资源推荐的方法、装置、电子设备、存储介质及计算机程序产品制造方法及图纸

本申请公开了一种资源推荐的方法、装置、电子设备、存储介质及计算机程序产品，涉及人工智能领域。具体方案为：响应于用户的请求，确定与用户相关联的用户向量，其中用户向量指示用户的潜在兴趣点；针对资源集合中的每条资源，分别计算用户向量与资源的资源向量之间的相似度得分，其中资源的资源向量是基于与资源相关联的多个种子用户而确定的，资源向量反映多个种子用户的共有潜在兴趣点；对资源按照相似度得分从高到低进行排序；以及将排序在前第一数目的资源推送给用户。利用相似人群扩展方法隐式地刻画用户的潜在兴趣点，从而向用户推荐更符合用户需要的资源。荐更符合用户需要的资源。荐更符合用户需要的资源。

【技术实现步骤摘要】
资源推荐的方法、装置、电子设备、存储介质及计算机程序产品


[0001]本申请涉及计算机领域，具体而言，涉及计算机应用技术。

技术介绍

[0002]随着计算机技术的发展，互联网得到了飞速发展，通过互联网能够为用户提供越来越多的网络服务。例如，用户可以通过互联网浏览视频、收听音乐、阅读、购物等。在互联网平台上，用户可以通过搜索功能搜索自己需要的资源。同时，为了方便用户获取信息，互联网平台还可以主动向用户推荐资源。随着互联网上信息的爆炸式增长，如何向用户推荐更符合用户需要的资源已经成为当前的一个关注热点。

