资源推荐方法技术

本申请提供了一种资源推荐方法

【技术实现步骤摘要】
资源推荐方法、资源推荐模型的训练方法、装置及设备


[0001]本申请涉及计算机
，特别涉及一种资源推荐方法
、
资源推荐模型的训练方法
、
装置及设备
。

技术介绍

[0002]随着互联网技术的发展，资源推荐模型取得了快速的发展
。
资源推荐模型借助机器学习技术，基于对用户行为的挖掘，洞察用户的兴趣偏好，进而基于用户的兴趣偏好，自动化地为用户生成个性化的内容推荐
。
[0003]目前，通常采用的是资源推荐模型是多目标模型
。
多目标模型通常使用同样的样本输入，由多个专家网络提取差异化的高阶表示，不同目标再使用各自的门控网络，对多个专家网络输出的高阶表示进行相应的加权求和，再输入到各自的目标塔
(tower)
中，输出最终的预测结果，从而根据预测结果来确定是否推荐资源
。
[0004]但是，上述方案中为考虑到多个目标之间的存在复杂的关联关系，使得多目标模型的预估效果在多个目标之间存在此消彼长的问题
(
跷跷板效应
)
，导致资源推荐模型的推荐结果不准确
。

技术实现思路

[0005]本申请实施例提供了一种资源推荐方法
、
资源推荐模型的训练方法
、
装置及设备，实现了在考虑多个目标之间关系的基础上，基于全局角度的特征进行预测的目的，使得预测结果更加准确，从而更加准确地推荐资源
。
所述技术方案如下：
[0006]一方面，提供了一种资源推荐方法，所述方法包括：
[0007]基于目标对象的多个第一资源特征，确定全局资源特征，所述多个第一资源特征包括多个与资源相关的对象特征和待推荐资源的特征，所述全局资源特征用于从多个维度表示所述目标对象与所述待推荐资源之间的关系；
[0008]对于任一第一资源特征，基于所述第一资源特征和所述全局资源特征，确定所述第一资源特征的筛选门控矩阵，所述筛选门控矩阵用于在全局角度上从所述第一资源特征中筛选出用于评估是否推荐所述待推荐资源的有用信息；
[0009]基于所述多个第一资源特征的筛选门控矩阵
、
所述多个第一资源特征以及所述全局资源特征，确定目标资源特征；
[0010]基于资源推荐模型中的多目标混合专家网络，对所述目标资源特征进行处理，得到所述待推荐资源的预测结果，所述预测结果用于表示所述待推荐资源是否满足所述多目标混合专家网络中的多个目标，所述多个目标与所述多个第一资源特征中的对象特征相关；
[0011]基于所述待推荐资源的预测结果，向所述目标对象推荐所述待推荐资源
。
[0012]另一方面，提供了一种资源推荐模型的训练方法，所述方法包括：
[0013]基于样本对象的多个第一资源特征，确定全局资源特征，所述多个第一资源特征
包括多个与资源相关的对象特征和样本资源的特征，所述全局资源特征用于从多个维度表示所述样本对象与所述样本资源之间的关系；
[0014]对于任一第一资源特征，基于所述第一资源特征和所述全局资源特征，确定所述第一资源特征的筛选门控矩阵，所述筛选门控矩阵用于在全局角度上从所述第一资源特征中筛选出用于评估是否推荐所述样本资源的有用信息；
[0015]基于所述多个第一资源特征的筛选门控矩阵
、
所述多个第一资源特征以及所述全局资源特征，确定目标资源特征；
