[发明专利]基于哈希嵌入向量向用户推送对象的方法和装置

说明书

本说明书实施例提供了一种获取平台中用户哈希嵌入向量的方法和装置及基于该哈希嵌入向量推送对象的方法和装置，获取平台中用户哈希嵌入向量的方法包括：获取平台中的第一用户分别对所述平台中多个对象的实际评分、及所述多个对象各自的当前对象嵌入向量；获取所述第一用户分别与所述平台中多个用户的关系强度，及所述第一用户和所述多个用户各自的当前用户嵌入向量；基于预定目标函数，通过预定优化算法更新所述第一用户的用户嵌入向量，以使得所述目标函数的值减小；以及在不需要再次执行的情况中，通过预定哈希算法将所述第一用户的经更新的用户嵌入向量的每个元素分别映射为所述预定数目的预定值中的一个，以获取第一用户的用户哈希嵌入向量。

技术领域

本说明书实施例涉及数据处理领域，更具体地，涉及一种获取平台中用户哈希嵌入向量的方法和装置、以及一种在平台中向用户推送对象的方法和装置。

背景技术

在推荐系统中，用户-对象的评分信息、以及社交信息是非常重要的两种资源。社交矩阵分解是处理两种信息的有效方法。使用社交矩阵分解进行推荐，主要分为两个步骤：离线模型训练步骤，即，根据已有的用户-对象评分及用户-用户社交关系，使用社交矩阵分解方法，得到每个用户和对象的预定空间的嵌入向量；以及在线预测步骤，即，对于每个用户，计算其嵌入向量与每个对象的嵌入向量内积，作为该用户对该对象的预测评分，接着根据预测评分对对象排序，从而将排序靠前的对象推荐给用户。然而，在实际应用场景中，由于对象数据巨大，在线预测过程非常耗时。

因此，需要一种更有效的对象推送方法。

发明内容

本说明书实施例旨在提供一种更有效的获取平台中用户哈希嵌入向量的方案、及在平台中向用户推送对象的方案，以解决现有技术中的不足。

为实现上述目的，本说明书一个方面提供一种获取平台中用户哈希嵌入向量的方法，所述用户哈希嵌入向量包括预定维度的元素，并且每个元素的值为预定数目的预定值中的一个，所述预定数目的预定值限定了第一数值范围，所述方法包括：

获取平台中的第一用户分别对所述平台中多个对象的实际评分、及所述多个对象各自的当前对象嵌入向量，其中，所述当前对象嵌入向量为所述预定维度的向量空间中的向量；

获取所述第一用户分别与所述平台中多个用户的关系强度，及所述第一用户和所述多个用户各自的当前用户嵌入向量，其中，所述当前用户嵌入向量为所述向量空间中的向量；

基于预定目标函数，通过预定优化算法更新所述第一用户的用户嵌入向量，以使得所述目标函数的值减小，其中，所述目标函数包括预测误差项和社交约束项，其中，在所述预测误差项中，以所述实际评分的大小限定所述第一用户的用户嵌入向量与相应对象的对象嵌入向量的相似性，并且所述实际评分被转换至第二数值范围内的值以限定所述第一用户的用户嵌入向量与相应的对象嵌入向量的内积的取值范围，其中，所述第二数值范围基于所述第一数值范围确定，所述社交约束项中包括各个所述关系强度、及所述第一用户和所述多个用户各自的用户嵌入向量；

判断是否需要再次执行上述步骤；以及

在不需要再次执行的情况中，通过预定哈希算法将所述第一用户的经更新的用户嵌入向量的每个元素分别映射为所述预定数目的预定值中的一个，以获取第一用户的用户哈希嵌入向量。

在一个实施例中，所述目标函数还包括正则项，所述正则项中包括所述第一用户及所述多个用户各自的用户嵌入向量。

在一个实施例中，所述正则项中包括所述第一用户及所述多个用户各自的用户嵌入向量之和的二阶范数。

本说明书另一方面提供一种获取平台中对象哈希嵌入向量的方法，所述对象哈希嵌入向量包括预定维度的元素，并且每个元素的值为预定数目的预定值中的一个，所述预定数目的预定值限定了第一数值范围，所述方法包括：

获取平台中第一对象的当前对象嵌入向量，其中，所述当前对象嵌入向量为所述预定维度的向量空间中的向量；