【技术实现步骤摘要】
一种基于二部图网络的商品推送方法和装置
本说明书实施例涉及机器学习
，更具体地，涉及一种商品推送方法和装置、以及嵌入模型的训练方法和装置。
技术介绍
推荐系统是互联网行业的一个重要研究方向和应用领域，有效的提高用户的点击率对公司来说意味着更高的盈利，因此，优秀的推荐算法成为目前研发的重点。用户在日常购物中，会在不同时间段选择点击或者购买某个商品，而忽略其他商品，整个行为过程构成了用户与商品的二部图网络。现有技术中将该场景建模为用户和商品构成的矩阵，通过矩阵分解的方法计算用户和商品的相似度。还有一些方法是把用户和商品作为一个整体，提取用户和商品的特征，把整个问题建模为有监督学习问题。另外，在现有技术的Node2Vec方法中，在训练过程中引入的特征有限。因此，需要一种更有效的基于二部图网络向用户推送商品的方案。
技术实现思路
本说明书实施例旨在提供一种更有效的基于二部图网络向用户推送商品的方案，以解决现有技术中的不足。为实现上述目的，本说明书一个方面提供一种基于二部图网络向用户推送商品的方法，包括：获取多个用户与多个商品之间的二部图网络，其中，在所述二部图网络中，包...
【技术保护点】
1.一种基于二部图网络向用户推送商品的方法，包括：获取多个用户与多个商品之间的二部图网络，其中，在所述二部图网络中，包括与所述多个用户和多个商品分别对应的多个用户节点和多个商品节点，具有预定关联关系的用户节点和商品节点之间通过连接边互相连接、并互为邻居节点，其中，所述预定关联关系包括对应的用户在预定时段内对对应的商品的点击或购买动作，其中，所述多个用户中包括第一用户；获取所述第一用户已购买的第一商品、和未购买的多个第二商品，其分别与所述二部图网络中的第一商品节点、多个第二商品节点对应，并基于所述二部图网络获取与所述第一商品节点连通的多个节点和多个连接边、与各个第二商品节点分...
【技术特征摘要】
1.一种基于二部图网络向用户推送商品的方法，包括：获取多个用户与多个商品之间的二部图网络，其中，在所述二部图网络中，包括与所述多个用户和多个商品分别对应的多个用户节点和多个商品节点，具有预定关联关系的用户节点和商品节点之间通过连接边互相连接、并互为邻居节点，其中，所述预定关联关系包括对应的用户在预定时段内对对应的商品的点击或购买动作，其中，所述多个用户中包括第一用户；获取所述第一用户已购买的第一商品、和未购买的多个第二商品，其分别与所述二部图网络中的第一商品节点、多个第二商品节点对应，并基于所述二部图网络获取与所述第一商品节点连通的多个节点和多个连接边、与各个第二商品节点分别连通的多个节点和多个连接边；获取所述第一商品节点、与第一商品节点连通的多个节点和多个连接边、所述多个第二商品、与各个第二商品节点分别连通的多个节点和多个连接边各自的初始特征；将所述初始特征输入嵌入模型，以从所述嵌入模型的输出分别获取所述第一商品和所述多个第二商品各自的在嵌入空间中的嵌入向量，其中，在所述嵌入空间中，所述连接边的嵌入向量的空间位置预测该连接边对应的用户动作，其中，所述连接边的嵌入向量通过所述嵌入模型基于该连接边、与该连接边连通的多个节点和多个连接边各自的初始特征获取；以及基于所述第一商品的嵌入向量分别与所述多个第二商品各自的嵌入向量的相似度，向所述第一用户推送商品。2.根据权利要求1所述的向用户推送商品的方法，其中，将所述初始特征输入嵌入模型，以从所述嵌入模型的输出分别获取所述第一商品和所述多个第二商品各自的在嵌入空间中的嵌入向量包括在所述嵌入模型中执行以下步骤：基于所述第一商品节点、其邻居节点、以及其与各个邻居节点之间的各个第一连接边的各自的初始特征，确定第一商品节点、其邻居节点、以及所述各个第一连接边的各自的初级迭代的节点嵌入向量；执行多级向量迭代，以确定第一商品节点的多级迭代的嵌入向量，所述多级向量迭代包括对节点的多级向量迭代和对连接边的多级向量迭代，其中，对所述第一商品节点的每级向量迭代包括，至少基于所述第一商品节点的各个邻居节点的上一级迭代的嵌入向量、所述各个第一连接边的上一级迭代的嵌入向量，确定所述第一商品节点的本级迭代的嵌入向量，其中，对所述第一连接边的每级向量迭代包括，至少基于所述第一连接边连接的两个节点各自的上一级迭代的嵌入向量，获取所述第一连接边的本级迭代的嵌入向量。3.根据权利要求2所述的向用户推送商品的方法，其中，与所述第一商品节点连通的多个节点和多个连接边的个数基于所述多级向量迭代的迭代级数确定。4.