资源推荐方法、图卷积神经网络模型训练方法及设备技术

本发明专利技术提供了资源推荐方法、图卷积神经网络模型训练方法及设备，使用资源推荐方法，在响应于目标用户的输入获得候选资源的信息的情况下，获取目标用户所对应的图卷积神经网络模型，将候选资源的信息输入图卷积神经网络模型，在图卷积神经网络模型中，以候选资源的信息为起始节点进行至少一级节点的预测，直到输出推荐资源的信息，节点为资源属性特征或资源节点，将推荐资源的信息发送给客户端。本发明专利技术采用图卷积神经网络模型进行节点预测，从而可以根据候选资源逐级预测出推荐资源，相比于现有采用知识图谱的遍历查询方案，推荐资源能够更准确地体现用户的兴趣，资源推荐准确度高，提升用户体验感。提升用户体验感。提升用户体验感。

【技术实现步骤摘要】
资源推荐方法、图卷积神经网络模型训练方法及设备


[0001]本专利技术涉及计算机
，具体地说，涉及资源推荐方法、图卷积神经网络模型训练方法及设备。

技术介绍

[0002]随着互联网的快速发展，数据量呈指数级增长。在这种情况下，信息资源过载增加了用户自主选择感兴趣内容的难度。因此，现有技术提出向用户终端进行资源推荐的方案，以此来改善用户体验。
[0003]需要说明的是，上述
技术介绍
部分公开的信息仅用于加强对本专利技术的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0004]针对现有技术中的问题，本专利技术的目的在于提供资源推荐方法、图卷积神经网络模型训练方法及设备，克服了现有技术的困难，能够提升资源推荐的精确度。
[0005]本专利技术的实施例提供一种资源推荐方法，该方法应用于服务端，包括：
[0006]在响应于目标用户的输入获得候选资源的信息的情况下，获取目标用户所对应的图卷积神经网络模型；
[0007]将候选资源的信息输入图卷积神经网络模型，在图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种资源推荐方法，其特征在于，应用于服务端，所述资源推荐方法包括：在响应于目标用户的输入获得候选资源的信息的情况下，获取所述目标用户所对应的图卷积神经网络模型；将所述候选资源的信息输入所述图卷积神经网络模型，在所述图卷积神经网络模型中，以所述候选资源的信息为起始节点进行至少一级节点的预测，直到输出推荐资源的信息，所述节点为资源属性特征或资源节点；将所述推荐资源的信息发送给客户端。2.根据权利要求1所述的资源推荐方法，其特征在于，在所述图卷积神经网络模型中，以所述候选资源的信息为起始节点进行至少一级节点的预测，直到输出推荐资源的信息，包括：在所述图卷积神经网络模型中，以所述候选资源的信息为起始节点进行一级节点的预测，获得第一预测概率达到第一概率阈值的中间资源属性特征；以所述中间资源属性特征为一级起点进行二级节点的预测，获得第二预测概率达到第二概率阈值的推荐资源，输出所述推荐资源的信息。3.根据权利要求1所述的资源推荐方法，其特征在于，所述资源推荐方法还包括：在获得所述推荐资源的信息的情况下，获取所述目标用户的用户兴趣传播图谱，其中所述用户兴趣传播图谱的节点包括资源节点及其资源属性特征；在所述用户兴趣传播图谱中提取从所述候选资源到所述推荐资源进行传递的目标兴趣传播序列；将所述目标兴趣传播序列发送给所述客户端并在所述客户端展示。4.一种图卷积神经网络模型训练方法，其特征在于，包括：获取根据目标用户对资源的历史行为数据构建的用户兴趣传播图谱，其中所述用户兴趣传播图谱的节点包括资源节点及其资源属性特征；使用所述用户兴趣传播图谱训练图卷积神经网络模型。5.根据权利要求4所述的图卷积神经网络模型训练方法，其特征在于，使用所述用户兴趣传播图谱训练图卷积神经网络模型，包括：从所述用户兴趣传播图谱中提取包括依次传递的起始资源、中间资源属性特征和目标资源的兴趣传播序列；将所述兴趣传播序列输入所述图卷积神经网络模型，在所述图卷积神经网络模型中进行逐级节点预测，输出所述目标资源的预测概率值，并根据所述预测概...

【专利技术属性】
技术研发人员：王荣生，程婉玉，李健，
申请(专利权)人：上海携旅信息技术有限公司，
类型：发明
国别省市：