本说明书实施例提供推荐模型训练方法、推荐方法以及装置，其中推荐模型训练方法包括：获取若干个样本用户，若干个样本项目，以及样本用户与样本项目的交互信息；根据交互信息，从若干个样本用户中筛选出多交互样本用户以及少交互样本用户；利用多交互样本用户与样本项目的交互信息，计算多交互样本用户的嵌入编码以及样本项目的嵌入编码；确定少交互样本用户的嵌入编码；利用多交互样本用户的嵌入编码，样本项目的嵌入编码，以及少交互样本用户的嵌入编码，设置交互图的节点的特征信息，其中，交互图中以样本用户以及样本项目为节点，根据交互信息确定边；利用交互图训练基于图神经网络的初始推荐模型，获得训练后的推荐模型，提高模型准确性。提高模型准确性。提高模型准确性。
【技术实现步骤摘要】
推荐模型训练方法、推荐方法以及装置
[0001]本说明书实施例涉及计算机
，特别涉及一种推荐模型训练方法。本说明书一个或者多个实施例同时涉及一种推荐方法、一种推荐模型训练装置、一种推荐装置、一种计算设备以及一种计算机可读存储介质。
技术介绍
[0002]随着计算机技术的发展，二分图嵌入在用户推荐、广告、搜索等多领域都被广泛运用。二分图是包含两种实体(用户
‑
项目)的图，任意一条边的两个节点分别属于两种实体。
[0003]传统推荐系统基于用户
‑
项目的历史交互信息训练，但是训练获得的推荐模型，推荐效果仍然不够理想，因此，亟需一种准确的推荐模型训练方案。
技术实现思路
[0004]有鉴于此，本说明书实施例提供了一种推荐模型训练方法。本说明书一个或者多个实施例同时涉及一种推荐方法、一种推荐模型训练装置、一种推荐装置、一种计算设备、一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。
[0005]根据本说明书实施例的第一方面，提供了一种推荐模型训练方法，包括：
[0006]获取若干个样本用户，若干个样本项目，以及样本用户与样本项目的交互信息；
[0007]根据交互信息，从若干个样本用户中筛选出多交互样本用户以及少交互样本用户；
[0008]利用多交互样本用户与样本项目的交互信息，计算多交互样本用户的嵌入编码以及样本项目的嵌入编码；
[0009]确定少交互样本用户的嵌入编码；
[0010]利用多交互样本用户的嵌入编码，样本项目的嵌入编码，以及少交互样本用户的嵌入编码，设置交互图的节点的特征信息，其中，交互图中以样本用户以及样本项目为节点，根据交互信息确定边；
[0011]利用交互图训练基于图神经网络的初始推荐模型，获得训练后的推荐模型。
[0012]根据本说明书实施例的第二方面，提供了一种推荐方法，包括：
[0013]获取待推荐对象，其中，待推荐对象包括待推荐用户或待推荐项目；
[0014]将待推荐对象输入训练后的推荐模型，获得推荐结果，其中，推荐模型为利用如本说明书实施例第一方面提供的推荐模型训练方法训练得到。
[0015]根据本说明书实施例的第三方面，提供了一种推荐模型训练装置，包括：
[0016]第一获取模块，被配置为获取若干个样本用户，若干个样本项目，以及样本用户与样本项目的交互信息；
[0017]筛选模块，被配置为根据交互信息，从若干个样本用户中筛选出多交互样本用户以及少交互样本用户；
[0018]计算模块，被配置为利用多交互样本用户与样本项目的交互信息，计算多交互样
本用户的嵌入编码以及样本项目的嵌入编码；
[0019]确定模块，被配置为确定少交互样本用户的嵌入编码；
[0020]设置模块，被配置为利用多交互样本用户的嵌入编码，样本项目的嵌入编码，以及少交互样本用户的嵌入编码，设置交互图的节点的特征信息，其中，交互图中以样本用户以及样本项目为节点，根据交互信息确定边；
[0021]训练模块，被配置为利用交互图训练基于图神经网络的初始推荐模型，获得训练后的推荐模型。
[0022]根据本说明书实施例的第四方面，提供了一种推荐装置，包括：
[0023]第二获取模块，被配置为获取待推荐对象；
[0024]推荐模块，被配置为将待推荐对象输入训练后的推荐模型，获得推荐结果，其中，推荐模型为利用如本说明书实施例第一方面提供的推荐模型训练方法训练得到。
[0025]根据本说明书实施例的第五方面，提供了一种计算设备，包括：
[0026]存储器和处理器；
[0027]所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现本说明书实施例第一方面或第二方面所提供的方法的步骤。
[0028]根据本说明书实施例的第六方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现本说明书实施例第一方面或第二方面所提供的方法的步骤。
[0029]根据本说明书实施例的第七方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行本说明书实施例第一方面或第二方面所提供的方法的步骤。
