资源推荐方法、训练方法、装置、电子设备及存储介质制造方法及图纸

本公开关于一种资源推荐方法、训练方法、装置、电子设备及存储介质，该资源推荐方法包括：在账户资源关系图中获取与目标账户具有关联关系的至少一个候选资源，并获取与目标资源具有关联关系的至少一个候选账户；通过第一特征表示网络根据目标账户的账户特征和至少一个候选资源的资源特征，确定目标账户的账户图特征，通过第二特征表示网络根据目标资源的资源特征和至少一个候选账户的账户特征，确定目标资源的资源图特征；通过推荐信息预测网络对账户图特征和资源图特征进行处理，确定是否向目标账户推荐目标资源的推荐信息；第一特征表示网络、第二特征表示网络和推荐信息预测网络是联合训练得到的资源推荐模型。本公开提高了资源推荐的准确性。资源推荐的准确性。资源推荐的准确性。

【技术实现步骤摘要】
资源推荐方法、训练方法、装置、电子设备及存储介质


[0001]本公开涉及互联网
，尤其涉及一种资源推荐方法、训练方法、装置、电子设备及存储介质。

技术介绍

[0002]相关技术中，基于图特征表示的资源推荐模型在训练时，一般是分阶段进行训练的，即基于离线构建的大规模关系图，第一阶段基于DeepWalk或GraphSage等算法流式训练模型产出图特征表示；第二阶段再把产出的图特征表示离线计算召回，或者直接作为固定特征拼接到排序模型作为特征使用。
[0003]由于分阶段进行训练，第二阶段必须在第一阶段训练完成后再进行训练，导致时效性较差，而且在推荐时也存在着推荐准确性低的问题。

