基于邻域聚合的资源推荐方法及相关设备技术

本申请涉及人工智能领域，公开了一种基于邻域聚合的资源推荐方法及相关设备，该方法包括：根据目标用户的初始嵌入向量和目标用户所对应邻域用户集合对目标用户的邻域影响向量进行社交聚合，得到目标用户的目标嵌入向量；根据目标用户所对应历史偏好资源的资源嵌入向量和目标用户的目标嵌入向量，生成目标用户的目标特征向量；资源嵌入向量是根据所对应资源的资源属性信息和所对应资源的关联用户信息生成的；根据目标用户的目标特征向量和资源集合中各资源的资源嵌入向量，确定目标用户对资源集合中各资源的偏好权重；根据偏好权重在资源集合中进行资源筛选，确定向目标用户推荐的目标资源。本方案提高了为目标用户确定目标资源的精准性。资源的精准性。资源的精准性。

【技术实现步骤摘要】
基于邻域聚合的资源推荐方法及相关设备
[0001]技术邻域
[0002]本申请涉及人工智能技术邻域，更具体地，涉及一种基于邻域聚合的资源推荐方法及相关设备。

技术介绍

[0003]随着在线社交网络的兴起和迅速普及，社交平台上的用户可以在微博、Facebook、微信等社交平台上分享自己的观点和生活经验，构建自己的社交圈子。由此引出了社交推荐(Social Recommendation)问题。相关技术中基于社交推荐向用户所推荐的资源存在精准度不高的问题，从而导致用户需要二次进行资源筛选或者进行二次资源请求，造成用户的资源获取效率不高。

