生成推荐列表的方法、装置、存储介质及电子设备制造方法及图纸

本申请公开了一种生成推荐列表的方法、装置、存储介质及电子设备。其中，该方法包括：构建包含第一对象与目标项目的项目结构图，从项目结构图中确定第一对象与目标项目之间的连接矩阵；根据连接矩阵计算第一对象与其他对象的相似度；获取预设相似度，基于预设相似度与相似度对其他对象进行筛选，得到与第一对象相似的第二对象集合；将第一对象与第二对象集合中各个第二对象在图中进行连接，得到第一对象与各个第二对象的关系图；获取对象与目标项目的关系矩阵，根据关系图与关系矩阵生成推荐列表。本申请解决了由于相关技术中执行推荐任务的过程中，忽略用户或者项目的边信息造成的推荐结果不准确、推荐质量较差以及冷启动的技术问题。问题。问题。

【技术实现步骤摘要】
生成推荐列表的方法、装置、存储介质及电子设备


[0001]本申请涉及大数据推荐领域，具体而言，涉及一种生成推荐列表的方法、装置、存储介质及电子设备。

技术介绍

[0002]在过去的几十年里，深度学习模型由于能够解决许多复杂的任务，已经在更广泛的应用中得到了研究。而推荐系统是深度学习应用的一个领域，深度学习可以捕获非线性的用户
‑
项目关系，并从不同的数据源捕获数据中的特征值，如视觉、文本和上下文，因此深度学习为推荐系统带来了许多性能改进。
[0003]近年来，深度学习模型让推荐模型实现了较为先进的推荐任务，许多公司应用深度学习来提高其推荐质量。例如，奈飞公司在推荐系统中利用限制玻尔兹曼机器(RBM
‑
CF)实现了高质量的影片推荐，具体来说，其使用自动编码器来预测影片评级。近年来所提出的模型都比传统模型有了显著的改进，然而，现有的深度学习模型没有考虑关于用户或项目的边信息(例如用户的年龄、性别、工作背景)，这些信息与用户高度相关，可以更好的提高推荐系统的质量。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本申请实施例提供了一种生成推荐列表的方法、装置、存储介质及电子设备，以至少解决由于相关技术中执行推荐任务的过程中，忽略用户或者项目的边信息造成的推荐结果不准确、推荐质量较差以及冷启动的技术问题。
[0006]根据本申请实施例的一个方面，提供了一种生成推荐列表的方法，包括：构建包含第一对象与目标项目的项目结构图，从项目结构图中确定第一对象与目标项目之间的连接矩阵，其中，项目结构图用于指示以图形化的行为表示项目与对象之间的关联关系；根据连接矩阵计算第一对象与其他对象的相似度；获取预设相似度，基于预设相似度与相似度对其他对象进行筛选，得到与第一对象相似的第二对象集合；将第一对象与第二对象集合中各个第二对象在图中进行连接，得到第一对象与各个第二对象的关系图；获取对象与目标项目的关系矩阵，根据关系图与关系矩阵生成推荐列表，其中，对象包括：第一对象与第二对象。
[0007]可选地，根据关系图与关系矩阵生成推荐列表，包括：基于关系图确定第一对象对应的第一特征向量，获取第一对象边信息对应的第二特征向量；根据第一特征向量、第二特征向量与关系矩阵生成推荐列表。
[0008]可选地，根据第一特征向量、第二特征向量与关系矩阵生成推荐列表，包括：对第一特征向量与第二特征向量做结合处理，得到第三特征向量；将第三特征向量分解为编码器隐藏层向量，对隐藏量向量进行聚类分析，得到第一对象与第二对象各自对应的簇信息矩阵；基于关系矩阵与簇信息矩阵得到对象
‑
簇矩阵，根据每个对象所属簇对应的项目信息
为每个对象生成推荐列表。
[0009]可选地，对隐藏量向量进行聚类分析，得到第一对象与第二对象各自对应的簇信息矩阵，包括：从隐藏层向量中随机选取K个对象的作为初始的簇中心；计算每个对象对应的隐藏层向量到各个簇中心的距离，将对象划分至距离最近的簇中心所对应的簇中；获取每个簇内所有对象隐藏层向量的均值，并利用该均值更新簇中心；重复执行上述更新过程，直到簇中心位置变化小于预定阈值或者达到预设最大迭代次数，输出对象各自对应的簇信息矩阵。
[0010]可选地，基于关系矩阵与簇信息矩阵得到对象
‑
簇矩阵，包括：将关系矩阵与簇信息矩阵相乘得到对象
‑
簇矩阵。
[0011]可选地，根据每个对象所属簇对应的项目信息为每个对象生成推荐列表，包括：确定对象
‑
簇矩阵与簇信息矩阵的乘积为每个对象生成推荐列表。
[0012]可选地，基于预设相似度与相似度对其他对象进行筛选，得到与第一对象相似的第二对象集合，包括：将相似度与预设相似度进行比较，从相似度中筛选出大于预设相似度的其他对象为第二对象集合中的元素；根据筛选结果构建第二对象集合。