[0016]基于资源推荐模型中的多目标混合专家网络，对所述目标资源特征进行处理，得到所述样本资源的预测结果，所述预测结果用于表示所述样本资源是否满足所述多目标混合专家网络中的多个目标，所述多个目标与所述多个第一资源特征中的对象特征相关；
[0017]基于所述样本资源的预测结果和所述样本资源的标签，对所述资源推荐模型进行训练
。
[0018]另一方面，提供了一种资源推荐装置，所述装置包括：
[0019]第一确定模块，用于基于目标对象的多个第一资源特征，确定全局资源特征，所述多个第一资源特征包括多个与资源相关的对象特征和待推荐资源的特征，所述全局资源特征用于从多个维度表示所述目标对象与所述待推荐资源之间的关系；
[0020]第二确定模块，用于对于任一第一资源特征，基于所述第一资源特征和所述全局资源特征，确定所述第一资源特征的筛选门控矩阵，所述筛选门控矩阵用于在全局角度上从所述第一资源特征中筛选出用于评估是否推荐所述待推荐资源的有用信息；
[0021]第三确定模块，用于基于所述多个第一资源特征的筛选门控矩阵
、
所述多个第一资源特征以及所述全局资源特征，确定目标资源特征；
[0022]处理模块，用于基于资源推荐模型中的多目标混合专家网络，对所述目标资源特征进行处理，得到所述待推荐资源的预测结果，所述预测结果用于表示所述待推荐资源是否满足所述多目标混合专家网络中的多个目标，所述多个目标与所述多个第一资源特征中的对象特征相关；
[0023]推荐模块，用于基于所述待推荐资源的预测结果，向所述目标对象推荐所述待推荐资源
。
[0024]在一些实施例中，所述第一确定模块，用于对所述样本对象的所述多个第一资源特征进行拼接，得到第二资源特征；对所述第二资源特征进行特征提取，得到所述全局资源特征，所述全局资源特征相当于所述第二资源特征的高阶特征
。
[0025]在一些实施例中，所述第二确定模块，用于对于任一第一资源特征，对所述第一资源特征和所述全局资源特征进行拼接，得到第三资源特征；基于权重矩阵和所述第三资源特征，确定所述第一资源特征的筛选门控矩阵，所述权重矩阵用于表示所述第一资源特征在全局角度上对评估是否推荐所述待推荐资源的重要程度
。
[0026]在一些实施例中，所述第三确定模块，用于对于任一第一资源特征，对所述第一资源特征和所述第一资源特征的筛选门控矩阵进行哈达玛积运算，得到第四资源特征；将所述多个第一资源特征对应的第四资源特征与所述全局资源特征进行拼接，得到所述目标资源特征
。
[0027]在一些实施例中，所述处理模块，包括：
[0028]处理单元，用于对于所述资源推荐模型中所述多目标混合专家网络中的任一专家网络，基于所述专家网络，对所述目标资源特征进行特征提取，得到第五资源特征，所述多目标混合专家网络中的多个专家网络用于学习不同维度的资源特征；
[0029]第一确定单元，用于对于所述资源推荐模型中所述多目标混合专家网络中的任一目标，基于所述目标的权重矩阵和所述目标资源特征，确定所述目标的权重门控矩阵，所述权重门控矩阵用于表示所述多个专家网络针对于所述目标的贡献程度；
[0030]第二确定单元，用于基于所述多个目标对应的权重门控矩阵和所述多个专家网络的第五资源特征，确定所述待推荐资源的预测结果
。
[0031]在一些实施例中，所述第二确本文档来自技高网...

