[发明专利]对象推荐方法和装置

权利要求书

1.一种对象推荐方法，包括：

构建若干不同的同质对象网络，所述同质对象网络中的节点代表待推荐的对象，同一同质对象网络中的连边代表所连接的对象在相同属性维度下存在关联关系；

构建若干不同的同质用户网络，所述同质用户网络中的节点代表用户，同一同质用户网络中的连边代表所连接的用户与相同属性维度下的对象存在关联关系或代表所连接的用户之间存在与对象无关的关联关系；

针对每个对象，融合所述对象在不同同质对象网络下的特征表示，得到所述对象的综合特征表示；

针对每个用户，融合所述用户在不同同质用户网络下的特征表示，得到所述用户的综合特征表示；

采用用户的自身特征表示和对象的综合特征表示为用户预测各对象的第一推荐概率；

采用用户的综合特征表示和对象的自身特征表示为用户预测各对象的第二推荐概率；

采用用户的自身特征表示和对象的自身特征表示为用户预测各对象的第三推荐概率；

综合所述第一推荐概率、所述第二推荐概率和所述第三推荐概率，得到用于对象推荐的综合推荐概率；

其中，所述与对象无关的关联关系包括以下一种或多种：社交关系、资金往来关系、设备使用关系。

2.根据权利要求1所述的方法，所述同质对象网络和所述同质用户网络的构建过程包括：

根据用户属性、对象属性、用户与对象之间的关联关系以及用户与用户之间的关联关系构建异构网络，所述异构网络的节点代表用户、对象、用户属性或对象属性；

采用元路径随机游走方法将所述异构网络划分为若干所述同质对象网络和若干所述同质用户网络。

3.根据权利要求1所述的方法，

所述第一推荐概率和所述第二推荐概率基于多层感知机模型预测。

4.根据权利要求3所述的方法，所述多层感知机模型的训练过程包括：

采用用户的自身特征表示和对象的综合特征表示作为输入特征，对第一多层感知机模型进行训练，所述第一多层感知机模型用于预测所述第一推荐概率；

采用用户的综合特征表示和对象的自身特征表示作为输入特征对第二多层感知机模型进行训练，所述第二多层感知机模型用于预测所述第二推荐概率；

其中，用于对所述第一多层感知机模型和所述第二多层感知机模型进行训练的标签基于用户和对象的历史关联关系确定。

5.根据权利要求1所述的方法，所述采用用户的自身特征表示和对象的自身特征表示为用户预测各对象的第三推荐概率，包括：

将用户的自身特征表示和对象的自身特征表示作为输入，采用矩阵分解算法为用户预测各对象的第三推荐概率。

6.根据权利要求1所述的方法，所述自身特征表示的生成过程包括：

为各用户和各对象分别生成对应的0/1向量；

对所述0/1向量进行嵌入处理，得到所述用户或所述对象的自身特征表示。

7.根据权利要求1所述的方法，所述综合特征表示的融合过程包括：

采用注意力机制融合所述对象在不同同质对象网络下的特征表示，得到所述对象的综合特征表示；

采用注意力机制融合所述用户在不同同质用户网络下的特征表示，得到所述用户的综合特征表示。