用户对象推荐方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及基于人工智能的一种用户对象推荐方法、装置、计算机设备和存储介质。所述方法包括：获取目标用户的用户特征信息；获取用户图网络中与所述目标用户关联的局部图网络结构信息；所述用户图网络基于用户集合中各用户对象的用户信息和用户交互行为信息构建；通过预训练的匹配度预测模型，基于所述用户特征信息和所述局部图网络结构信息进行信息传递处理，获得所述目标用户对应的用户图表示信息；基于所述用户图表示信息，确定所述目标用户与所述用户图网络中各用户对象之间的匹配度预测值；根据所述匹配度预测值确定符合推荐条件的用户对象，并向所述目标用户推荐所述用户对象。采用本方法能够有效提高用户对象的推荐效率和推荐准确性。

【技术实现步骤摘要】
用户对象推荐方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种用户对象推荐方法、装置、计算机设备和存储介质。
技术介绍
随着互联网技术的迅速发展，出现了各种各样的社交类网站和社交网络应用，用户可以通过基于互联网的社交网络进行社交活动。随着人工智能(ArtificialIntelligence,AI)技术的迅速发展，能够基于云计算、分布式存储、大数据处理等技术，向用户智能推荐用户对象。例如一些交友软件，可以根据用户的兴趣爱好，向用户推荐一些用户可能喜欢的人群对象。现有的用户推荐方式，通常是基于地理位置匹配或用户特征规则进行推荐。然而基于地理位置匹配的方式受地理位置影响较为严重，需要用户主动进行筛选；而基于用户特征规则匹配的方式中，考虑的特征因素较为局限和单一，导致推荐用户对象的效率和准确性不高。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够有效提高用户对象的推荐效率和推荐准确性的用户对象推荐方法、装置、计算机设备和存储介质。一种用户对象推荐方法，所述方法包括：获取目本文档来自技高网...

【技术保护点】
1.一种用户对象推荐方法，其特征在于，所述方法包括：/n获取目标用户的用户特征信息；/n获取用户图网络中与所述目标用户关联的局部图网络结构信息；所述用户图网络基于用户集合中各用户对象的用户信息和用户交互行为信息构建；/n通过预训练的匹配度预测模型，基于所述用户特征信息和所述局部图网络结构信息进行信息传递处理，获得所述目标用户对应的用户图表示信息；/n基于所述用户图表示信息，确定所述目标用户与所述用户图网络中各用户对象之间的匹配度预测值；/n根据所述匹配度预测值确定符合推荐条件的用户对象，并向所述目标用户推荐所述用户对象。/n

【技术特征摘要】
1.一种用户对象推荐方法，其特征在于，所述方法包括：
获取目标用户的用户特征信息；
获取用户图网络中与所述目标用户关联的局部图网络结构信息；所述用户图网络基于用户集合中各用户对象的用户信息和用户交互行为信息构建；
通过预训练的匹配度预测模型，基于所述用户特征信息和所述局部图网络结构信息进行信息传递处理，获得所述目标用户对应的用户图表示信息；
基于所述用户图表示信息，确定所述目标用户与所述用户图网络中各用户对象之间的匹配度预测值；
根据所述匹配度预测值确定符合推荐条件的用户对象，并向所述目标用户推荐所述用户对象。


2.根据权利要求1所述的方法，其特征在于，所述获取用户图网络中与所述目标用户关联的局部图网络结构信息之前，所述方法还包括：
获取所述用户集合中各用户对象的用户信息和用户交互行为信息；
根据所述用户信息确定与所述各用户对象相对应的用户节点；
根据所述用户交互行为信息确定各用户节点之间的连接关系；
基于所述用户节点和所述连接关系构建用户图网络。


3.根据权利要求2所述的方法，其特征在于，所述根据所述用户交互行为信息确定各用户节点的连接关系，包括：
根据所述用户交互行为信息确定各用户节点之间的亲密度；
根据所述亲密度确定所述各用户节点之间的连接权重；
基于所述连接权重确定各用户节点之间的连接关系。


4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述用户特征信息提取所述目标用户对应的用户特征向量；
对所述用户图网络中各用户节点进行节点游走，获得游走轨迹；根据所述游走轨迹获得与所述目标用户关联的局部图网络结构信息；
基于所述游走轨迹进行图嵌入，获得所述目标用户对应的图嵌入特征向量；
对所述用户特征向量和所述图嵌入特征向量进行连接，获得节点特征向量。


5.根据权利要求4所述的方法，其特征在于，所述用户特征信息包括用户画像特征信息和用户社交动态信息；
所述获取所述用户特征信息对应的用户特征向量，包括：
根据所述用户画像特征信息和用户社交动态信息提取所述目标用户对应的用户特征向量。


6.根据权利要求4所述的方法，其特征在于，所述对所述用户图网络中各用户节点进行游走，获得游走轨迹，包括：
获取所述用户图网络中各用户节点之间的连接权重；
基于所述连接权重对所述用户图网络中各用户节点进行带权随机游走，获得游走轨迹。


7.根据权利要求4所述的方法，其特征在于，所述通过预训练的匹配度预测模型，基于所述用户特征信息和所述局部图网络结构信息进行信息传递处理，获得所述目标用户对应的用户图表示信息，包括：
通过所述匹配度预测模型所包括的图神经网络层，基于所述局部图网络结构信息对各局部用户节点的节点特征向量进行信息传递处理，获得所述目标用户对应的用户图表示信息。


8.根据权利要求7所述的方法，其特征在于，所述通过所述匹配度预测模型所包括的图神经网络层，基于所述局部图网络结构信息对局部用户节点的节点特征向量进行信息传递处理，获得所述目标用户对应的用户图表示信息，包括：
将所述局部图网络结构信息和所述局部图网络结构信息中各局部用户节点的节点特征向量，输入至所述图神经网络层；
通过所述图神经网络层按照所述局部图网络结构信息，对所述各局部用户节点的节点特征向量进行误差反向传播，获得局部传递特征向量；
基于所...

【专利技术属性】
技术研发人员：陈昊，
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