基于元图的产品筛选方法、系统、设备及存储介质技术方案

本发明专利技术实施例涉及产品智能化推荐技术领域，公开了基于元图的产品筛选方法、系统、设备及存储介质。本发明专利技术实施例先获取异构网络信息；将异构网络信息输入至预设产品筛选模型，输出产品分值；基于产品分值确定待推荐产品对应的产品信息；其中，预设产品筛选模型用于通过元图处理异构网络信息。明显地，本发明专利技术实施例将应用异构网络信息来筛选待推荐产品，而非仅局限于用户与产品二者之间的交互，同时，还使用了元图过滤异构网络信息以辅助推荐行为，从而提升了推荐准确性，解决了推荐准确性较低的技术问题。此外，还可使用遗传算法框架，并同时结合预测操作与测试操作，以自动寻找更有利于产品推荐的元图。

【技术实现步骤摘要】
基于元图的产品筛选方法、系统、设备及存储介质
本专利技术涉及商品智能化推荐
，尤其涉及基于元图的产品筛选方法、系统、设备及存储介质。
技术介绍
就推荐系统而言，推荐系统(RecommenderSystems)作为一类信息过滤算法，旨在从海量物品中针对不同用户的特点或偏好推荐该用户感兴趣的物品，以节省用户的时间与精力快速寻找到所需要的内容。推荐系统常应用于电商平台中，电商平台基于用户的历史购买与交互记录向用户推荐可能感兴趣的新产品，以促进用户消费。常见的推荐系统将基于协同过滤(CollaborativeFiltering)技术，但局限于用户与产品二者之间的交互，而不能有效利用更多辅助信息实现更精确的推荐。可见，目前的推荐系统无法达到较高的推荐准确性。
技术实现思路
为了解决当前推荐系统推荐准确性较低的技术问题，本专利技术实施例提供基于元图的产品筛选方法、系统、设备及存储介质。第一方面，本专利技术实施例提供一种基于元图的产品筛选方法，包括：获取与当前用户对应的异构网络信息；将所述异构网络信息输入至预设产品筛选模型，得到所述预设产品筛选模型输出的与产品对应的产品分值；基于所述产品分值确定待推荐产品对应的产品信息；其中，所述预设产品筛选模型是基于异构网络样本训练得到的；所述预设产品筛选模型用于通过元图描述的节点模板处理所述异构网络信息，以输出产品分值。第二方面，本专利技术实施例提供一种基于元图的产品筛选系统，包括：信息获取模块，用于获取与当前用户对应的异构网络信息；模型运行模块，用于将所述异构网络信息输入至预设产品筛选模型，得到所述预设产品筛选模型输出的与产品对应的产品分值；产品推荐模块，用于基于所述产品分值确定待推荐产品对应的产品信息；其中，所述预设产品筛选模型是基于异构网络样本训练得到的；所述预设产品筛选模型用于通过元图描述的节点模板处理所述异构网络信息，以输出产品分值。第三方面，本专利技术实施例提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现本专利技术第一方面提供的一种基于元图的产品筛选方法的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术第一方面提供的一种基于元图的产品筛选方法的步骤。本专利技术实施例提供的基于元图的产品筛选方法、系统、设备及存储介质，先获取与当前用户对应的异构网络信息；将所述异构网络信息输入至预设产品筛选模型，得到所述预设产品筛选模型输出的与产品对应的产品分值；基于所述产品分值确定待推荐产品对应的产品信息；其中，所述预设产品筛选模型是基于异构网络样本训练得到的；所述预设产品筛选模型用于通过元图描述的节点模板处理所述异构网络信息，以输出产品分值。明显地，本专利技术实施例将应用异构网络信息来筛选待推荐产品，而非仅局限于用户与产品二者之间的交互，同时，还使用了元图过滤异构网络信息以辅助推荐行为，从而提升了推荐准确性，解决了当前推荐系统推荐准确性较低的技术问题。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种基于元图的产品筛选方法的流程图；图2为本专利技术又一实施例提供的一种基于元图的产品筛选方法的流程图；图3为本专利技术再一实施例提供的一种基于元图的产品筛选方法的流程图；图4为本专利技术再一实施例提供的一类非法变异示例；图5为本专利技术再一实施例提供的又一类非法变异示例；图6为本专利技术再一实施例提供的再一类非法变异示例；图7为本专利技术再一实施例提供的平均性能与时间之间的关系示例；图8为本专利技术再一实施例提供的元图预测器在训练集上的表现示例；图9为本专利技术再一实施例提供的元图预测器在测试集上的表现示例；图10为本专利技术实施例提供的一种基于元图的产品筛选系统的结构示意图；图11为本专利技术实施例提供的一种电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术实施例提供的一种基于元图的产品筛选方法的流程图，如图1所示，该方法包括：S1，获取与当前用户对应的异构网络信息。可以理解的是，鉴于常见的推荐系统所使用到的输入数据仅局限于用户与产品二者之间的交互，而不能有效利用更多辅助信息实现更精确的推荐，从而导致了推荐准确性较低。为了应对推荐准确性较低的技术问题，本实施例将使用推荐场景中更加复杂的关联信息，即与当前用户对应的异构网络信息，而非仅局限于用户与产品二者之间的交互。其中，异构网络信息为异构信息网络(HeterogeneousInformationNetwork)中的信息，异构信息网络常用于建模包含多种实体与多种关系的网络结构，异构信息网络还可以更好地刻画用户与用户、用户与产品、产品与产品乃至更复杂的结构性特征，更符合现实世界的客观规律。因此，适宜应用至推荐场景中。其中，异构网络信息包括有当前用户的相关信息，比如，用户评论、用户职业等，此处对于异构网络信息的举例仅作解释之用，并不限定于此。S2，将所述异构网络信息输入至预设产品筛选模型，得到所述预设产品筛选模型输出的与产品对应的产品分值。S3，基于所述产品分值确定待推荐产品对应的产品信息。其中，所述预设产品筛选模型是基于异构网络样本训练得到的；所述预设产品筛选模型用于通过元图描述的节点模板处理所述异构网络信息，以输出产品分值。应当理解的是，为了减少过于复杂的结构即异构信息网络中带来的冗余信息，可使用元图(Meta-graph)过滤异构信息网络中的信息以辅助推荐。其中，元图实质上是一类消息传递模板，是规定了从起始节点到终端节点的结构性特征，这一结构性特征可以异构图的形式表示，刻画了局部的语义信息。比如，预设产品筛选模型中将包含有元图，通过特定元图可将异构网络信息以元图描述的节点模板进行重新编排，基于该节点模板对应的节点实例运行预设产品筛选模型即可输出各个产品的产品分值，从而达成了为当前用户推荐该待推荐产品的行为。可见，元图可将复杂的异构网络简单化，以方便处理。其中，用户职业、地点等属性信息在异构图网络中也将直接作为节点来使用。具体而言，可设定一个分值范围，将产品分值落入该分值范围内本文档来自技高网...

