本申请提供了一种用户推荐方法，该方法通过获取用户的历史点击内容与待推荐内容，然后根据历史点击内容与知识图谱，确定基于该待推荐内容的该用户的用户特征，然后根据用户特征与知识图谱，确定经过实体映射的第一知识图谱，然后对第一知识图谱进行局部采样与全局采样，获取待推荐内容的内容特征，最终基于用户特征与内容特征对该待推荐内容进行预测，从而提高更准确的预测方法。提高更准确的预测方法。提高更准确的预测方法。
【技术实现步骤摘要】
用户推荐方法、装置、设备及介质
[0001]本申请涉及计算机
，尤其涉及一种用户推荐方法、装置、设备以及计算机可读存储介质、计算机程序产品。
技术介绍
[0002]用户推荐是指将待推荐的内容推荐给用户。当用户被推荐到感兴趣的内容时，会进行进一步查看，从而提高用户粘性，使内容获得更高的曝光度。而如何确定用户对该内容感兴趣成为业界关注的问题。
[0003]知识图谱通常包括丰富的实体以及实体与实体之间的连接关系，因此通常可以基于知识图谱进行用户推荐。然而相关技术中仅关注最邻近的局部信息，导致推荐不够准确。
[0004]因此，亟需一种能够准确的用户推荐方法。
技术实现思路
[0005]本申请提供了一种用户推荐方法。该方法能够结合知识图谱进行准确的用户推荐。本申请还提供了该方法对应的装置、设备、计算机可读存储介质以及计算机程序产品。
[0006]第一方面，本申请提供了一种用户推荐方法，该方法包括：
[0007]获取用户的历史点击内容与待推荐内容；
[0008]根据所述历史点击内容与知识图谱，确定基于所述待推荐内容的所述用户的用户特征；
[0009]根据所述用户特征与所述知识图谱，确定经过实体映射的第一知识图谱；
[0010]对所述第一知识图谱进行局部采样与全局采样，获取待推荐内容的内容特征；
[0011]基于所述用户特征与所述内容特征对所述待推荐内容进行预测。
[0012]在一些可能的实现方式中，所述根据所述历史点击内容与知识图谱，确定基于所述待推荐内容的用户特征，包括：
[0013]根据所述历史点击内容与知识图谱，确定所述用户对应的第二知识图谱，所述第二知识图谱包括多个第二子知识图谱；
[0014]根据所述第二知识图谱，确定基于所述待推荐内容的用户特征。
[0015]在一些可能的实现方式中，所述第二子知识图谱包括所述历史点击内容。
[0016]在一些可能的实现方式中，所述对所述第一知识图谱进行局部采样与全局采样，获取待推荐内容的内容特征，包括：
[0017]对所述第一知识图谱进行局部采样，获取所述待推荐内容的局部特征；
[0018]对所述第一知识图谱进行全局采样，获取所述待推荐内容的全局特征；
[0019]根据所述局部特征与所述全局特征，获取待推荐内容的内容特征。
[0020]在一些可能的实现方式中，所述对所述第一知识图谱进行局部采样，获取所述待推荐内容的局部特征，包括：
[0021]对所述第一知识图谱进行局部采样，获得局部采样结果；
[0022]基于注意力机制确定所述局部采样结果的权重；
[0023]根据所述注意力机制与所述局部采样结果，对所述局部采样结果进行聚合，获得所述待推荐内容的局部特征。
[0024]在一些可能的实现方式中，所述对所述第一知识图谱进行全局采样，获取所述待推荐内容的全局特征，包括：
[0025]通过随机游走的方式对所述第一知识图谱进行全局采样，获取所述待推荐内容的全局特征。
[0026]在一些可能的实现方式中，所述对所述局部采样结果进行聚合，包括：
[0027]通过拼接、相加以及综合卷积中的至少一种方式对所述局部采样结果进行聚合。
[0028]第二方面，本申请提供了一种用户推荐装置，该装置包括：
[0029]获取模块，用于获取用户的历史点击内容与待推荐内容；
[0030]第一确定模块，用于根据所述历史点击内容与知识图谱，确定基于所述待推荐内容的所述用户的用户特征；
[0031]第二确定模块，用于根据所述用户特征与所述知识图谱，确定经过实体映射的第一知识图谱；
[0032]采样模块，用于对所述第一知识图谱进行局部采样与全局采样，获取待推荐内容的内容特征；
[0033]预测模块，用于基于所述用户特征与所述内容特征对所述待推荐内容进行预测。
[0034]在一些可能的实现方式中，所述第一确定模块具体用于：
[0035]根据所述历史点击内容与知识图谱，确定所述用户对应的第二知识图谱，所述第二知识图谱包括多个第二子知识图谱；