【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，所述方法包括：基于目标对象的多个第一资源特征，确定全局资源特征，所述多个第一资源特征包括多个与资源相关的对象特征和待推荐资源的特征，所述全局资源特征用于从多个维度表示所述目标对象与所述待推荐资源之间的关系；对于任一第一资源特征，基于所述第一资源特征和所述全局资源特征，确定所述第一资源特征的筛选门控矩阵，所述筛选门控矩阵用于在全局角度上从所述第一资源特征中筛选出用于评估是否推荐所述待推荐资源的有用信息；基于所述多个第一资源特征的筛选门控矩阵
、
所述多个第一资源特征以及所述全局资源特征，确定目标资源特征；基于资源推荐模型中的多目标混合专家网络，对所述目标资源特征进行处理，得到所述待推荐资源的预测结果，所述预测结果用于表示所述待推荐资源是否满足所述多目标混合专家网络中的多个目标，所述多个目标与所述多个第一资源特征中的对象特征相关；基于所述待推荐资源的预测结果，向所述目标对象推荐所述待推荐资源
。2.
根据权利要求1所述的方法，其特征在于，所述基于目标对象的多个第一资源特征，确定全局资源特征，包括：对所述目标对象的所述多个第一资源特征进行拼接，得到第二资源特征；对所述第二资源特征进行特征提取，得到所述全局资源特征，所述全局资源特征相当于所述第二资源特征的高阶特征
。3.
根据权利要求1所述的方法，其特征在于，所述对于任一第一资源特征，基于所述第一资源特征和所述全局资源特征，确定所述第一资源特征的筛选门控矩阵，包括：对于任一第一资源特征，对所述第一资源特征和所述全局资源特征进行拼接，得到第三资源特征；基于权重矩阵和所述第三资源特征，确定所述第一资源特征的筛选门控矩阵，所述权重矩阵用于表示所述第一资源特征在全局角度上对评估是否推荐所述待推荐资源的重要程度
。4.
根据权利要求1所述的方法，其特征在于，所述基于所述多个第一资源特征的筛选门控矩阵
、
所述多个第一资源特征以及所述全局资源特征，确定目标资源特征，包括：对于任一第一资源特征，对所述第一资源特征和所述第一资源特征的筛选门控矩阵进行哈达玛积运算，得到第四资源特征；将所述多个第一资源特征对应的第四资源特征与所述全局资源特征进行拼接，得到所述目标资源特征
。5.
根据权利要求1所述的方法，其特征在于，所述基于资源推荐模型中的多目标混合专家网络，对所述目标资源特征进行处理，得到所述待推荐资源的预测结果，包括：对于所述资源推荐模型中所述多目标混合专家网络中的任一专家网络，基于所述专家网络，对所述目标资源特征进行特征提取，得到第五资源特征，所述多目标混合专家网络中的多个专家网络用于学习不同维度的资源特征；对于所述资源推荐模型中所述多目标混合专家网络中的任一目标，基于所述目标的权重矩阵和所述目标资源特征，确定所述目标的权重门控矩阵，所述权重门控矩阵用于表示所述多个专家网络针对于所述目标的贡献程度；
基于所述多个目标对应的权重门控矩阵和所述多个专家网络的第五资源特征，确定所述待推荐资源的预测结果
。6.
根据权利要求5所述的方法，其特征在于，所述基于所述多个目标对应的权重门控矩阵和所述多个专家网络的第五资源特征，确定所述待推荐资源的预测结果，包括：对于所述多目标混合专家网络中的任一目标，基于所述对应的权重门控矩阵中的数值，对所述多个专家网络的第五资源特征进行加权求和，得到第六资源特征；基于所述第六资源特征，确定所述目标对应的预测子结果，所述预测子结果用于表示所述待推荐资源满足所述目标的概率
。7.
一种资源推荐模型的训练方法，其特征在于，所述方法包括：基于样本对象的多个第一资源特征，确定全局资源特征，所述多个第一资源特征包括多个与资源相关的对象特征和样本资源的特征，所述全局资源特征用于从多个维度表示所述样本对象与所述样本资源之间的关系；对于任一第一资源特征，基于所述第一资源特征和所述全局资源特征，确定所述第一资源特征的筛选门控矩阵，所述筛选门控矩阵用于在全局角度上从所述第一资源特征中筛选出用于评估是否推荐所述样本资源的有用信息；基于所述多个第一资源特征的筛选门控矩阵
、
所述多个第一资源特征以及所述全局资源特征，确定目标资源特征；基于资源推荐模型中的多目标混合专家网络，对所述目标资源特征进行处理，得到所述样本资源的预测结果，所述预测结果用于表示所述样本资源是否满足所述多目标混合专家网络中...

【专利技术属性】
技术研发人员：赵光耀，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：