一种资讯推荐方法、装置、推荐服务器及存储介质制造方法及图纸

本发明专利技术实施例公开了一种资讯推荐方法，包括：获取不同用户的历史浏览资讯以构建加权图网络；调用预设算法对所述加权图网络进行随机游走以得到资讯模拟行为序列，将所述资讯模拟行为序列与真实用户资讯序列进行训练以得到资讯表征向量；根据所述资讯表征向量计算所述不同资讯之间的相似度，将所述相似度超出预设阈值的资讯作为相似资讯保存至相似资讯数据库；当接收终端发送的推荐请求时，从所述相似资讯数据库中获取与所述终端的历史浏览资讯对应的相似资讯以推荐至所述终端。采用上述手段，可通过丰富资讯如新资讯的训练数据，使得更加准确的得到资讯的表征向量，解决了现有技术中协同过滤算法存在的问题，同时提高了用户体验。

【技术实现步骤摘要】
一种资讯推荐方法、装置、推荐服务器及存储介质
本专利技术涉及计算机
，尤其涉及一种资讯推荐方法、一种资讯推荐装置、一种资讯推荐推荐服务器及一种计算机可读存储介质。
技术介绍
协同过滤作为有效的推荐方法在各类资讯推荐系统中广泛应用，传统基于协同过滤的推荐方式在计算资讯相似度关系时主要采用基于邻域或矩阵分解的算法思想，然而这两种算法为了保证资讯相似度计算的准确性，往往会对用户行为的原始数据进行多维度的过滤处理，同时要求待计算的资讯能获取到足够丰富的用户行为，而对于新资讯来说，由于用户较少，因此使得这类算法对新资讯不够友好，覆盖度较低。
技术实现思路
本申请实施例提供一种资讯推荐方法、装置、推荐服务器及存储介质，能够更加准确的进行资讯推荐。本申请实施例的第一方面提供了一种资讯推荐方法，包括：获取不同用户的历史浏览资讯以构建加权图网络；调用预设算法对所述加权图网络进行随机游走以得到资讯模拟行为序列，将所述资讯模拟行为序列与真实用户资讯序列进行训练以得到资讯表征向量；根据所述资讯表征向量计算所述不同资讯之间的相似度，将所述相似度超出预设阈值的资讯作为相似资讯保存至相似资讯数据库；当接收终端发送的推荐请求时，从所述相似资讯数据库中获取与所述终端的历史浏览资讯对应的相似资讯以推荐至所述终端，其中，所述推荐请求携带所述终端的历史浏览资讯。可选的，所述获取不同用户的历史浏览资讯，包括：从预设资讯数据库中获取不同用户的初始历史浏览资讯和不同用户的历史浏览资讯时长，所述不同用户的初始历史浏览资讯与所述不同用户的历史浏览资讯时长一一对应；分别获取所述历史浏览资讯时长超出预设时长的初始历史浏览资讯，以得到所述不同用户的历史浏览资讯。可选的，所述不同用户的历史浏览资讯至少包括第一历史浏览资讯和第二历史浏览资讯，所述构建加权图网络包括：获取所述不同用户的历史浏览资讯中包括第一历史浏览资讯和第二历史浏览资讯的用户数量；将所述第一历史浏览资讯对应所述加权图网络的第一节点，所述第二历史浏览资讯对应所述加权图网络的第二节点，连接所述第一节点和第二节点以得到所述加权图网络，其中所述用户数量为所述第一节点和第二节点的边权重。可选的，所述调用预设算法对所述加权图网络进行随机游走以得到资讯模拟行为序列，包括：对所述加权图网络中不同节点的边权重进行归一化处理以得到第一加权图网络；调用别名采样算法对所述第一加权图网络中不同节点进行随机游走以得到第二加权图网络；获取所述第二加权图网络中不同节点之间的路径以得到资讯模拟行为序列。可选的，所述将所述资讯模拟行为序列与真实用户资讯序列进行训练以得到资讯表征向量，包括：从所述加权图网络中获取所述不同用户的真实用户资讯序列；将所述资讯模拟行为序列与所述真实用户资讯序列进行聚合以得到训练样本；将所述训练样本输入至预设训练模型进行训练以得到所述资讯表征向量。可选的，还包括：确定训练的损失函数，其中所述损失函数表示为：其中，cui＝1+αrui；xu＝(YTCuY+λI)-1YTCup(u)；yi＝(XTCiX+λI)-1XTCip(i)；pui表示用户i对物品u的置信度，rui为历史浏览资讯时长因子；cui表示用户i对物品u的信任度，其中，α为信任度系数；λ为系数，xu表示用户的表征向量，yi表示资讯表征向量。进一步地，所述终端的历史浏览资讯包括第三历史浏览资讯和第四历史浏览资讯，所述从所述相似资讯数据库中获取与所述终端的历史浏览资讯对应的相似资讯，包括：分别从所述相似资讯数据库中获取与所述第三历史浏览资讯相似的M个资讯，并从所述相似资讯数据库中获取与所述第四历史浏览资讯相似的N个资讯，其中，M、N均为正整数；确认所述M个资讯和所述N个资讯中是否存在相同资讯；若存在相同资讯，则将所述相同资讯作为与所述终端的历史浏览资讯对应的相似资讯。本申请实施例的第二方面提供了一种资讯推荐装置，包括：构建加权图网络模块，用于获取不同用户的历史浏览资讯以构建加权图网络；随机游走模块，用于调用预设算法对所述加权图网络进行随机游走以得到资讯模拟行为序列，将所述资讯模拟行为序列与真实用户资讯序列进行训练以得到资讯表征向量；相似资讯获取模块，用于根据所述资讯表征向量计算所述不同资讯之间的相似度，将所述相似度超出预设阈值的资讯作为相似资讯保存至相似资讯数据库；推荐模块，用于当接收终端发送的推荐请求时，从所述相似资讯数据库中获取与所述终端的历史浏览资讯对应的相似资讯以推荐至所述终端，其中，所述推荐请求携带所述终端的历史浏览资讯。本申请实施例的第三方面提供了一种资讯推荐服务器，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行所述的方法。本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现所述的方法。实施本申请实施例，至少具有如下有益效果：通过本申请实施例，先获取不同用户的历史浏览资讯以构建加权图网络，然后调用预设算法对该加权图网络进行随机游走以得到资讯模拟行为序列，通过将资讯模拟行为序列与真实用户资讯序列进行训练以得到资讯表征向量；基于资讯表征向量计算不同资讯之间的相似度，将相似度超出预设阈值的资讯作为相似资讯保存至相似资讯数据库；然后在接收终端发送的推荐请求时，从该相似资讯数据库中获取对应的相似资讯推荐至该终端。采用上述手段，可通过丰富资讯如新资讯的训练数据，使得更加准确的得到资讯的表征向量，进而提升了资讯推荐的覆盖度，有效的为用户推荐其感兴趣的资讯，解决了现有技术中协同过滤算法存在的问题，同时提高了用户体验。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简单地介绍，显而易见地，下面描述中的附图仅仅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。其中：图1为本专利技术实施例提供的一种网络架构示意图；图2是本专利技术实施例提供的一种资讯推荐方法的场景示意图；图3是本专利技术实施例提供的一种资讯推荐方法的流程示意图；图4是本专利技术实施例提供的一种资讯推荐方法的流程示意图；图5是本专利技术实施例提供的一种基于资讯随机游走得到的加权图网络结构示意图；图6是本专利技术实施例提供的一种资讯推荐装置的结构示意图；图7是本申请实施例提供的一种资讯推荐装置的离线算法模块执行的流程示意图；图8是本专利技术实施例提供的一种资讯推荐服务器的结构示意图；图9是本专利技术实施本文档来自技高网...