根据权利要求2所述的向用户推送商品的方法，其中，对所述第一商品节点的每级向量迭代包括，基于以下三项确定所述第一商品节点的本级迭代的嵌入向量：所述第一商品节点的初级迭代的嵌入向量、所述第一商品节点的各个邻居节点的上一级迭代的嵌入向量的加权和、所述各个第一连接边的上一级迭代的嵌入向量的加权和。5.根据权利要求2所述的向用户推送商品的方法，其中，对所述第一连接边的每级向量迭代包括，基于以下两项获取所述第一连接边的本级迭代的嵌入向量：所述第一连接边的初级迭代的嵌入向量、所述第一连接边连接的两个节点各自的上一级迭代的嵌入向量的内积。6.根据权利要求1所述的向用户推送商品的方法，其中，所述初始特征包括商品节点的初始特征，其中，所述商品节点的初始特征包括以下至少一项：商品所属类目、商品价格、商品卖家特征、预定时段内的商品出售次数、预定时段内的商品买家数。7.根据权利要求1所述的向用户推送商品的方法，其中，所述初始特征包括用户节点的初始特征，其中，用户节点的初始特征包括以下至少一项：年龄、性别、教育背景、职业、以及预定时段内的交易金额、交易次数、信用卡交易金额和交易次数、购买商品数、购买商品的卖家数、笔均交易金额、及用户画像特征。8.根据权利要求1所述的向用户推送商品的方法，其中，所述初始特征包括连接边的初始特征，其中，所述连接边的初始特征包括预定时段内的以下至少一项：该连接边对应的用户购买该连接边对应的商品的交易金额、交易次数、信用卡交易金额和交易次数、及交易时间，以及，对应的用户点击对应的商品的次数和点击时间。9.根据权利要求1所述的向用户推送商品的方法，其中，所述多个第二商品与所述第一商品具有以下至少一种关联关系：属于同一商品类目、由同一卖家出售、由同一产家生产。10.一种基于二部图网络向用户推送商品的方法，包括：获取多个用户与多个商品之间的二部图网络，其中，在所述二部图网络中，包括与所述多个用户和多个商品分别对应的多个用户节点和多个商品节点，具有预定关联关系的用户节点和商品节点之间通过连接边互相连接、并互为邻居节点，其中，所述预定关联关系包括对应的用户在预定时段内对对应的商品的点击或购买动作，其中，所述多个用户中包括第一用户，其与所述二部图网络中的第一用户节点对应；获取多个第二用户，其分别与所述二部图网络中的多个第二用户节点对应，并基于所述二部图网络，获取与第一用户节点连通的多个节点和多个连接边、与各个第二用户节点分别连通的多个节点和多个连接边；获取所述第一用户节点、与第一用户节点连通的多个节点和多个连接边、多个第二用户节点、与各个第二用户节点分别连通的多个节点和多个连接边各自的初始特征；将所述初始特征输入嵌入模型，以从所述嵌入模型的输出分别获取所述第一用户和所述多个第二用户各自的在嵌入空间中的嵌入向量，其中，在所述嵌入空间中，所述连接边的嵌入向量的空间位置预测该连接边对应的用户动作，其中，所述连接边的嵌入向量通过所述嵌入模型基于该连接边、与该连接边连通的多个节点、和与该连接边连通的多个连接边各自的初始特征获取；以及基于所述第一用户的嵌入向量分别与所述多个第二用户各自的嵌入向量的相似度、和各个所述第二用户已购买的商品，向所述第一用户推送商品。11.根据权利要求10所述的向用户推送商品的方法，其中，所述多个第二用户与所述第一用户具有以下至少一种关联关系：具有相同的年龄段、具有相同的教育背景、来自相同的城市、具有同一类型的用户画像、具有相同的职业。12.根据权利要求1-11中任一项所述的向用户推送商品的方法，其中所述嵌入模型通过以下方式训练：获取至少一个样本，所述样本包括所述二部图网络中的连接边、与该连接边连通的多个节点、和与该连接边连通的多个连接边各自的初始特征、以及该连接边的标签值，其中，所述标签值指示该连接边对应的用户动作；以及使用所述至少一个样本训练所述嵌入模型，以使得相比于训练前，训练后的嵌入模型基于所述初始特征获取的对所述至少一个样本对应的用户动作的预测损失减少，其中，所述嵌入模型基于所述初始特征获取样本对应的连接边在嵌入空间中的嵌入向量、并基于所述嵌入向量在所述嵌入空间中的空间位置预测该连接边对应的用户动作。13.一种基于二部图网络向用户推送商品的装置，包括：网络获取单元，配置为，获取多个用户与多个商品之间的二部图网络，其中，在所述二部图网络中，包括与所述多个用户和多个商品分别对...
【专利技术属性】
技术研发人员：宋乐，李辉，葛志邦，黄鑫，王琳，朱冠胤，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。