技术实现思路

[0004]鉴于上述问题，本申请实施例提出了一种基于邻域聚合的资源推荐方法及相关设备，以提高资源推荐的精准度。
[0005]根据本申请实施例的一个方面，提供了一种基于邻域聚合的资源推荐方法，包括：根据所述目标用户的初始嵌入向量和所述目标用户所对应邻域用户集合对所述目标用户的邻域影响向量进行社交聚合，得到所述目标用户的目标嵌入向量；所述初始嵌入向量是根据所对应用户的用户属性信息和所对应用户的偏好资源信息确定的；根据所述目标用户所对应历史偏好资源的资源嵌入向量和所述目标用户的目标嵌入向量，生成所述目标用户的目标特征向量；所述资源嵌入向量是根据所对应资源的资源属性信息和所对应资源的关联用户信息生成的；根据所述目标用户的目标特征向量和资源集合中各资源的资源嵌入向量，确定所述目标用户对所述资源集合中各资源的偏好权重；根据所述偏好权重在所述资源集合中进行资源筛选，确定向所述目标用户推荐的目标资源。
[0006]根据本申请实施例的一个方面，提供了一种基于邻域聚合的资源推荐装置，包括：聚合模块，用于根据所述目标用户的初始嵌入向量和所述目标用户所对应邻域用户集合对所述目标用户的邻域影响向量进行社交聚合，得到所述目标用户的目标嵌入向量；所述初始嵌入向量是根据所对应用户的用户属性信息和所对应用户的偏好资源信息确定的；目标特征向量生成模块，用于根据所述目标用户所对应历史偏好资源的资源嵌入向量和所述目标用户的目标嵌入向量，生成所述目标用户的目标特征向量；所述资源嵌入向量是根据所对应资源的资源属性信息和所对应资源的关联用户信息生成的；偏好权重确定模块，用于根据所述目标用户的目标特征向量和资源集合中各资源的资源嵌入向量，确定所述目标用户对所述资源集合中各资源的偏好权重；目标资源确定模块，用于根据所述偏好权重在所述资源集合中进行资源筛选，确定向所述目标用户推荐的目标资源。
[0007]根据本申请实施例的一个方面，提供了一种电子设备，包括：处理器；存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如上所述基于邻域聚合的资源推荐方法。
[0008]根据本申请实施例的一个方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被处理器执行时，实现如上所述基于邻域聚合的资源推荐方法。
[0009]在本方案中，目标用户的目标特征向量结合了基于目标用户的用户属性信息、所对应偏好资源信息、目标用户的邻域用户集合、目标用户所历史偏好资源这四个维度上的特征来生成的，可以在多个维度反映目标用户的特征，所表达出目标用户的特征更全面和准确。以此为基础，根据目标用户的目标特征向量和各资源的资源嵌入向量确定向目标用户推荐的目标资源，可以保证所得到目标资源与目标用户的匹配性更高，保证了向目标用户所进行资源推荐的精准性。可以大幅减少因资源推荐准确性不高导致目标用户在所推荐的资源中再次进行资源筛选或者因资源推荐不准确而二次进行资源请求的概率，因此，有效提高了目标用户的资源获取效率。
[0010]而且，基于目标用户的初始嵌入向量与目标用户所对应邻域用户集合的邻域影响向量进行社交聚合，充分挖掘了目标用户所在社交网络对目标用户对于资源态度的影响，提高了社交推荐性能。
附图说明
[0011]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本邻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。
[0012]图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。
[0013]图2是根据本申请的一实施例示出的基于邻域聚合的资源推荐方法的流程图。
[0014]图3是根据本申请一实施例示出的步骤210的流程图。
[0015]图4是根据本申请一实施例示出的步骤320的流程图。
[0016]图5是根据本申请一实施例示出的步骤210之前步骤的流程图。
[0017]图6是根据本申请一实施例示出的步骤230之前步骤的流程图。
[0018]图7是根据本申请另一实施例示出的步骤210之前步骤的流程图。
[0019]图8是根据本申请一实施例示出的步骤230的流程图。
[0020]图9是根据本申请一具体实施例示出的基于邻域聚合的资源推荐方法的流程图。
[0021]图10是根据本申请的一实施例示出的基于邻域聚合的资源推荐装置的框图。
[0022]图11示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
[0023]现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本邻域的技术人员。
[0024]此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本邻域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，
或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
[0025]附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
[0026]附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0027]需要说明的是：在本文中提及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0028]图1示出了可以应用本申请实施例的技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于邻域聚合的资源推荐方法，其特征在于，包括：根据所述目标用户的初始嵌入向量和所述目标用户所对应邻域用户集合对所述目标用户的邻域影响向量进行社交聚合，得到所述目标用户的目标嵌入向量；所述初始嵌入向量是根据所对应用户的用户属性信息和所对应用户的偏好资源信息确定的；根据所述目标用户所对应历史偏好资源的资源嵌入向量和所述目标用户的目标嵌入向量，生成所述目标用户的目标特征向量；所述资源嵌入向量是根据所对应资源的资源属性信息和所对应资源的关联用户信息生成的；根据所述目标用户的目标特征向量和资源集合中各资源的资源嵌入向量，确定所述目标用户对所述资源集合中各资源的偏好权重；根据所述偏好权重在所述资源集合中进行资源筛选，确定向所述目标用户推荐的目标资源。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户的初始嵌入向量和所述目标用户所对应邻域用户集合对所述目标用户的邻域影响向量进行社交聚合，得到所述目标用户的目标嵌入向量，包括：获取t级社交聚合所得到所述目标用户的t级嵌入向量；其中，t为正整数；以及获取用于(t+1)级社交聚合的(t+1)级邻域影响向量；将所述目标用户的t级嵌入向量和所述(t+1)级邻域影响向量进行(t+1)级社交聚合，得到所述目标用户的(t+1)级嵌入向量；其中，所述目标用户的初始嵌入向量用于进行1级社交聚合；若社交聚合级数(t+1)达到设定级数阈值，则以目标用户的(t+1)级嵌入向量作为所述目标用户的目标嵌入向量；若社交聚合级数(t+1)小于设定级数阈值，则继续将所述目标用户的(t+1)级嵌入向量进行下一级社交聚合。3.根据权利要求2所述的方法，其特征在于，所述获取用于(t+1)级社交聚合的(t+1)级邻域影响向量，包括：获取所述邻域集合中各邻域用户的t级嵌入向量；将所述邻域集合中全部邻域用户的注意力系数与所述邻域集合中全部邻域用户的t级嵌入向量进行聚合，得到所述对应于(t+1)级社交聚合的(t+1)级邻域影响向量；其中，对应于1级社交聚合的1级邻域影响向量是根据所述邻域集合中各邻域用户的初始嵌入向量计算得到的。4.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户的初始嵌入向量和所述目标用户所对应邻域用户集合对所述目标用户的邻域影响向量进行社交聚合，得到所述目标用户的目标嵌入向量之前，所述方法还包括：根据所述目标用户的用户属性信息生成所述目标用户的第一特征向量；以及根据所述目标用户的偏好资源信息生成所述目标用户的第二特征向量；将所述目标用户的第一特征向量和所述目标用户的第二特征向量进行融合，得到所述目标用户的初始嵌入向量。5.根据权利要求4所述的方法，其特征在于，所述将所述目标用户的第一特征向量和所述目标用户的第二特征向量进行融合，得到所述目标用户的初始嵌入向量，包括：
将所述目标用户的第一特征向量与所述目标用户的第二特征向量进行向量连接，得到用户连接向量；将所述用户连接向量输入第一多层感知机网络，由所述第一多层感知机网络根据所述用户连接向量输出所述目标用户的初始嵌入向量。6.根据权利要求1所述...

【专利技术属性】
技术研发人员：姜楠，高莉，李媛媛，万涛，段福先，刘西蒙，仇森，
申请(专利权)人：华东交通大学，
类型：发明
国别省市：