用于推荐候选种子用户的方法和装置制造方法及图纸

本申请涉及用于推荐候选种子用户的方法和装置。一种用于推荐候选种子用户的方法，包括：获取包括用户的个人信息、用户的分享内容和关于用户之间的互动行为的数据，所述用户包括至少一个种子用户和至少一个候选用户；将数据输入到神经网络模型中，以得到用于表征所述用户的生产侧特征的生产侧向量和消费侧特征的消费侧向量；针对候选用户的生产侧向量构建向量检索服务；利用种子用户的生产侧向量，通过构建的向量检索服务，获得满足第一预定条件的候选用户作为第一候选种子用户；利用种子用户的消费侧向量，通过构建的向量检索服务，获得满足第二预定条件的候选用户作为第二候选种子用户；和推荐第一和第二候选种子用户作为结果候选种子用户。结果候选种子用户。结果候选种子用户。

【技术实现步骤摘要】
用于推荐候选种子用户的方法和装置


[0001]本公开涉及计算机
，特别涉及用于推荐候选种子用户的方法和装置。

技术介绍

[0002]目前在推荐系统中已有常规的推荐方法，诸如基于圈人算法或者lookalike算法的推荐方法，这种推荐方法通常以诸如能够产生优质创作的用户之类的目标用户作为种子用户，从而在候选用户中选择与该种子用户相似的用户。然而，受限于推荐方法的先验条件，推荐出的用户数可能少于预期。
[0003]因此，存在对于能够推荐更多候选用户的推荐方法的需求。

