This application discloses a personalized recommendation method, device and electronic device. The method includes: establishing a graph structure with the object in the recommendation system as the vertex based on the association among the objects in the recommendation system in the first preset period; determining the vertex popularity score of the graph structure based on the edges of the graph structure, and using the popularity score for the table. Indicates the degree of interest of objects corresponding to vertices in the graph structure in the recommendation system; updates the graph structure and the popularity score of vertices in the graph structure based on online data; interacts with users in the recommendation system during the second preset period based on the updated graph structure and popularity score of vertices in the graph structure and the graph structure. Object to determine the recommendation content for the users in the recommendation system.
【技术实现步骤摘要】
一种个性化推荐方法、装置及电子设备
本申请涉及计算机
,尤其涉及一种个性化推荐方法、装置及电子设备。
技术介绍
目前,随着互联网技术的快速发展,在满足用户对信息需求的同时,也为用户提供了大幅增长的信息量,构成了信息爆炸的现状。用户在面对这些大量信息时往往无法从中获取真正对自己有价值或者感兴趣的信息,为了解决这个问题,推荐系统应运而生,推荐系统可以基于用户的兴趣特点、点击行为、购买行为等用户特征和行为来为用户推荐信息。在基于图算法的推荐系统中,图结构的规模往往可以达到数十亿个顶点、以及百亿到万亿条边,而且用于推荐的图结构会随着用户的使用和推荐的信息内容的更新而实时发生变化。若采用离线的方式来为用户确定推荐的信息内容,则需要对图结构中的每个顶点分别计算和其他顶点的相似度,计算和存储成本较高,且为用户确定的推荐的信息内容不能及时反映用户兴趣的变化。而若采用在线计算的方式来为用户实时确定推荐的信息内容,则容易受限于响应时长的要求,而需要限制用于确定推荐结果的随机游走算法的迭代次数,从而牺牲所确定的推荐结果的准确度,不能准确地反映用户的兴趣,进而影响用户的体验。因此,如何提高推荐质量,使得确定的推荐结果能够更好地满足用户的个性化需求,仍然是现有的推荐系统亟待解决的问题。
技术实现思路
本申请实施例提供了一种个性化推荐方法、装置及电子设备,以解决现有技术中的推荐方法不够优化的问题。为解决上述技术问题,本申请实施例是这样实现的:第一方面,提出了一种个性化推荐方法,包括:基于第一预设时间段内推荐系统中对象之间的关联关系,建立以所述第一预设时间段内所述推荐系统中的对象为顶 ...
【技术保护点】
1.一种个性化推荐方法,其特征在于,包括:基于第一预设时间段内推荐系统中对象之间的关联关系,建立以所述推荐系统中的对象为顶点的图结构,所述图结构中的边用于表示所述边连接的顶点之间的关联关系,所述推荐系统中对象包括所述推荐系统的用户和所述推荐系统中的信息内容;基于所述图结构中的边,确定所述图结构中的顶点的流行度分数,所述流行度分数用于表示所述图结构中的顶点对应的对象在所述推荐系统中的受关注程度;基于在线数据,更新所述图结构以及所述图结构中的顶点的流行度分数,所述在线数据包括第二预设时间段内所述推荐系统中增加或删除的对象和对应的增加或删除的对象之间的关联关系;基于更新后的所述图结构和所述图结构中的顶点的流行度分数、以及所述推荐系统中的用户在所述第二预设时间段内交互过的对象,为所述推荐系统中的用户确定推荐内容。
