一种信息推荐方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种信息推荐方法、装置、设备及存储介质，涉及个性化推荐技术领域，包括：构建目标知识图谱，并对基于目标知识图谱确定出的作为种子物料序列的用户历史行为序列对应的用户偏好物料进行建模得到偏好物料特征向量；利用预设双向LSTM模型对用户历史行为序列进行建模以得到用户行为特征向量；基于根据偏好物料特征向量和用户行为特征向量确定的用户特征向量和根据预设物料确定的物料特征向量预测当前用户对应的待推荐物料点击概率，并根据待推荐物料点击概率确定物料推荐结果。本申请利用预设双向LSTM模型结合知识图谱的推荐解决了传统推荐的数据稀疏和冷启动的问题，增强推荐的可解释性和多样性，并考虑了用户偏好随时间的影响。户偏好随时间的影响。户偏好随时间的影响。

An information recommendation method, device, device and storage medium

【技术实现步骤摘要】
一种信息推荐方法、装置、设备及存储介质


[0001]本专利技术涉及个性化推荐
，特别涉及一种信息推荐方法、装置、设备及存储介质。

技术介绍

[0002]当前，随着互联网技术和应用的飞速发展，推荐系统在电子商务、电影和视频、音乐、和广告等领域得到了广泛应用。但是，目前利用用户与物料的交互推荐用户感兴趣的物料的传统协同过滤的推荐系统有三点缺陷：一是，在大部分的用户并不经常浏览或点击相关物料的情况下，大多数用户对应的用户物料记录是稀疏的，也即用户物料关系矩阵稀疏；二是冷启动问题，也就是说，对于一些刚刚注册的新用户来说，该新用户从未在该平台上留下过任何行为记录，则无法根据传统的用户相似度等方法直接进行推荐；三是推荐项目往往不可解释。然而，由于知识图谱可以描述大量用户物料的交互关系，例如点击关系，可以潜在发现用户的偏好，有助于找到潜在的联系，提高推荐项目的准确性；有助于合理地扩展用户的兴趣，增加推荐物料的多样性；将用户的历史浏览信息和推荐记录联通，提高推荐系统的可解释性。从而可以利用基于知识图谱的推荐系统解决传统的协同过滤的推荐系统存在的缺点，但是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：构建目标知识图谱，并对基于所述目标知识图谱确定出的用户历史行为序列对应的用户偏好物料进行建模得到相应的偏好物料特征向量；所述用户历史行为序列为当前用户对应的所述目标知识图谱的种子物料序列；利用预设双向LSTM模型对所述用户历史行为序列进行建模以得到相应的用户行为特征向量；基于所述偏好物料特征向量和所述用户行为特征向量确定所述当前用户对应的用户特征向量；基于所述用户特征向量和根据预设物料确定的物料特征向量预测所述当前用户对应的待推荐物料点击概率，并根据所述待推荐物料点击概率确定相应的物料推荐结果。2.根据权利要求1所述的信息推荐方法，其特征在于，所述构建目标知识图谱，包括：对推荐场景中的待处理数据进行预处理以确定出相应的图谱实体以及所述图谱实体对应的实体关系，并基于所述图谱实体和所述实体关系构建出相应的目标知识图谱。3.根据权利要求1所述的信息推荐方法，其特征在于，所述对基于所述目标知识图谱确定出的用户历史行为序列对应的用户偏好物料进行建模得到相应的偏好物料特征向量，包括：获取预设时间范围内的当前用户的历史行为，得到用户历史行为序列；基于所述目标知识图谱确定所述用户历史行为序列的每一跳的偏好物料特征向量，并将所述每一跳的偏好物料特征向量进行相加以得到所述当前用户对应的偏好物料特征向量。4.根据权利要求1所述的信息推荐方法，其特征在于，所述利用预设双向LSTM模型对所述用户历史行为序列进行建模以得到相应的用户行为特征向量，包括：将所述用户历史行为序列输入至预设数据编码层进行编码，并将编码后的用户历史行为序列输入至预设双向LSTM模型进行建模，得到相应的用户行为特征向量。5.根据权利要求4所述的信息推荐方法，其特征在于，所述将编码后的用户历史行为序列输入值预设双向LSTM模型进行建模，得到相应的用户行为特征向量之后，还包括：将所述用...

【专利技术属性】
技术研发人员：陈倩倩，
申请(专利权)人：上海微盟企业发展有限公司，
类型：发明
国别省市：