标签推荐方法、装置及可读介质制造方法及图纸

本申请公开了一种标签推荐方法、装置及可读介质，涉及标签推荐领域。该方法包括：获取目标帐号、目标资源；通过被张量分解的标签推荐模型确定标签的推荐值，标签推荐模型被张量分解为核心张量和因子矩阵，核心张量的n个子张量中，目标子张量与因子矩阵对应相乘，其它子张量为0；确定标签数据中推荐值最高的n个标签作为向目标帐号推荐的标签。在通过标签推荐模型对标签进行推荐的过程中，由于核心张量中除了目标子张量外的其它子张量中的元素为0，即在等式关系中，核心张量中参与等式关系的仅包括目标子张量对应的部分，而其余部分并不参与该等式关系，避免了完整的三维核心张量导致时间复杂度过高的问题。

Label recommendation methods, devices and readable media

【技术实现步骤摘要】
标签推荐方法、装置及可读介质
本申请实施例涉及标签推荐领域，特别涉及一种标签推荐方法、装置及可读介质。
技术介绍
个性化标签是指由用户通过标签库中的标签对资源进行标注的形式，其中，资源可以是任意形式的数据，如：音乐、视频、购物应用程序中的产品、图片等，而个性化标签推荐系统用于在展示资源的同时，向用户推荐用于对该资源进行标注的候选标签，用户可以优先在候选标签中选择一个或多个标签进行标注，也可以从标签库中选择其它标签进行标注。相关技术中，由于对资源进行标签标注的过程中涉及用户、资源以及标签三个维度的交互关系，故提供一种塔克分解(TuckerDecomposition，TD)模型，该TD模型的具体形式如下：Y＝C×UU×II×TT其中，Y用于表示用户、资源和标签三者构成的三阶张量，该三阶张量被分解为一个核心张量C和三个因子矩阵，该三个因子矩阵分别为U、I和T，其中，U用于表示用户对应的矩阵、I用于表示资源对应的矩阵、T用于表示标签对应的矩阵，×U用于表示张量与因子矩阵进行乘法运算的运算符，下标U表示张量与因子矩阵相乘时张量的展开方向，同理可知×I以及×T的作用，上述TD模型的以标量形式展开本文档来自技高网...

【技术保护点】
1.一种标签推荐方法，其特征在于，所述方法包括：获取待进行所述标签推荐的目标帐号和目标资源；通过被张量分解的标签推荐模型确定标签数据中的标签分别与所述目标帐号和所述目标资源对应的推荐值，所述标签推荐模型被所述张量分解为核心张量和因子矩阵，所述标签推荐模型等于所述核心张量和所述因子矩阵的乘积，其中，所述核心张量包括n个子张量，所述n个子张量中的目标子张量在等式关系中与所述因子矩阵对应相乘，所述n个子张量中除所述目标子张量的其它子张量中的元素为0；确定所述标签数据中推荐值最高的n个标签作为向所述目标帐号推荐的标签，所述n个标签用于对所述目标资源进行标注，n为正整数。

【技术特征摘要】
1.一种标签推荐方法，其特征在于，所述方法包括：获取待进行所述标签推荐的目标帐号和目标资源；通过被张量分解的标签推荐模型确定标签数据中的标签分别与所述目标帐号和所述目标资源对应的推荐值，所述标签推荐模型被所述张量分解为核心张量和因子矩阵，所述标签推荐模型等于所述核心张量和所述因子矩阵的乘积，其中，所述核心张量包括n个子张量，所述n个子张量中的目标子张量在等式关系中与所述因子矩阵对应相乘，所述n个子张量中除所述目标子张量的其它子张量中的元素为0；确定所述标签数据中推荐值最高的n个标签作为向所述目标帐号推荐的标签，所述n个标签用于对所述目标资源进行标注，n为正整数。2.根据权利要求1所述的方法，其特征在于，所述目标子张量包括第一子张量和第二子张量，所述第一子张量和所述第二子张量是对所述核心张量进行横向切割和纵向切割，得到立方体排列的2×2×2个子向量后，在所述2×2×2个子张量中位于主对角线上的子张量。3.根据权利要求2所述的方法，其特征在于，所述标签数据为系统数据中的数据，所述系统数据中还包括帐号数据和资源数据；所述因子矩阵包括所述帐号数据对应的第一矩阵、所述资源数据对应的第二矩阵和所述标签数据对应的第三矩阵，所述第一矩阵包括沿行向顺序拼接的帐号矩阵和第一数字矩阵，所述第二矩阵包括沿行向顺序拼接的第二数字矩阵和资源矩阵，所述第三矩阵包括沿行向顺序拼接的第一标签矩阵和第二标签矩阵，其中，所述第一数字矩阵和所述第二数字矩阵为元素为1的矩阵；其中，所述标签推荐模型等于所述第一子张量、所述帐号矩阵、所述第二数字矩阵和所述第一标签矩阵的第一乘积，与所述第二子张量、所述资源矩阵、所述第一数字矩阵和所述第二标签矩阵的第二乘积之和，其中，所述第一子张量在所述等式关系中与所述帐号矩阵和所述第一标签矩阵对应，所述第二子张量在所述等式关系中与所述资源矩阵和所述第二标签矩阵对应。4.根据权利要求1至3任一所述的方法，其特征在于，所述通过被张量分解的标签推荐模型确定所述标签数据中的标签分别与所述目标帐号和所述目标资源对应的推荐值之前，还包括：根据被张量分解的所述标签推荐模型、所述核心张量和所述因子矩阵之间的等式关系确定所述帐号数据、所述资源数据、所述标签数据以及所述推荐值之间的目标函数关系；所述推荐值是将所述目标帐号和所述目标资源代入所述目标函数关系后得到的。5.根据权利要求4所述的方法，其特征在于，系统数据中还包括历史标注数据，所述历史标注数据中包括所述帐号数据中的帐号对所述资源数据中的资源的历史标注记录；所述根据被张量分解的所述标签推荐模型、所述核心张量和所述因子矩阵之间的等式关系确定所述帐号数据、所述资源数据、所述标签数据以及所述推荐值之间的目标函数关系，包括：将所述被张量分解的所述标签推荐模型、所述核心张量和所述因子矩阵之间的等式关系转化为标量形式，得到所述帐号数据、所述资源数据、所述标签数据以及所述推荐值之间的待解函数关系，所述待解函数关系中包括未知模型参数；通过所述历史标注数据对所述未知模型参数进行求解，得到目标模型参数；将所述目标模型参数代入所述待解函数关系，得到所述目标函数关系。6.根据权利要求5所述的方法，其特征在于，所述未知模型参数中包括：用于表示所述帐号矩阵和所述第一数字矩阵的行向宽度的第一参数、用于表示所述第二数字矩阵和所述资源矩阵的行向宽度的第二参数，以及用于表示所述第一标签矩阵和所述第二标签矩阵的行向宽度的第三参数。7.根据权利要求5所述的方法，其特征在于，所述通过所述历史标注数据对所述待解函数关系中的所述未知模型参数进行求解，得到目标模型参数，包括：获取所述历史标注数据、预设梯度步长和预设梯度参数；对所述未知模型参数进行初始化，得到初始化模型参数；对所述历史标注数据进行采样，得到采样数据；通过所述预设梯度步长、所述预设梯度参数以及所述采样数据对所述初始化模型参数进行调整；当调整后的所述初始化模型参数对应的偏导数不收敛时，重...

【专利技术属性】
技术研发人员：杜东舫，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44