System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能,特别是涉及一种虚拟资源推荐模型训练方法、虚拟资源推荐方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、随着人工智能技术的发展,出现了一种利用神经网络模型进行金融虚拟资源推荐,例如金融理财产品推荐的技术,而为了提高金融虚拟资源推荐的准确度,通常会在推荐系统中引入一定程度的辅助信息来提高预测准确度,例如利用系统中的金融虚拟资源的图片信息,与已有的点击、收藏、评分等数值型数据一起建立推荐模型,通过推荐模型来实现金融虚拟资源的推荐。
2、然而这些历史行为数据不是实验性数据,会受到辅助信息的影响通从而导致训练的模型的有偏差,例如用户在浏览金融虚拟资源时,通常会受到金融虚拟资源图片以及相关评论的影响,上述图片和评论可能会作为混淆因子对建立的推荐模型产生混淆效应,因此目前构建的虚拟资源推荐模型,虚拟资源推荐的准确性较低。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提高虚拟资源推荐的准确性的虚拟资源推荐模型训练方法、虚拟资源推荐方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面,本申请提供了一种虚拟资源推荐模型训练方法,包括:
3、获取样本用户关联的样本用户评论信息,以及样本虚拟资源关联的样本资源评论信息与样本图片信息;
4、获取所述样本用户评论信息与所述样本资源评论信息对应的情感倾向信息,并获取所述样本图片信息对应的类别信息;
5、将所述样本用户评论信息、样
6、根据加权处理后的所述评论文本特征与所述图片特征,以及所述样本用户的样本用户特征与所述样本虚拟资源的样本资源特征,得到所述样本用户针对所述样本虚拟资源的预测资源交互结果;
7、根据所述预测资源交互结果,以及所述样本用户针对所述样本虚拟资源的实际资源交互结果之间的差异,对所述虚拟资源推荐模型进行训练,得到训练完成的虚拟资源推荐模型。
8、在其中一个实施例中,所述根据加权处理后的所述评论文本特征与所述图片特征,以及所述样本用户的样本用户特征与所述样本虚拟资源的样本资源特征,得到所述样本用户针对所述样本虚拟资源的预测资源交互结果,包括:根据当前样本用户关联的加权处理后的评论文本特征,以及所述当前样本用户的样本用户特征,得到所述当前样本用户的用户表示向量;所述当前样本用户为所述样本用户中的任意一个;根据当前样本虚拟资源关联的加权处理后的评论文本特征与图片特征,以及所述当前样本虚拟资源的样本资源特征,得到所述当前样本虚拟资源的资源表示向量;所述当前样本虚拟资源为所述样本虚拟资源中的任意一个;根据所述用户表示向量以及所述资源表示向量,得到所述当前样本用户针对所述当前样本虚拟资源的预测资源交互结果。
9、在其中一个实施例中,所述根据所述用户表示向量以及所述资源表示向量,得到所述当前样本用户针对所述当前样本虚拟资源的预测资源交互结果,包括:获取所述当前样本用户关联的当前样本用户评论信息,并根据各所述当前样本用户评论信息对应的情感倾向信息,得到所述当前样本用户的用户情感极性;获取所述当前样本虚拟资源关联的当前样本资源评论信息,并根据各所述当前样本资源评论信息对应的情感倾向信息,得到所述当前样本虚拟资源的虚拟资源情感极性;根据所述用户表示向量、所述资源表示向量、用户情感极性以及虚拟资源情感极性,得到所述当前样本用户针对所述当前样本虚拟资源的预测资源交互结果。
10、在其中一个实施例中,所述利用所述情感倾向信息对所述样本用户评论信息与所述样本资源评论信息对应的评论文本特征进行加权处理,以及利用所述类别信息对所述样本图片信息对应的图片特征进行加权处理,包括:对所述情感倾向信息以及所述类别信息进行归一化处理,得到归一化后的情感倾向信息与类别信息;将所述归一化后的情感倾向信息与类别信息作为权重,对所述评论文本特征以及所述图片特征进行加权处理。
11、在其中一个实施例中,所述获取样本用户关联的样本用户评论信息,以及样本虚拟资源关联的样本资源评论信息与样本图片信息之前,还包括:获取候选样本用户以及所述候选样本用户关联的样本用户评论信息,并获取候选样本虚拟资源以及所述候选样本虚拟资源关联的样本资源评论信息;在所述候选样本用户关联的样本用户评论信息的数量大于第一预设数量的情况下,将所述候选样本用户作为所述样本用户;在所述候选样本虚拟资源关联的样本资源评论信息的数量大于第二预设数量的情况下,将所述候选样本虚拟资源作为所述样本虚拟资源。