技术实现思路

[0004]本公开提供一种资源推荐方法、训练方法、装置、电子设备及存储介质，以至少解决相关技术中训练时效性低以及推荐准确性低的问题。本公开的技术方案如下：
[0005]根据本公开实施例的第一方面，提供一种资源推荐方法，包括：
[0006]在账户资源关系图中获取与目标账户具有关联关系的至少一个候选资源，并在所述账户资源关系图中获取与目标资源具有关联关系的至少一个候选账户，其中，所述账户资源关系图是基于账户与资源之间的关联关系构建的异构图；
[0007]通过第一目标特征表示网络根据所述目标账户的账户特征和至少一个所述候选资源的资源特征，确定所述目标账户的账户图特征，并通过第二目标特征表示网络根据所述目标资源的资源特征和至少一个所述候选账户的账户特征，确定所述目标资源的资源图特征；/>[0008]通过目标推荐信息预测网络对所述账户图特征和所述资源图特征进行处理，确定是否向所述目标账户推荐所述目标资源的推荐信息；
[0009]其中，所述第一目标特征表示网络、所述第二目标特征表示网络和所述目标推荐信息预测网络是联合训练得到的资源推荐模型。
[0010]可选的，所述通过第一目标特征表示网络根据所述目标账户的账户特征和至少一个所述候选资源的资源特征，确定所述目标账户的账户图特征，包括：
[0011]通过所述第一目标特征表示网络对至少一个所述候选资源的资源特征进行融合，得到资源融合特征；
[0012]通过所述第一目标特征表示网络将所述目标账户的账户特征和所述资源融合特征拼接为所述目标账户的账户图特征。
[0013]可选的，所述通过第二目标特征表示网络根据所述目标资源的资源特征和至少一个所述候选账户的账户特征，确定所述目标资源的资源图特征，包括：
[0014]通过所述第二目标特征表示网络对至少一个所述候选账户的账户特征进行融合，
得到账户融合特征；
[0015]通过所述第二目标特征表示网络将所述目标资源的资源特征和所述账户融合特征拼接为所述目标资源的资源图特征。
[0016]可选的，在所述通过目标推荐信息预测网络对所述账户图特征和所述资源图特征进行处理之前，还包括：
[0017]获取所述目标账户的账户统计特征，并获取述目标资源的资源统计特征；
[0018]将所述账户统计特征和所述资源统计特征拼接为统计特征；
[0019]所述通过目标推荐信息预测网络对所述账户图特征和所述资源图特征进行处理，确定是否向所述目标账户推荐所述目标资源的推荐信息，包括：
[0020]通过所述目标推荐信息预测网络对所述统计特征、所述账户图特征和所述资源图特征进行处理，确定是否向所述目标账户推荐所述目标资源的推荐信息。
[0021]根据本公开实施例的第二方面，提供一种资源推荐模型的训练方法，包括：
[0022]获取样本账户与样本资源之间的推荐信息标注；
[0023]在账户资源关系图中获取与所述样本账户具有关联关系的至少一个资源，作为账户候选资源，并在所述账户资源关系图中获取与所述样本资源具有关联关系的至少一个账户，作为资源候选账户，其中，所述账户资源关系图是基于账户与资源之间的关联关系构建的异构图；
[0024]通过第一特征表示网络根据所述样本账户的样本账户特征和至少一个所述账户候选资源的资源特征，确定所述样本账户的样本账户图特征，并通过第二特征表示网络根据所述样本资源的样本资源特征和至少一个所述资源候选账户的账户特征，确定所述样本资源的样本资源图特征；
[0025]通过推荐信息预测网络对所述样本账户图特征和所述样本资源图特征进行处理，确定是否向所述样本账户推荐所述样本资源的预测推荐信息；
[0026]根据所述预测推荐信息和所述推荐信息标注之间的差异，训练所述第一特征表示网络、所述第二特征表示网络和所述推荐信息预测网络，得到资源推荐模型。
[0027]可选的，所述根据所述预测推荐信息和所述推荐信息标注之间的差异，训练所述第一特征表示网络、所述第二特征表示网络和所述推荐信息预测网络，得到资源推荐模型，包括：
[0028]根据所述预测推荐信息和所述推荐信息标注之间的差异，确定第一损失函数值；
[0029]根据所述第一损失函数值，对所述第一特征表示网络、第二特征表示网络和所述推荐信息预测网络的网络参数进行调整，得到第一目标特征表示网络、第二目标特征表示网络和目标推荐信息预测网络；
[0030]根据所述第一目标特征表示网络、所述第二目标特征表示网络和所述目标推荐信息预测网络，确定所述资源推荐模型。
[0031]可选的，在所述根据所述第一损失函数值，对所述第一特征表示网络、第二特征表示网络和所述推荐信息预测网络的网络参数进行调整之前，还包括：
[0032]在所述账户资源关系图中获取所述样本账户所对应的正样本资源和负样本资源，并在所述账户资源关系图中获取所述样本资源所对应的正样本账户和负样本账户；
[0033]通过所述第二特征表示网络确定所述正样本资源的正样本资源图特征，通过所述
第二特征表示网络确定所述负样本资源的负样本资源图特征，通过所述第一特征表示网络确定所述正样本账户的正样本账户图特征，并通过所述第一特征表示网络确定所述负样本账户的负样本账户图特征；
[0034]根据所述样本账户图特征、样本资源图特征、正样本资源图特征、负样本资源图特征、正样本账户图特征和所述负样本账户图特征，确定第二损失函数值；
[0035]所述根据所述第一损失函数值，对所述第一特征表示网络、第二特征表示网络和所述推荐信息预测网络的网络参数进行调整，包括：
[0036]根据所述第一损失函数值和所述第二损失函数值，对所述第一特征表示网络、第二特征表示网络和所述推荐信息预测网络的网络参数进行调整。
[0037]可选的，所述在账户资源关系图中获取所述样本账户所对应的正样本资源和负样本资源，包括：
[0038]在所述账户资源关系图中获取与所述样本账户具有关联关系的至少一个资源，作为所述样本账户所对应的正样本资源，并在所述账户资源关系图中获取与所述样本账户无关联关系的至少一个资源，作为所述样本账户所对应的负样本资源；
[0039]所述在所述本文档来自技高网...