[0030]本说明书一个实施例提供的推荐模型训练方法，获取若干个样本用户，若干个样本项目，以及样本用户与样本项目的交互信息；根据交互信息，从若干个样本用户中筛选出多交互样本用户以及少交互样本用户；利用多交互样本用户与样本项目的交互信息，计算多交互样本用户的嵌入编码以及样本项目的嵌入编码；确定少交互样本用户的嵌入编码；利用多交互样本用户的嵌入编码，样本项目的嵌入编码，以及少交互样本用户的嵌入编码，设置交互图的节点的特征信息，其中，交互图中以样本用户以及样本项目为节点，根据交互信息确定边；利用交互图训练基于图神经网络的初始推荐模型，获得训练后的推荐模型。通过将若干个样本用户划分为多交互样本用户和少交互样本用户，实现了对样本用户的针对性处理，充分利用多交互样本用户与样本项目的交互信息，获得具有强表达性的嵌入编码，进一步利用交互图训练基于图神经网络的初始推荐模型，使得初始推荐模型快速收敛，生成准确性高的推荐模型。
附图说明
[0031]图1是本说明书一个实施例提供的推荐模型训练方法的应用场景示意图；
[0032]图2是本说明书一个实施例提供的应用于购物场景中的一种系统架构示意图；
[0033]图3是本说明书一个实施例提供的一种推荐模型训练方法的流程图；
[0034]图4是本说明书一个实施例提供的一种推荐方法的流程图；
[0035]图5是本说明书一个实施例提供的一种用户与项目之间的交互示意图；
[0036]图6是本说明书一个实施例提供的一种推荐模型训练中嵌入编码的计算过程示意图；
[0037]图7是本说明书一个实施例提供的一种推荐模型训练方法以及推荐方法的处理过程流程图；
[0038]图8是本说明书一个实施例提供的一种推荐模型训练装置的结构示意图；
[0039]图9是本说明书一个实施例提供的一种推荐装置的结构示意图；
[0040]图10是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
[0041]在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
[0042]在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种推荐模型训练方法，包括：获取若干个样本用户，若干个样本项目，以及所述样本用户与所述样本项目的交互信息；根据所述交互信息，从所述若干个样本用户中筛选出多交互样本用户以及少交互样本用户；利用所述多交互样本用户与所述样本项目的交互信息，计算所述多交互样本用户的嵌入编码以及所述样本项目的嵌入编码；确定所述少交互样本用户的嵌入编码；利用所述多交互样本用户的嵌入编码，所述样本项目的嵌入编码，以及所述少交互样本用户的嵌入编码，设置交互图的节点的特征信息，其中，所述交互图中以所述样本用户以及所述样本项目为节点，根据所述交互信息确定边；利用所述交互图训练基于图神经网络的初始推荐模型，获得训练后的推荐模型。2.根据权利要求1所述的方法，所述交互信息包括交互次数；所述根据所述交互信息，从所述若干个样本用户中筛选出多交互样本用户以及少交互样本用户的步骤，包括：针对所述若干个样本用户和所述若干个样本项目，计算所述交互次数占全体用户交互次数集合的交互比例；根据所述交互比例，确定所述多交互样本用户以及少交互样本用户。3.根据权利要求1所述的方法，所述利用所述多交互样本用户与所述样本项目的交互信息，计算所述多交互样本用户的嵌入编码以及所述样本项目的嵌入编码的步骤，包括：将所述多交互样本用户与所述样本项目的交互信息输入预先设置的深度模型中，获得所述多交互样本用户的嵌入编码以及所述样本项目的嵌入编码。4.根据权利要求1所述的方法，所述确定所述少交互样本用户的嵌入编码的步骤，包括：确定与所述少交互样本用户相邻的多交互样本用户，其中，所述少交互样本用户与所述多交互样本用户有共同交互的样本项目；对所述相邻的多交互样本用户的嵌入编码进行池化，生成所述少交互样本用户的嵌入编码。5.根据权利要求1所述的方法，所述利用所述多交互样本用户的嵌入编码，所述样本项目的嵌入编码，以及所述少交互样本用户的嵌入编码，设置交互图的节点的特征信息的步骤之前，还包括：将所述若干个样本用户和所述若干个样本项目，确定为交互图中的各节点，并将所述样本用户与所述样本项目的交互信息确定为所述交互图中的边；基于所述交互图中的各节点和所述交互图中的边构建交互图；分别获取所述若干个样本用户和所述若干个样本项目的属性信息，并将所述属性信息确定为所述交互图中各节点的初始特征信息。6.根据权利要求1所述的方法，所述利用所述多交互样本用户的嵌入编码，所述样本项目的嵌入编码，以及所述少交互样本用户的嵌入编码，设置交互图的节点的特征信息的步骤，包括：分别将所述多交互样...
【专利技术属性】
技术研发人员：肖林辰，邓佳佶，于飞，许涛，陆鑫，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。