【技术保护点】
1.一种资讯推荐方法，其特征在于，包括：/n获取不同用户的历史浏览资讯以构建加权图网络；/n调用预设算法对所述加权图网络进行随机游走以得到资讯模拟行为序列，将所述资讯模拟行为序列与真实用户资讯序列进行训练以得到资讯表征向量；/n根据所述资讯表征向量计算所述不同资讯之间的相似度，将所述相似度超出预设阈值的资讯作为相似资讯保存至相似资讯数据库；/n当接收终端发送的推荐请求时，从所述相似资讯数据库中获取与所述终端的历史浏览资讯对应的相似资讯以推荐至所述终端，其中，所述推荐请求携带所述终端的历史浏览资讯。/n

【技术特征摘要】
1.一种资讯推荐方法，其特征在于，包括：
获取不同用户的历史浏览资讯以构建加权图网络；
调用预设算法对所述加权图网络进行随机游走以得到资讯模拟行为序列，将所述资讯模拟行为序列与真实用户资讯序列进行训练以得到资讯表征向量；
根据所述资讯表征向量计算所述不同资讯之间的相似度，将所述相似度超出预设阈值的资讯作为相似资讯保存至相似资讯数据库；
当接收终端发送的推荐请求时，从所述相似资讯数据库中获取与所述终端的历史浏览资讯对应的相似资讯以推荐至所述终端，其中，所述推荐请求携带所述终端的历史浏览资讯。


2.根据权利要求1所述的方法，其特征在于，所述获取不同用户的历史浏览资讯，包括：
从预设资讯数据库中获取不同用户的初始历史浏览资讯和不同用户的历史浏览资讯时长，所述不同用户的初始历史浏览资讯与所述不同用户的历史浏览资讯时长一一对应；
分别获取所述历史浏览资讯时长超出预设时长的初始历史浏览资讯，以得到所述不同用户的历史浏览资讯。


3.根据权利要求2所述的方法，其特征在于，所述不同用户的历史浏览资讯至少包括第一历史浏览资讯和第二历史浏览资讯，所述构建加权图网络包括：
获取所述不同用户的历史浏览资讯中包括第一历史浏览资讯和第二历史浏览资讯的用户数量；
将所述第一历史浏览资讯对应所述加权图网络的第一节点，所述第二历史浏览资讯对应所述加权图网络的第二节点，连接所述第一节点和第二节点以得到所述加权图网络，其中所述用户数量为所述第一节点和第二节点的边权重。


4.根据权利要求3所述的方法，其特征在于，所述调用预设算法对所述加权图网络进行随机游走以得到资讯模拟行为序列，包括：
对所述加权图网络中不同节点的边权重进行归一化处理以得到第一加权图网络；
调用别名采样算法对所述第一加权图网络中不同节点进行随机游走以得到第二加权图网络；
获取所述第二加权图网络中不同节点之间的路径以得到资讯模拟行为序列。


5.根据权利要求4所述的方法，其特征在于，所述将所述资讯模拟行为序列与真实用户资讯序列进行训练以得到资讯表征向量，包括：
从所述加权图网络中获取所述不同用户的真实用户资讯序列；
将所述资讯模拟行为序列与所述真实用户资讯序列进行聚合以得到训练样本；
将所述训练样本输入至预设训练模型进行训练以得到所述资讯表征向量。


6.根据权利要求5所述的方法，所述将所述资讯模拟行为序...

【专利技术属性】
技术研发人员：李天浩，
申请(专利权)人：腾讯科技北京有限公司，
类型：发明
国别省市：北京;11