一种数据处理方法及相关装置制造方法及图纸

一种数据处理方法，可以应用于人工智能领域，方法包括：获取第一提示

【技术实现步骤摘要】
一种数据处理方法及相关装置


[0001]本申请涉及人工智能领域，尤其涉及一种数据处理方法及相关装置
。

技术介绍

[0002]人工智能
(artificial intelligence
，
AI)
是利用数字计算机或者数字计算机控制的机器模拟
、
延伸和扩展人的智能，感知环境
、
获取知识并使用知识获得最佳结果的理论
、
方法
、
技术及应用系统
。
换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器
。
人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知
、
推理与决策的功能
。
[0003]机器学习系统，包括个性化推荐系统，基于输入数据和标签，通过梯度下降等优化方法训练机器学习模型的参数，当模型参数收敛之后，可利用该模型来完成未知数据的预测
。
以个性化推荐系统中的点击率预测为例，其输入数据包括用户属性和商品属性等
。
如何根据用户的喜好，预测出个性化的推荐列表，对提升推荐系统的推荐精度有着重要的影响
。
[0004]现有推荐系统基本都是封闭的系统，即模型在封闭系统的给定数据集上进行训练和部署
。
推荐系统中使用的数据局限于一个或几个特定的应用领域，与外部世界的知识隔离，因此限制了可以用于推荐模型学习的信息，从而导致模型的推荐精度较差
。

技术实现思路

[0005]本申请提供了一种数据处理方法，可以提高推荐模型的精度
。
[0006]第一方面，本申请提供了一种数据处理方法，所述方法包括：获取第一提示
prompt
，所述第一
prompt
包括用户的属性信息，且所述第一
prompt
指示根据所述用户的属性信息推测所述用户的喜好；根据所述第一
prompt
，通过大语言模型
LLM
，得到第一信息；根据所述第一信息和第二信息，通过推荐模型，预测所述用户对物品的操作信息；所述第二信息为所述物品的属性信息
。、
本申请实施例中，利用
prompt(
也就是第一
prompt)
来引导
LLM
推测用户的喜好，并将该喜好信息作为推荐模型的输入，结合了
LLM
和传统推荐模型的优势，可以得到更精准
、
可解释性更强的推荐结果，从而提高了推荐模型的推荐精度
。
[0007]在一种可能的实现中，所述第一
prompt
还包括所述用户的历史操作信息，且所述第一
prompt
具体指示根据所述用户的属性信息以及所述历史操作信息推测所述用户的喜好
。
[0008]在一种可能的实现中，所述第一
prompt
还包括对所述用户对所述物品的喜好相关联的因素，且所述第一
prompt
具体指示根据用户的属性信息以及所述因素来分析所述用户的喜好
。
[0009]在一种可能的实现中，所述因素为根据第三
prompt
，通过
LLM
确定的，所述第三
prompt
指示确定与用户对所述物品的喜好相关联的因素
。
[0010]在一种可能的实现中，所述第一信息与所述用户的喜好有关，且所述喜好为所述属性信息中不包含的
。
[0011]在一种可能的实现中，所述第一
prompt
还指示确定推测出的所述用户的喜好的解释
。
[0012]在一种可能的实现中，所述方法还包括：获取第二
prompt
，所述第二
prompt
指示提供所述物品的属性信息；根据所述第二
prompt
，通过
LLM
，得到所述第二信息
。
[0013]在一种可能的实现中，预设的数据库中物品的属性信息可能存在不全面的问题
。
可以通过
prompt
来引导
LLM
对物品的属性信息进行丰富
。
[0014]在一种可能的实现中，所述第二
prompt
具体指示提供与所述用户对所述物品的喜好相关联的因素相关的所述物品的属性信息
。
[0015]在上述实施例中，第一
prompt
中可以包括对用户对物品的喜好相关的因素，该因素可以为物品的一些属性维度
。
这部分属性维度的信息可以在预设的数据库中缺失，因此可以通过
prompt
的方式引导
LLM
提供
。
[0016]在一种可能的实现中，所述第一信息为自然语言描述或者所述
LLM
得到的特征表示
。
[0017]在一种可能的实现中，所述第一信息为自然语言描述；所述方法还包括：
[0018]根据所述第一信息和所述第二信息，通过特征提取网络，得到所述第一信息的特征表示和所述第二信息的特征表示；所述根据所述第一信息和第二信息，通过推荐模型，预测所述用户对所述物品的操作信息，包括：根据所述第一信息的特征表示和所述第二信息的特征表示，通过推荐模型，预测所述用户对所述物品的操作信息
。
[0019]在一种可能的实现中，所述特征提取网络包括：第一权重确定网络
、
第二权重确定网络
、
第一特征提取分支
、
第二特征提取分支和第三特征提取分支；所述根据所述第一信息和所述第二信息，通过特征提取网络，得到所述第一信息的特征表示和所述第二信息的特征表示，包括：根据所述第一信息，通过所述第一权重确定网络，确定所述第一特征提取分支对应的第一权重
、
以及所述第二特征提取分支对应的第二权重；根据所述第二信息，通过所述第二权重确定网络，确定所述第一特征提取分支对应的第三权重
、
以及所述第三特征提取分支对应的第四权重；根据所述第一信息，分别通过所述第一特征提取分支和所述第二特征提取分支，确定第一子特征和第二子特征；根据所述第二信息，分别通过所述第一特征提取分支和所述第三特征提取分支，确定第三子特征和第四子特征；根据所述第一权重和所述第二权重，对所述第一子特征和所述第二子特征进行融合，得到所述用户的特征表示；根据所述第三权重和所述第四权重，对所述第三子特征和所述第四子特征进行融合，得到所述物品的特征表示
。
[0020]通过上述方式，通过混合多专家适配器，将文本信息由语义空间到推荐空间的映射，进行降维
、
噪声处理的同时保存有效信息
...

