播消息和负面传播消息以及资源节点与对象节点的正面传播消息和负面传播消息；利用该传播消息和该关联关系训练初始图神经网络得到第一图神经网络；利用该传播消息和该第一图神经网络得到该对象节点的第一嵌入表示以及该资源节点的第二嵌入表示；根据该第一嵌入表示和该第二嵌入表示计算得到目标对象对第二资源信息的第一预测分数，该第二资源信息为该二部图中未与该目标对象产生历史交互行为的资源信息，该目标对象包含于该二部图的对象节点；根据该第一预测分数向该目标对象推荐该第二资源信息。

本申请另一方面提供一种信息推荐装置，包括：

生成模块，用于根据对象对资源信息产生的历史交互行为构建二部图，其中，该二部图包括图节点和关联关系，该图节点的节点类型包括标识该对象的对象节点和标识该资源信息的资源节点，该关联关系用于指示该对象节点与该资源信息节点之间的正面反馈和负面反馈；

确定模块，用于根据该二部图的关联关系确定该对象节点与该资源节点之间传播消息，该传播消息包括对象节点与对象节点的正面传播消息和负面传播消息、对象节点与资源节点的正面传播消息和负面传播消息、资源节点对资源节点的正面传播消息和负面传播消息以及资源节点与对象节点的正面传播消息和负面传播消息；

训练模块，用于利用该传播消息和该关联关系训练初始图神经网络得到第一图神经网络；