【技术实现步骤摘要】
确定对象对资源信息的感兴趣程度的方法、装置和计算设备
[0001]本申请涉及人工智能
，尤其涉及一种确定对象对资源信息的感兴趣程度的方法、装置、计算设备和存储介质。
技术介绍
[0002]随着人工智能技术的快速发展，智能推荐系统在近年来被广泛应用于各个领域，比如在电子商务、广告和社交媒体网站等领域向用户提供合适的内容。推荐系统中最重要和最流行的技术之一是协同过滤(collaborative filtering，CF)，它从用户和商品的历史交互中计算出用户和物品之间的相似性，利用彼此行为相似的用户表现出对物品的相似偏好这一假设来向用户推荐相关物品。
[0003]用户和物品之间的交互包括用户对物品的正反馈和负反馈，正反馈意味着用户对物品表现出较浓的兴趣，例如，用户点击某一商品链接。负反馈意味着用户对物品信息不太感兴趣，没有点击相关的商品，或者给出了对相关物品不感兴趣的反馈信息。现有的推荐系统对于负反馈通常采用“忽略”或者“黑名单”处理机制，“忽略”是指直接将用户的负反馈予以忽略，不将该反馈数据作为针对推荐系统的训练...
【技术保护点】
【技术特征摘要】
1.一种确定对象对资源信息的感兴趣程度的方法，其特征在于，所述方法包括：根据多个对象和多个资源信息之间的历史交互行为构建第一二部图，所述第一二部图包括多个图节点，所述多个图节点包括与所述多个对象对应的多个对象节点和与所述多个资源信息对应的多个资源信息节点，所述第一二部图还包括至少一条正连接边，每条正连接边指示所述多个对象节点中的对象节点所对应的对象和所述多个资源信息节点中的资源信息节点所对应的资源信息之间的正反馈；根据所述历史交互行为构建第二二部图，所述第二二部图包括所述多个对象节点和所述多个资源信息节点，所述第二二部图还包括至少一条负连接边，每条负连接边指示所述多个对象节点中的对象节点所对应的对象和所述多个资源信息节点中的资源信息节点所对应的资源信息之间的负反馈；根据图神经网络模型、所述第一二部图和第二二部图获得所述多个图节点中的每个图节点的第一嵌入向量表示和第二嵌入向量表示；将每个图节点的第一嵌入向量表示和第二嵌入向量表示进行拼接以获得该图节点的综合嵌入向量表示；以及基于所述多个图节点中的各个对象节点的综合嵌入向量表示和所述多个图节点中的各个资源信息节点的综合嵌入向量表示确定所述多个对象中的各个对象对各个资源信息的感兴趣程度。2.根据权利要求1所述的方法，其中所述图神经网络模型包括第一图神经网络子模型和第二图神经网络子模型，其中根据图神经网络模型、所述第一二部图和第二二部图获得所述多个图节点中的每个图节点的第一嵌入向量表示和第二嵌入向量表示包括：根据所述第一图神经网络子模型基于所述第一二部图获得各个图节点的第一嵌入向量表示；以及根据所述第二图神经网络子模型基于所述第二二部图和各个图节点的第一嵌入向量表示获得各个图节点的第二嵌入向量表示。3.根据权利要求2所述的方法，其中所述第一图神经网络子模型包括分别产生K个第一中间嵌入向量表示的K个图卷积层，所述根据所述第一图神经网络子模型基于所述第一二部图获得各个图节点的第一嵌入向量表示包括：获取所述第一二部图的邻接矩阵；所述K个图卷积层中的后一图卷积层基于前一图卷积层输出的每个图节点的第一中间嵌入向量表示和所述第一二部图的邻接矩阵而从所述后一图卷积层输出所述图节点的对应的第一中间嵌入向量表示；以及确定所述K个图卷积层中的各个图卷积层输出的K个第一中间嵌入向量表示和所述图节点的第一初始嵌入向量表示的平均值，作为所述图节点的第一嵌入向量表示，其中所述K个图卷积层中的首个图卷积层基于所述第一初始嵌入向量表示和所述第一二部图的邻接矩阵从所述首个图卷积层输出所述图节点对应的第一中间嵌入向量表示，K为大于1的整数。4.根据权利要求2所述的方法，其中所述第二图神经网络子模型包括多层感知器，其中根据第二图神经网络模型、所述第二二部图和各个图节点的第一嵌入向量表示获得各个图节点的第二嵌入向量表示包括：
获取所述第二二部图的邻接矩阵；利用所述多层感知器基于所述第二二部图的邻接矩阵和各个图节点的第一嵌入向量表示确定各个图节点的第二嵌入...
【专利技术属性】
技术研发人员：谢若冰，黄俊杰，张绍亮，夏锋，林乐宇，
申请(专利权)人：腾讯科技深圳有限公司，
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。