技术实现思路

[0004]本公开提供了用于推荐候选种子用户的方法和装置。
[0005]根据本公开的第一方面，提供了一种用于推荐候选种子用户的方法，包括：获取包括用户的个人信息、用户的分享内容和关于用户之间的互动行为的数据，所述用户包括至少一个种子用户和至少一个候选用户；将所述数据输入到神经网络模型中，以得到用于表征所述用户的生产侧特征的生产侧向量和用于表征所述用户的消费侧特征的消费侧向量；针对所述至少一个候选用户中每个候选用户的生产侧向量构建向量检索服务；利用所述至少一个种子用户的生产侧向量，通过构建的向量检索服务，获得满足第一预定条件的候选用户作为第一候选种子用户；利用所述至少一个种子用户的消费侧向量，通过构建的向量检索服务，获得满足第二预定条件的候选用户作为第二候选种子用户；和推荐第一候选种子用户和第二候选种子用户作为结果候选种子用户。
[0006]根据本公开的第二方面，提供了一种用于推荐候选种子用户的装置，包括：存储器，其上存储有指令；和处理器，被配置为基于所述存储器上存储的指令，执行根据本公开所述的方法。
[0007]根据本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机可执行指令，所述计算机可执行指令在由处理器运行时，使所述处理器执行根据本公开所述的方法。
[0008]所述至少一个候选用户可以是每月发布分享内容的次数为4次以上的用户；以及所述至少一个种子用户可以是经人工选择的目标用户。
[0009]根据本公开的方法还可以利用获取的数据构建图网络作为用于所述神经网络模型的数据，包括：基于所述数据，获得所述用户作为第一节点，获得分享内容作为第二节点，以及获得互动行为作为边；利用获得的第一节点、第二节点和边来构建图网络；以及将构建的图网络作为数据输入到所述神经网络模型中，以得到所述用户的生产侧向量和消费侧向量，所述神经网络模型包括GCN(Graph Neural Network，图卷积神经网络)模型。
[0010]关于用户之间的互动行为包括用户与其他用户之间的关于互动的直接行为和基于分享内容的间接行为；以及所述直接行为对应于单向边，而所述间接行为对应于双向边。
[0011]所述GCN模型可以包括GraphSAGE(Graph Sample and aggregate，图采样和聚合)模型。
[0012]根据本公开的方法还包括对神经网络模型进行改进，在所述神经网络模型中，根据发布分享内容的行为更新生产侧向量，并且根据除发布分享内容以外的其他行为更新消费侧向量。
[0013]根据本公开的方法可以对所述数据进行数据预处理，并将预处理后的数据用于所述神经网络模型，所述数据预处理包括：针对所述用户，删除其中用户的互动行为次数小于预定最小次数和大于预定最大次数的所述用户；针对分享内容，根据关于除发布分享内容以外的其他行为的次数的排序，删除其中排序结果不满足预定排序条件的分享内容；和针对互动行为，在互动行为次数大于预定次数的情况下，对互动行为进行随机删除处理，使得随机删除处理后的互动行为次数达预定次数。
[0014]根据本公开的方法还可以包括：存储所述用户的生产侧向量和消费侧向量；和以天级别为单位地更新所述用户的生产侧向量和消费侧向量。
[0015]在前述用于获得推荐候选种子用户的步骤中，所述第一预定条件是在利用所述至少一个种子用户的生产侧向量执行所述向量检索服务之后检索结果位于前5％的向量所对应的候选用户；以及所述第二预定条件是在利用所述至少一个种子用户的消费侧向量执行所述向量检索服务之后检索结果位于前5％的向量所对应的候选用户。
[0016]根据本公开的方法还可以对第一用候选种子户和第二候选种子用户进行数据处理，并且将处理后的用户作为结果候选种子用户，所述数据处理包括删除在第一候选种子用户和第二候选种子用户中满足以下特定条件的用户，所述特定条件包括：所述用户被其他用户举报达预定频率；所述用户的异常分享内容占比达预定比例；和所述用户被识别为虚假用户。
[0017]通过以下参照附图对本公开的示例性实施例的详细描述，本技术的其他特征及其优点将会变得更为清楚。
附图说明
[0018]构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本技术的原理。
[0019]参照附图，根据下面的详细描述，可以更加清楚地理解本技术，其中：
[0020]图1示出了根据本公开的一个示例性实施例的候选种子用户推荐方法的流程图。
[0021]图2示出了根据本公开的一个示例性实施例的候选种子用户推荐装置的框图。
[0022]图3示出了根据本公开的一个示例性实施例的模型训练单元的框图。
[0023]图4示出了根据本公开的一个示例性实施例的推荐处理单元的框图。
[0024]图5示出了GraphSAGE模型的聚合过程的示意图。
[0025]图6示出了可以实现根据本公开的实施例的计算设备的示例性配置。
具体实施方式
[0026]下面将参考附图来详细描述本技术的优选的实施例。不是本技术必需的细节和功能被省略，以便不会混淆本技术的理解。
[0027]以下对至少一个示例性实施例的描述实际上仅是说明性的，而不作为对本公开及其应用或使用的任何限制。
[0028]请注意，类似的参考数字和字母指的是图中的类似的项目，因而一旦在一幅图中定义了一个项目，就不需要在之后的图中讨论了。
[0029]在本公开中，术语“第一”、“第二”等仅被用来在元件或步骤之间进行区分，而并不意图表示时间顺序、优先级或重要性。
[0030]图1示出了根据本公开的一个示例性实施例的候选种子用户推荐方法的流程图。如图1所示，根据本公开的候选种子用户推荐方法可以包括步骤S101～S106，并且可以由候选种子用户推荐装置执行。
[0031]在步骤S101，获取包括用户的个人信息、用户的分享内容和关于用户之间的互动行为的数据，其中，用户可以包括至少一个种子用户和至少一个候选用户。
[0032]种子用户可以是经过人工选择的目标用户，而候选用户可以是每月发布分享内容的次数为4次以上的用户。注意，经验参数4有利于有效筛选候选用户并且能够显著节约计算性能。
[0033]用户的分享内容可以包括关于文本、图片、声音和视频中的至少一种。
[0034]关于用户之间的互动行为可以包括用户与其他用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于推荐候选种子用户的方法，包括：获取包括用户的个人信息、用户的分享内容和关于用户之间的互动行为的数据，所述用户包括至少一个种子用户和至少一个候选用户；将所述数据输入到神经网络模型中，以得到用于表征所述用户的生产侧特征的生产侧向量和用于表征所述用户的消费侧特征的消费侧向量；针对所述至少一个候选用户中每个候选用户的生产侧向量构建向量检索服务；利用所述至少一个种子用户的生产侧向量，通过构建的向量检索服务，获得满足第一预定条件的候选用户作为第一候选种子用户；利用所述至少一个种子用户的消费侧向量，通过构建的向量检索服务，获得满足第二预定条件的候选用户作为第二候选种子用户；和推荐第一候选种子用户和第二候选种子用户作为结果候选种子用户。2.根据权利要求1所述的方法，其中，所述至少一个候选用户是每月发布分享内容的次数为4次以上的用户；以及所述至少一个种子用户是经人工选择的目标用户。3.根据权利要求1所述的方法，其中，基于所述数据，获得所述用户作为第一节点，获得分享内容作为第二节点，以及获得互动行为作为边；利用获得的第一节点、第二节点和边来构建图网络；以及将构建的图网络作为数据输入到所述神经网络模型中，以得到所述用户的生产侧向量和消费侧向量，所述神经网络模型包括图卷积神经网络GCN模型。4.根据权利要求3所述的方法，其中，关于用户之间的互动行为包括用户与其他用户之间的关于互动的直接行为和基于分享内容的间接行为；以及所述直接行为对应于单向边，而所述间接行为对应于双向边。5.根据权利要求1或3所述的方法，其中，在所述神经网络模型中，根据发布分享内容的行为更新生产侧向量，并且根据除发布分享内容以外的其他行为更...

【专利技术属性】
技术研发人员：顾茂杰，张璐，陶明，
申请(专利权)人：上海任意门科技有限公司，
类型：发明
国别省市：