【技术保护点】
1.一种基于元图的产品筛选方法，其特征在于，包括：/n获取与当前用户对应的异构网络信息；/n将所述异构网络信息输入至预设产品筛选模型，得到所述预设产品筛选模型输出的与产品对应的产品分值；/n基于所述产品分值确定待推荐产品对应的产品信息；/n其中，所述预设产品筛选模型是基于异构网络样本训练得到的；所述预设产品筛选模型用于通过元图描述的节点模板处理所述异构网络信息，以输出产品分值。/n

【技术特征摘要】
1.一种基于元图的产品筛选方法，其特征在于，包括：
获取与当前用户对应的异构网络信息；
将所述异构网络信息输入至预设产品筛选模型，得到所述预设产品筛选模型输出的与产品对应的产品分值；
基于所述产品分值确定待推荐产品对应的产品信息；
其中，所述预设产品筛选模型是基于异构网络样本训练得到的；所述预设产品筛选模型用于通过元图描述的节点模板处理所述异构网络信息，以输出产品分值。


2.根据权利要求1所述的基于元图的产品筛选方法，其特征在于，所述获取与当前用户对应的异构网络信息之前，具体包括：
获取异构网络样本对应的元图样本；
在遗传算法框架下对所述元图样本进行基因级操作，以获得新的元图集；
基于元图分值对新的元图集进行筛选，以获得目标元图集；
基于所述目标元图集中的元图构建预设产品筛选模型。


3.根据权利要求2所述的基于元图的产品筛选方法，其特征在于，所述在遗传算法框架下对所述元图样本进行基因级操作，以获得新的元图集，具体包括：
在遗传算法框架下对所述元图样本中的节点数量、节点类型及节点回路进行变更，以获得新的元图集。


4.根据权利要求2所述的基于元图的产品筛选方法，其特征在于，所述基于元图分值对新的元图集进行筛选，以获得目标元图集，具体包括：
对新的元图集进行预测操作，以得到预测表现指标；
根据所述预测表现指标筛选出预测合格元图与预测不合格元图；
对所述预测合格元图进行预设任务的测试操作，以得到与所述预测合格元图对应的任务表现指标；
将所述预测不合格元图的预测表现指标作为所述预测不合格元图的元图分值，将所述预测合格元图的任务表现指标作为所述预测合格元图的元图分值，基于元图分值对新的元图集进行筛选，以获得目标元图集。


5.根据权利要求4所述的基于元图的产品筛选方法，其特征在于，所述对新的元图集进行预测操作，以得到预测表现指标，具体包括：
确定新的元图集中的元图的第一节点表征向量；
对所述第一节点表征向量进行图卷积操作，以得到第一卷积表征向量；
对所述第一卷积表征向量进行激活...

【专利技术属性】
技术研发人员：李勇，韩振宇，徐丰力，金德鹏，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11