【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，包括：在账户资源关系图中获取与目标账户具有关联关系的至少一个候选资源，并在所述账户资源关系图中获取与目标资源具有关联关系的至少一个候选账户，其中，所述账户资源关系图是基于账户与资源之间的关联关系构建的异构图；通过第一目标特征表示网络根据所述目标账户的账户特征和至少一个所述候选资源的资源特征，确定所述目标账户的账户图特征，并通过第二目标特征表示网络根据所述目标资源的资源特征和至少一个所述候选账户的账户特征，确定所述目标资源的资源图特征；通过目标推荐信息预测网络对所述账户图特征和所述资源图特征进行处理，确定是否向所述目标账户推荐所述目标资源的推荐信息；其中，所述第一目标特征表示网络、所述第二目标特征表示网络和所述目标推荐信息预测网络是联合训练得到的资源推荐模型。2.根据权利要求1所述的方法，其特征在于，所述通过第一目标特征表示网络根据所述目标账户的账户特征和至少一个所述候选资源的资源特征，确定所述目标账户的账户图特征，包括：通过所述第一目标特征表示网络对至少一个所述候选资源的资源特征进行融合，得到资源融合特征；通过所述第一目标特征表示网络将所述目标账户的账户特征和所述资源融合特征拼接为所述目标账户的账户图特征。3.根据权利要求1或2所述的方法，其特征在于，所述通过第二目标特征表示网络根据所述目标资源的资源特征和至少一个所述候选账户的账户特征，确定所述目标资源的资源图特征，包括：通过所述第二目标特征表示网络对至少一个所述候选账户的账户特征进行融合，得到账户融合特征；通过所述第二目标特征表示网络将所述目标资源的资源特征和所述账户融合特征拼接为所述目标资源的资源图特征。4.根据权利要求1或2所述的方法，其特征在于，在所述通过目标推荐信息预测网络对所述账户图特征和所述资源图特征进行处理之前，还包括：获取所述目标账户的账户统计特征，并获取述目标资源的资源统计特征；将所述账户统计特征和所述资源统计特征拼接为统计特征；所述通过目标推荐信息预测网络对所述账户图特征和所述资源图特征进行处理，确定是否向所述目标账户推荐所述目标资源的推荐信息，包括：通过所述目标推荐信息预测网络对所述统计特征、所述账户图特征和所述资源图特征进行处理，确定是否向所述目标账户推荐所述目标资源的推荐信息。5.一种资源推荐模型的训练方法，其特征在于，包括：获取样本账户与样本资源之间的推荐信息标注；在账户资源关系图中获取与所述样本账户具有关联关系的至少一个资源，作为账户候选资源，并在所述账户资源关系图中获取与所述样本资源具有关联关系的至少一个账户，作为资源候选账户，其中，所述账户资源关系图是基于账户与资源之间的关联关系构建的
异构图；通过第一特征表示网络根据所述样本账户的样本账户特征和至少一个所述账户候选资源的资源特征，确定所述样本账户的样本账户图特征，并通过第二特征表示网络根据所述样本资源的样本资源特征和至少一个所述资源候选账户的账户特征，确定所述样本资源的样本资源图特征；通过推荐信息预测网络对所述样本账户图特征和所述样本资源图特征进行处理，确定是否向所述样本账户推荐所述样本资源的预测推荐信息；根据所述预测推荐信息和所述推荐信息标注之间的差异，训练所述第一特征表示网络、所述第二特征表示网络和所述推荐信息预测网络，得到资源推荐模型。6.根据权利要求5所述的方法，其特征在于，所述根据所述预测推荐信息和所述推荐信息标注之间的差异，训练所述第一特征表示网络、所述第二特征表示网络和所述推荐信息预测网络，得到资源推荐模型，包括：根据所述预测推荐信息和所述推荐信息标注之间的差异，确定第一损失函数值；根据所述第一损失函数值，对所述第一特征表示网络、第二特征表示网络和所述推荐信息预测网络的网络参数进行调整，得到第一目标特征表示网络、第二目标特征表示网络和目标推荐信息预测网络；根据所述第一目标特征表示网络、所述第二目标特征表示网络和所述目标推荐信息预测网络，确定所述资源推荐模型。7.根据权利要求6所述的方法，其特征在于，在所述根据所述第一损失函数值，对所述第一特征表示网络、第二特征表示网络和所述推荐信息预测网络的网络参数进行调整之前，还包括：在所述账户资源关系图中获取所述样本账户所对应的正样本资源和负样本资源，并在所述账户资源关系图中获取所述样本资源所对应的正样本账户和负样本账户；通过所述第二特征表示网络确定所述正样本资源的正样本资源图特征，通过所述第二特征表示网络确定所述负样本资源的负样本资源图特征，通过所述第一特征表示网络确定所述正样本账户的正样本账户图特征，并通过所述第一特征表示网络确定所述负样本账户的负样本账户图特征；根据所述样本账户图特征、样本资源图特征、正样本资源图特征、负样本资源图特征、正样本账户图特征和所述负样本账户图特征，确定第二损失函数值；所述根据所述第一损失函数值，对所述第一特征表示网络、第二特征表示网络和所述推荐信息预测网络的网络参数进行调整，包括：根据所述第一损失函数值和所述第二损失函数值，对所述第一特征表示网络、第二特征表示网络和所述推荐信息预测网络的网络参数进行调整。8.根据权利要求7所述的方法，其特征在于，所述在账户资源关系图中获取所述样本账户所对应的正样本资源和负样本资源，包括：在所述账户资源关系图中获取与所述样本账户具有关联关系的至少一个资源，作为所述样本账户所对应的正样本资源，并在所述账户资源关系图中获取与所述样本账户无关联关系的至少一个资源，作为所述样本账户所对应的负样本资源；所述在所述账户资源关系图中获取所述样本资源所对应的正样本账户和负样本账户，
包括：在所述账户资源关系图中获取与所述样本资源具有关联关系的至少一个账户，作为所述样本资源所对应的正样本账户，并在所述账户资源关系图中获取与所述样本资源无关联关系的至少一个账户，作为所述样本资源所对应的负样本账户。9.根据权利要求7或8所述的方法，其特征在于，所述通过所述第二特征表示网络确定所述正样本资源的正样本资源图特征，包括：在所述账户资源关系图中获取与所述正样本...

【专利技术属性】
技术研发人员：张学森，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：