[0036]根据所述第二知识图谱，确定基于所述待推荐内容的用户特征。
[0037]在一些可能的实现方式中，所述第二子知识图谱包括所述历史点击内容。
[0038]在一些可能的实现方式中，所述采样模块具体用于：
[0039]对所述第一知识图谱进行局部采样，获取所述待推荐内容的局部特征；
[0040]对所述第一知识图谱进行全局采样，获取所述待推荐内容的全局特征；
[0041]根据所述局部特征与所述全局特征，获取待推荐内容的内容特征。
[0042]在一些可能的实现方式中，所述采样模块具体用于：
[0043]对所述第一知识图谱进行局部采样，获得局部采样结果；
[0044]基于注意力机制确定所述局部采样结果的权重；
[0045]根据所述注意力机制与所述局部采样结果，对所述局部采样结果进行聚合，获得所述待推荐内容的局部特征。
[0046]在一些可能的实现方式中，所述采样模块具体用于：
[0047]通过随机游走的方式对所述第一知识图谱进行全局采样，获取所述待推荐内容的全局特征。
[0048]在一些可能的实现方式中，所述采样模块具体用于：
[0049]通过拼接、相加以及综合卷积中的至少一种方式对所述局部采样结果进行聚合。
[0050]第三方面，本申请提供一种设备，设备包括处理器和存储器。处理器、存储器进行相互的通信。处理器用于执行存储器中存储的指令，以使得设备执行如第一方面或第一方
面的任一种实现方式中的用户推荐方法。
[0051]第四方面，本申请提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，指令指示设备执行上述第一方面或第一方面的任一种实现方式所述的用户推荐方法。
[0052]第五方面，本申请提供了一种包含指令的计算机程序产品，当其在设备上运行时，使得设备执行上述第一方面或第一方面的任一种实现方式所述的用户推荐方法。
[0053]本申请在上述各方面提供的实现方式的基础上，还可以进行进一步组合以提供更多实现方式。
[0054]从以上技术方案可以看出，本申请实施例具有以下优点：
[0055]本申请实施例提供了一种用户推荐方法，该方法通过获取用户的历史点击内容与待推荐内容，然后根据历史点击内容与知识图谱，确定基于该待推荐内容的该用户的用户特征，然后根据用户特征与知识图谱，确定经过实体映射的第一知识图谱，然后对第一知识图谱进行局部采样与全局采样，获取待推荐内容的内容特征，最终基于用户特征与内容特征对该待推荐内容进行预测，从而提高更准确的预测方法。
附图说明
[0056]为了更清楚地说明本申请实施例的技术方法，下面将对实施例中所需使用的附图作以简单地介绍，显而易见地，下面描述中的附本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用户推荐方法，其特征在于，所述方法包括：获取用户的历史点击内容与待推荐内容；根据所述历史点击内容与知识图谱，确定基于所述待推荐内容的所述用户的用户特征；根据所述用户特征与所述知识图谱，确定经过实体映射的第一知识图谱；对所述第一知识图谱进行局部采样与全局采样，获取待推荐内容的内容特征；基于所述用户特征与所述内容特征对所述待推荐内容进行预测。2.根据权利要求1所述的方法，其特征在于，所述根据所述历史点击内容与知识图谱，确定基于所述待推荐内容的用户特征，包括：根据所述历史点击内容与知识图谱，确定所述用户对应的第二知识图谱，所述第二知识图谱包括多个第二子知识图谱；根据所述第二知识图谱，确定基于所述待推荐内容的用户特征。3.根据权利要求2所述的方法，其特征在于，所述第二子知识图谱包括所述历史点击内容。4.根据权利要求1所述的方法，其特征在于，所述对所述第一知识图谱进行局部采样与全局采样，获取待推荐内容的内容特征，包括：对所述第一知识图谱进行局部采样，获取所述待推荐内容的局部特征；对所述第一知识图谱进行全局采样，获取所述待推荐内容的全局特征；根据所述局部特征与所述全局特征，获取待推荐内容的内容特征。5.根据权利要求4所述的方法，其特征在于，所述对所述第一知识图谱进行局部采样，获取所述待推荐内容的局部特征，包括：对所述第一知识图谱进行局部采样，获得局部采样结果；基于注意力...
【专利技术属性】
技术研发人员：胡志飞，
申请(专利权)人：上海汽车集团股份有限公司，
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。