技术实现思路

[0003]本公开提供了一种资源推荐的方法、装置、电子设备、存储介质以及计算机程序产品，利用相似人群扩展(lookalike)方法隐式刻画用户和资源的相关度，从而向用户推荐更符合用户需要的资源。
[0004]根据本公开的第一方面，提供了一种资源推荐的方法。该方法包括响应于用户的请求，确定与用户相关联的用户向量，其中用户向量指示用户的潜在兴趣点；针对资源集合中的每条资源，分别计算用户向量与资源的资源向量之间的相似度得分，其中资源的资源向量是基于与资源相关联的多个种子用户而确定的，资源向量反映多个种子用户的共有潜在兴趣点；对资源按照相似度得分从高到低进行排序；以及将排序在前第一数目的资源推送给用户。
[0005]根据本公开的第二方面，提供了一种资源推荐的装置。该装置包括用户向量确定模块，用于响应于用户的请求，确定与用户相关联的用户向量，其中用户向量指示用户的潜在兴趣点；相似度得分计算模块，用于针对资源集合中的每条资源，分别计算用户向量与资源的资源向量之间的相似度得分，其中资源的资源向量是基于与资源相关联的多个种子用户而确定的，资源向量反映多个种子用户的共有潜在兴趣点；排序模块，用于对资源按照相似度得分从高到低进行排序；以及资源推送模块，用于将排序在前第一数目的资源推送给用户。
[0006]根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被一个处理器执行，以使至少一个处理器能够执行根据本公开的第一方面的方法。
[0007]根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，计算机指令用于使计算机执行根据本公开的第一方面的方法。
[0008]在本公开的第五方面中，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时，执行根据本公开的第一方面的方法。
[0009]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特
征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0010]结合附图并参考以下详细说明，本公开的上述以及其它目的、特征和优势将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素，其中：
[0011]图1示出了本公开的多个实施例的资源推荐的示例环境的示意图；
[0012]图2示出了根据本公开的一些实施例的资源推荐的方法的流程图；
[0013]图3示出了根据本公开的一些实施例的图协同过滤模型的训练过程的示意图；
[0014]图4示出了根据本公开的一些实施例的确定资源向量的方法的流程图；
[0015]图5示出了根据本公开实施例的资源推荐的装置的示意性框图；以及
[0016]图6示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
[0017]以下结合附图对本申请的实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示例性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0018]在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
[0019]如本文中所使用的，术语“资源”指的是采用文字、图片、表情、音频和视频中的至少一项来组成的信息集合。资源的示例包括网页、电视剧和音乐，等等。术语“相似人群扩展(lookalike)”是基于种子用户，通过一定的算法评估模型，找到更多拥有潜在关联性的相似人群的技术。值得注意是，lookalike不是某一种特定的算法，而是一类方法的统称，这类方法综合运用多种技术，比如协同过滤、node2vec等，最终达到用户扩展的目的。
[0020]术语“协同过滤”是指是利用某兴趣相投、拥有共同经验的群体的喜好来推荐用户感兴趣的信息，其是通过映射用户(或物品)的已存在的特征(例如，ID)来获得用户(或物品即项目)的嵌入向量，这种方法只使用描述性特征(例如ID和属性)来构建嵌入函数，用户
‑
物品交互中潜在的协作信号没有被编码到嵌入向量中。术语“图协同过滤”是指利用用户
‑
物品图结构在框架上进行嵌入传播，在构建嵌入函数时还考虑了用户
‑
物品的交互。
[0021]如以上提及的，当前互联网平台可以向用户推荐资源。现有的资源推荐方案分为热门资源挖掘、候选资源确定和资源排序。热门资源挖掘通常借助于用户的查询量、累积点击量等数据，离线挖掘出一批热门资源，计算热门资源的资源热度，根据资源热度将资源划分为全局热门资源、领域热门资源和一般热门资源。全局热门资源是指大众普遍关心的资源，例如关于新冠肺炎有关的内容；领域热门资源是指热度不如全局热门资源，但在某个领域下热度比较高的资源，例如关于娱乐圈的新闻；一般热门资源是指热度不如全局热门资源和领域热门资源的资源。当用户发起资源请求时，通常根据以下策略来确定候选推荐资源：所有的全局热门资源；与用户领域偏好相匹配的领域热门资源；以及与用户兴趣点相匹
配的一般热门资源，其中用户偏好领域和用户兴趣点是通过统计用户对与各个领域和兴趣点相关联的资源的操作(例如，点击、浏览或收藏等)而获得的。然后，利用用户对资源的后验操作信息、资源热度和相关性因子等对候选推荐资源进行排序，其中相关性因子包括领域偏好因子和兴趣点偏好因子。进而将符合规则的候选推荐资源推荐给用户。
[0022]由此可见，对于资源热度达不到全局热门资源和领域热门资源的一般热门资源而言，在候选推荐资源确定和资源排序阶段都依赖于用户兴趣点的表达，但是对兴趣点的刻画通常采用一种基于标签建模的显式方法，通过提取用户所点击或浏览的资源中的关键词来显式地确定不同的标签以预测用户的兴趣点。这种显式的方法粒度比较粗，对用户真实的兴趣点的刻画存在局限性，从而限制了某些资源的推荐。因此，期望本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种资源推荐的方法，包括：响应于用户的请求，确定与所述用户相关联的用户向量，其中所述用户向量指示所述用户的潜在兴趣点；针对资源集合中的每条资源，分别计算所述用户向量与所述资源的资源向量之间的相似度得分，其中资源的资源向量是基于与所述资源相关联的多个种子用户而确定的，所述资源向量反映所述多个种子用户的共有潜在兴趣点；对所述资源按照所述相似度得分从高到低进行排序；以及将排序在前第一数目的所述资源推送给所述用户。2.根据权利要求1所述的方法，其中确定与所述用户相关联的所述用户向量包括：利用图协同过滤模型确定与所述用户相关联的用户向量，其中所述图协同过滤模型是基于用户对资源的操作信息进行训练的，以使得所述用户向量指示所述用户的潜在兴趣点。3.根据权利要求1所述的方法，其中确定所述资源向量包括：基于所述资源确定与所述资源相关联的多个种子用户；针对每个种子用户，利用图协同过滤模型确定与所述种子用户相关联的种子用户向量，其中所述图协同过滤模型是基于用户对资源的操作信息进行训练的，以使得种子用户向量指示所述种子用户的潜在兴趣点；以及基于与所述资源相关联的所述种子用户的所述种子用户向量，计算所述资源的所述资源向量。4.根据权利要求3所述的方法，其中基于与所述资源相关联的所述种子用户的所述种子用户向量，计算所述资源的所述资源向量包括：将与所述资源相关联的所有种子用户的所述种子用户向量相加；或者将与所述资源相关联的所有种子用户的所述种子用户向量相加求平均。5.根据权利要求3所述的方法，其中基于所述资源确定与所述资源相关联的多个种子用户包括：基于用户对所述资源的操作历史，确定与所述资源相关联的多个种子用户。6.根据权利要求5所述的方法，其中基于所述资源确定与所述资源相关联的多个种子用户还包括：将对资源进行操作的用户确定为所述种子用户。7.根据权利要求1所述的方法，其中计算所述用户向量与所述资源的资源向量之间的相似度得分包括：计算所述用户向量与所述资源的所述资源向量之间的夹角的余弦。8.根据权利要求1至7中任一项所述的方法，其中所述方法还包括：对所述资源集合进行周期性地更新，以使得所述资源集合中的资源的资源热度高于阈值。9.根据权利要求8所述的方法，其中对所述资源集合进行周期性地更新包括：获得资源的发布信息、所述用户对资源的查询信息以及所述用户对资源的操作信息；基于所述发布信息、查询信息以及操作信息，确定所述资源的资源热度；对所述资源按照所述资源热度从高到低进行排序；以及
使用排序在前第二数目的资源周期性地替换所述资源集合中的所述资源。10.一种资源推荐的装置，包括：用户向量确定模块，用于响应于用户的请求，确定与所述用户相关联的用户向量，其中所述用户向量指示所述用户的潜在兴趣点；相似度得分计算模块，用于针对资源集合中的每条资源，分别计算所述用户向量与所述资源的资源向量之间的相似度得分，其中资源的资源向量是基于与所述资源相关联的多个种子用户而确定的，所述资源向量反映所述多个种子用户的共有潜在兴趣点；排序模...

【专利技术属性】
技术研发人员：翟博文，孙志杰，刘新觅，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：