[0013]根据本申请实施例的另一方面，还提供了一种生成推荐列表的装置，包括：构建模块，用于构建包含第一对象与目标项目的项目结构图，从项目结构图中确定第一对象与目标项目之间的连接矩阵，其中，项目结构图用于指示以图形化的行为表示项目与对象之间的关联关系；计算模块，用于根据连接矩阵计算第一对象与其他对象的相似度；第一获取模块，用于获取预设相似度，基于预设相似度与相似度对其他对象进行筛选，得到与第一对象相似的第二对象集合；确定模块，用于将第一对象与第二对象集合中各个第二对象在图中进行连接，得到第一对象与各个第二对象的关系图；第二获取模块，用于获取对象与目标项目的关系矩阵，根据关系图与关系矩阵生成推荐列表，其中，对象包括：第一对象与第二对象。
[0014]根据本申请实施例的另一方面，还提供了一种非易失性存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行任意一种生成推荐列表的方法。
[0015]根据本申请实施例的另一方面，还提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为执行指令，以实现任意一种生成推荐列表的方法。
[0016]在本申请实施例中，采用引入边信息的方式，通过构建包含第一对象与目标项目的项目结构图，从项目结构图中确定第一对象与目标项目之间的连接矩阵，其中，项目结构图用于指示以图形化的行为表示项目与对象之间的关联关系；根据连接矩阵计算第一对象与其他对象的相似度；获取预设相似度，基于预设相似度与相似度对其他对象进行筛选，得到与第一对象相似的第二对象集合；将第一对象与第二对象集合中各个第二对象在图中进行连接，得到第一对象与各个第二对象的关系图；获取对象与目标项目的关系矩阵，根据关系图与关系矩阵生成推荐列表，其中，对象包括：第一对象与第二对象，从而实现了提高推荐准确度，以及推荐质量的技术效果，进而解决了由于相关技术中执行推荐任务的过程中，忽略用户或者项目的边信息造成的推荐结果不准确、推荐质量较差以及冷启动的技术问题。
附图说明
[0017]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0018]图1是根据本申请实施例一种可选的生成推荐列表的方法的流程示意图；
[0019]图2是本申请一实施例中一种可选的生成推荐列表的系统的结构示意图；
[0020]图3是本申请一实施例中生成推荐列表过程中的训练模型的流程示意图；
[0021]图4是根据本申请实施例的一种可选的生成推荐列表的装置的结构示意图。
具体实施方式
[0022]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生成推荐列表的方法，其特征在于，包括：构建包含第一对象与目标项目的项目结构图，从所述项目结构图中确定所述第一对象与目标项目之间的连接矩阵，其中，所述项目结构图用于指示以图形化的行为表示项目与对象之间的关联关系；根据所述连接矩阵计算所述第一对象与其他对象的相似度；获取预设相似度，基于所述预设相似度与所述相似度对所述其他对象进行筛选，得到与所述第一对象相似的第二对象集合；将所述第一对象与所述第二对象集合中各个第二对象在所述图中进行连接，得到所述第一对象与所述各个第二对象的关系图；获取对象与所述目标项目的关系矩阵，根据所述关系图与所述关系矩阵生成推荐列表，其中，所述对象包括：第一对象与所述第二对象。2.根据权利要求1所述的方法，其特征在于，根据所述关系图与所述关系矩阵生成推荐列表，包括：基于所述关系图确定所述第一对象对应的第一特征向量，获取所述第一对象边信息对应的第二特征向量；根据所述第一特征向量、所述第二特征向量与所述关系矩阵生成所述推荐列表。3.根据权利要求2所述的方法，其特征在于，根据所述第一特征向量、所述第二特征向量与所述关系矩阵生成所述推荐列表，包括：对所述第一特征向量与所述第二特征向量做结合处理，得到第三特征向量；将所述第三特征向量分解为编码器隐藏层向量，对所述隐藏量向量进行聚类分析，得到第一对象与所述第二对象各自对应的簇信息矩阵；基于所述关系矩阵与所述簇信息矩阵得到对象
‑
簇矩阵，根据每个对象所属簇对应的项目信息为所述每个对象生成推荐列表。4.根据权利要求3所述的方法，其特征在于，对所述隐藏量向量进行聚类分析，得到第一对象与所述第二对象各自对应的簇信息矩阵，包括：从所述隐藏层向量中随机选取K个对象的作为初始的簇中心；计算每个对象对应的隐藏层向量到各个簇中心的距离，将对象划分至距离最近的簇中心所对应的簇中；获取每个簇内所有对象隐藏层向量的均值，并利用该均值更新簇中心；重复执行上述更新过程，直到簇中心位置变化小于预定阈值或者达到预设最大迭代次数，输出所述对象各自对应的簇信息矩阵。5.根据...

【专利技术属性】
技术研发人员：张宇，李忠，谢国庆，胡林，尉乐，李秀芬，张宇峰，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：