【技术特征摘要】
1.一种个性化推荐方法,其特征在于,包括:基于第一预设时间段内推荐系统中对象之间的关联关系,建立以所述推荐系统中的对象为顶点的图结构,所述图结构中的边用于表示所述边连接的顶点之间的关联关系,所述推荐系统中对象包括所述推荐系统的用户和所述推荐系统中的信息内容;基于所述图结构中的边,确定所述图结构中的顶点的流行度分数,所述流行度分数用于表示所述图结构中的顶点对应的对象在所述推荐系统中的受关注程度;基于在线数据,更新所述图结构以及所述图结构中的顶点的流行度分数,所述在线数据包括第二预设时间段内所述推荐系统中增加或删除的对象和对应的增加或删除的对象之间的关联关系;基于更新后的所述图结构和所述图结构中的顶点的流行度分数、以及所述推荐系统中的用户在所述第二预设时间段内交互过的对象,为所述推荐系统中的用户确定推荐内容。2.如权利要求1所述的方法,其特征在于,基于所述图结构中的边,确定所述图结构中的顶点的流行度分数,包括:基于所述图结构中的边的权重,确定所述图结构中的边连接的顶点之间的转移概率;基于第一预设重启概率、所述图结构中的边连接的顶点之间的转移概率、以及所述第一预设时间段内所述图结构中的顶点个数,确定所述图结构中的顶点的流行度分数。3.如权利要求2所述的方法,其特征在于,基于在线数据,更新所述图结构中的顶点的流行度分数,包括:基于所述在线数据中所述第二预设时间段内所述推荐系统中增加或删除的对象和对应的增加或删除的对象之间的关联关系,更新所述图结构中的顶点的个数和所述图结构中的边连接的顶点之间的转移概率;基于所述第一预设重启概率、更新后的所述图结构中的顶点的个数和更新后的所述图结构中的边连接的顶点之间的转移概率,更新所述图结构中的顶点的流行度分数。4.如权利要求1所述的方法,其特征在于,基于更新后的所述图结构和所述图结构中的顶点的流行度分数、以及所述推荐系统中的用户在所述第二预设时间段内交互过的对象,为所述推荐系统中的用户确定推荐内容,包括:获取所述推荐系统中的用户在所述第二预设时间段内交互过的对象,以及所述推荐系统中的用户在所述第二预设时间段内交互过的对象的权重,所述图结构中的初始顶点与其他顶点之间的第一相似度分数;基于所述推荐系统中的用户在所述第二预设时间段内交互过的对象、所述推荐系统中的用户在所述第二预设时间段内交互过的对象的权重、以及所述第一相似度分数,为所述推荐系统中的用户确定推荐内容;其中,所述对象的权重用于表示所述推荐系统中的用户与所述对象之间的关联程度;所述图结构中的初始顶点为所述推荐系统中的用户在所述第二预设时间段内交互过的对象。5.如权利要求4所述的方法,其特征在于,基于所述推荐系统中的用户在所述第二预设时间段内交互过的对象、所述推荐系统中的用户在所述第二预设时间段内交互过的对象的权重、以及所述第一相似度分数,为所述推荐系统中的用户确定推荐内容,包括:对于所述图结构中的每个初始顶点,基于所述第一相似度分数、第二预设重启概率、所述第一预设步数和第二预设步数,确定所述图结构中的每个初始顶点与其他顶点之间的第二相似度分数,所述第二预设步数大于所述第一预设步数;基于所述第一相似度分数、所述第二相似度分数和更新后的所述图结构中的顶点的流行度分数、所述推荐系统中的用户在所述第二预设时间段内交互过的对象的权重,为所述推荐系统中的用户确定推荐内容。6.如权利要求2或5中任一所述的方法,其特征在于,基于第一预设重启概率、所述图结构中的边连接的顶点之间的转移概率、以及所述第一预设时间段内所述图结构中的顶点个数,确定所述图结构中的顶点的流行度分数,包括:基于所述第一预设重启概率、所述图结构中的边连接的顶点之间的转移概率、以及所述第一预设时间段内所述图结构中的顶点个数,确定所述图结构中的顶点的内层流行度分数和外层流行度分数;其中,所述内层流行度分数为经过第三预设步数随机游走传播得到的,所述外层流行度分数为经过第四预设步数随机游走传播得到的,所述第四预设步数大于所述第三预设步数。7.如权利要求3或6中任一所述的方法,其特征在于,基于所述第一预设重启概率、更新后的所述图结构中的顶点的个数和更新后的所述图结构中的边连接的顶点之间的转移概率,更新所述图结构中的...
【专利技术属性】
技术研发人员:王喆,李涛,
申请(专利权)人:麒麟合盛网络技术股份有限公司,
类型:发明
国别省市:北京,11
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。