12、在其中一个实施例中,所述将所述候选样本虚拟资源作为所述样本虚拟资源之后,还包括:获取所述样本虚拟资源对应的初始资源图片信息;获取任意两个初始资源图片信息之间的相似程度,并在所述相似程度大于预设相似程度阈值的情况下,删除所述任意两个初始资源图片信息中的一个,并将剩余的初始资源图片信息,作为所述样本虚拟资源关联的样本图片信息。
13、第二方面,本申请还提供了一种虚拟资源推荐方法,包括:
14、获取待虚拟资源推荐的待推荐用户关联的用户评论信息,以及待推荐虚拟资源关联的资源评论信息与图片信息;
15、获取所述用户评论信息与所述资源评论信息的情感倾向信息,以及所述图片信息对应的类别信息;
16、将所述用户评论信息、资源评论信息、图片信息、情感倾向信息与类别信息,以及所述待推荐用户的用户特征与所述推荐虚拟资源的资源特征输入所述训练完成的虚拟资源推荐模型,得到所述待推荐用户针对所述待推荐虚拟资源的预测资源交互结果;所述虚拟资源推荐模型通过如上任一项实施例所述的虚拟资源推荐模型训练方法训练得到;
17、在所述预测资源交互结果满足预设条件的情况下,将所述待推荐虚拟资源推荐至所述待推荐用户。
18、第三方面,本申请还提供了一种虚拟资源推荐模型训练装置,包括:
19、样本信息获取模块,用于获取样本用户关联的样本用户评论信息,以及样本虚拟资源关联的样本资源评论信息与样本图片信息;
20、样本干预获取模块,用于获取所述样本用户评论信息与所述样本资源评论信息对应的情感倾向信息,并获取所述样本图片信息对应的类别信息;
21、因果干预处理模块,用于将所述样本用户评论信息、样本资源评论信息、样本图片信息、情感倾向信息以及类别信息输入待训练的虚拟资源推荐模型,利用所述情感倾向信息对所述样本用户评论信息与所述样本资源评论信息对应的评论文本特征进行加权处理,以及利用所述类别信息对所述样本图片信息对应的图片特征进行加权处理;
22、预测结果获取模块,用于根据加权处理后的所述评论文本特征与所述图片特征,以及所述样本用户的样本用户特本文档来自技高网...
【技术保护点】
1.一种虚拟资源推荐模型训练方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述根据加权处理后的所述评论文本特征与所述图片特征,以及所述样本用户的样本用户特征与所述样本虚拟资源的样本资源特征,得到所述样本用户针对所述样本虚拟资源的预测资源交互结果,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述用户表示向量以及所述资源表示向量,得到所述当前样本用户针对所述当前样本虚拟资源的预测资源交互结果,包括:
4.根据权利要求1所述的方法,其特征在于,所述利用所述情感倾向信息对所述样本用户评论信息与所述样本资源评论信息对应的评论文本特征进行加权处理,以及利用所述类别信息对所述样本图片信息对应的图片特征进行加权处理,包括:
5.根据权利要求1至4任一项所述的方法,其特征在于,所述获取样本用户关联的样本用户评论信息,以及样本虚拟资源关联的样本资源评论信息与样本图片信息之前,还包括:
6.根据权利要求5所述的方法,其特征在于,所述将所述候选样本虚拟资源作为所述样本虚拟资源之后,还包括:
8.一种虚拟资源推荐模型训练装置,其特征在于,所述装置包括:
9.一种虚拟资源推荐装置,其特征在于,所述装置包括:
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种虚拟资源推荐模型训练方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述根据加权处理后的所述评论文本特征与所述图片特征,以及所述样本用户的样本用户特征与所述样本虚拟资源的样本资源特征,得到所述样本用户针对所述样本虚拟资源的预测资源交互结果,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述用户表示向量以及所述资源表示向量,得到所述当前样本用户针对所述当前样本虚拟资源的预测资源交互结果,包括:
4.根据权利要求1所述的方法,其特征在于,所述利用所述情感倾向信息对所述样本用户评论信息与所述样本资源评论信息对应的评论文本特征进行加权处理,以及利用所述类别信息对所述样本图片信息对应的图片特征进行加权处理,包括:
5.根据权利要求1至4任一项所述的方法,其特征...
【专利技术属性】
技术研发人员:陈鑫,
申请(专利权)人:中国工商银行股份有限公司,
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。