【技术实现步骤摘要】
推荐多媒体物料的方法、装置、电子设备及存储介质
[0001]本申请涉及数据处理
，具体涉及一种推荐多媒体物料的方法、装置、电子设备及存储介质。
技术介绍
[0002]由于互联网中持续增加的海量数据，个性化推荐系统的应用越来越重要。个性化推荐系统负责将用户感兴趣的数据推荐给用户，提升用户的使用体验。
[0003]个性化推荐系统通常由召回模块和排序模块组成。召回模块用于从百万级候选数据库中筛选出千级用户可能感兴趣的数据，组成召回数据库；排序模块用于给召回数据库中的数据打分，依据分数选择出用户最感兴趣的数据，推荐给用户。
[0004]目前的个性化推荐系统中召回模块通常使用的图卷积神经网络模型(Graph Convolutional Network,GCN)使用直推式学习方法，需要从完整的用户历史行为构图中捕捉图的全局信息，来学习多媒体物料的嵌入表示。当召回模块应用到大规模图时，资源消耗大且产出效率低，影响推荐的精准度。
技术实现思路
[0005]本申请实施例的目的是提供一种推荐多媒体物料的方法...
【技术保护点】
【技术特征摘要】
1.一种推荐多媒体物料的方法，其特征在于，包括：根据数据库中的多个第一多媒体物料构造物料关系图，所述物料关系图包括图节点和边，其中，所述图节点用于表示所述第一多媒体物料，所述边用于表示所连接的两个图节点具有关联关系；将所述物料关系图输入训练后的目标模型进行特征聚合，得到与每个所述第一多媒体物料相对应的第一嵌入表示，所述第一嵌入表示聚合了对应的第一多媒体物料的特征和与所述第一多媒体物料有关联关系的其他第一多媒体物料的特征；根据目标用户对应的至少一个第二多媒体物料，确定用于表示所述目标用户兴趣特征的第二嵌入表示，所述第二多媒体物料是多个所述第一多媒体物料中目标用户产生历史交互行为的物料；根据每个第三多媒体物料对应的第一嵌入表示、以及所述第二嵌入表示，确定每个所述第三多媒体物料对应的兴趣值，所述第三多媒体物料是多个所述第一多媒体物料中目标用户未产生历史交互行为的物料；根据每个所述第三多媒体物料对应的兴趣值，确定兴趣值符合预设条件的目标第三多媒体物料，以进行物料推荐。2.根据权利要求1所述的方法，其中，所述将所述物料关系图输入训练后的目标模型进行特征聚合，得到与每个所述第一多媒体物料相对应的第一嵌入表示，包括：分别对所述物料关系图中的每个图节点进行采样，构造与每个采样图节点相对应的物料关系子图，其中，所述物料关系子图包括对应的采样图节点和与其有关联关系的关联图节点；将所述物料关系子图输入训练后的目标模型进行特征聚合，获得所述采样图节点的第一嵌入表示，所述第一嵌入表示聚合了所述采样图节点和各个所述关联图节点的特征。3.根据权利要求2所述的方法，其中，所述将所述物料关系子图输入训练后的目标模型进行特征聚合，获得所述采样图节点的第一嵌入表示包括：获取所述物料关系子图中所述采样图节点和各个所述关联图节点的第一初始嵌入表示；对各个所述关联图节点的第一初始嵌入表示进行聚合，生成关联图节点的第一中间聚合嵌入表示；将所述第一中间聚合嵌入表示和所述采样图节点的第一初始嵌入表示进行拼接处理，得到所述采样图节点的第一嵌入表示。4.根据权利要求3所述的方法，其中，所述采样包括至少一层，所述将所述物料关系子图输入训练后的目标模型进行特征聚合，获得所述采样图节点的第一嵌入表示，包括：所述采样图节点的第一嵌入表示通过如下公式确定：其中，v表示所述采样图节点，u表示所述采样图节点v的一个关联图节点，k表示采样层数，表示第k
‑
1层所述关联图节点u的第一初始嵌入表示,N(v)表示所述采样图节点v的关联图节点的集合，表示平均聚合处理。5.根据权利要求1所述的方法，其中，所述根据目标用户对应的至少一个第二多媒体物
料，确定用于表示所述目标用户兴趣特征的第二嵌入表示，包括：从多个所述第一多媒体物料中获取目标用户产生历史交互行为的至少一个第二多媒体物料；根据各个所述第二多媒体物料的第一嵌入表示，确定用于表示所述目标用户兴趣特征的第二嵌入表示。6.根据权利要求1所述的方法，其特征在于，所述根据每个第三多媒体物料对应的第一嵌入表示...
【专利技术属性】
技术研发人员：吴睿，梦迪，方舒，焦飞，
申请(专利权)人：微梦创科网络科技中国有限公司，
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。