【技术保护点】

【技术特征摘要】
1.
一种数据处理方法，其特征在于，所述方法包括：获取第一提示
prompt
，所述第一
prompt
包括用户的属性信息，且所述第一
prompt
指示根据所述用户的属性信息推测所述用户的喜好；根据所述第一
prompt
，通过大语言模型
LLM
，得到第一信息；根据所述第一信息和第二信息，通过推荐模型，预测所述用户对物品的操作信息；所述第二信息为所述物品的属性信息
。2.
根据权利要求1所述的方法，其特征在于，所述第一
prompt
还包括所述用户的历史操作信息，且所述第一
prompt
具体指示根据所述用户的属性信息以及所述历史操作信息推测所述用户的喜好
。3.
根据权利要求1或2所述的方法，其特征在于，所述第一
prompt
还包括对所述用户对所述物品的喜好相关联的因素，且所述第一
prompt
具体指示根据用户的属性信息以及所述因素来分析所述用户的喜好
。4.
根据权利要求3所述的方法，其特征在于，所述因素为根据第三
prompt
，通过
LLM
确定的，所述第三
prompt
指示确定与用户对所述物品的喜好相关联的因素
。5.
根据权利要求1至4任一所述的方法，其特征在于，所述第一信息与所述用户的喜好有关，且所述喜好为所述属性信息中不包含的
。6.
根据权利要求1至5任一所述的方法，其特征在于，所述第一
prompt
还指示确定推测出的所述用户的喜好的解释
。7.
根据权利要求1至6任一所述的方法，其特征在于，所述方法还包括：获取第二
prompt
，所述第二
prompt
指示提供所述物品的属性信息；根据所述第二
prompt
，通过
LLM
，得到所述第二信息
。8.
根据权利要求3至7任一所述的方法，其特征在于，所述第二
prompt
具体指示提供与所述用户对所述物品的喜好相关联的因素相关的所述物品的属性信息
。9.
根据权利要求1至8任一所述的方法，其特征在于，所述第一信息为自然语言描述；所述方法还包括：根据所述第一信息和所述第二信息，通过特征提取网络，得到所述第一信息的特征表示和所述第二信息的特征表示；所述根据所述第一信息和第二信息，通过推荐模型，预测所述用户对所述物品的操作信息，包括：根据所述第一信息的特征表示和所述第二信息的特征表示，通过推荐模型，预测所述用户对所述物品的操作信息
。10.
根据权利要求9所述的方法，其特征在于，所述特征提取网络包括：第一权重确定网络
、
第二权重确定网络
、
第一特征提取分支
、
第二特征提取分支和第三特征提取分支；所述根据所述第一信息和所述第二信息，通过特征提取网络，得到所述第一信息的特征表示和所述第二信息的特征表示，包括：根据所述第一信息，通过所述第一权重确定网络，确定所述第一特征提取分支对应的第一权重
、
以及所述第二特征提取分支对应的第二权重；根据所述第二信息，通过所述第二权重确定网络，确定所述第一特征提取分支对应的第三权重
、
以及所述第三特征提取分支对应的第四权重；
根据所述第一信息，分别通过所述第一特征提取分支和所述第二特征提取分支，确定第一子特征和第二子特征；根据所述第二信息，分别通过所述第一特征提取分支和所述第三特征提取分支，确定第三子特征和第四子特征；根据所述第一权重和所述第二权重，对所述第一子特征和所述第二子特征进行融合，得到所述用户的特征表示；根据所述第三权重和所述第四权重，对所述第三子特征和所述第四子特征进行融合，得到所述物品的特征表示
。11.
一种数据处理装置，其特征在于，所述装置包括：处理模块，用于获取第一提示
prompt
，所述第一
prompt
包括用户的属性信息，且所述第一
prompt
指示根据所述用户的属性信息推测所述用户的喜好；根据所述第一
prompt
，通过大语言模型
LLM
，得到第一信息；根据所述第一信息和第二信息，通过推荐模型，预测所...

【专利技术属性】
技术研发人员：刘卫文，西云佳，陈渤，林江浩，唐睿明，张瑞，张伟楠，俞勇，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：