[发明专利]数据推荐方法、装置、计算机设备及存储介质

权利要求书

1.一种数据推荐方法，其特征在于，所述方法包括：

获取多条操作记录，每条操作记录中包括一个用户标识及一个数据标识，表示所述用户标识对应的用户对所述数据标识对应的数据执行预设操作；所述每条操作记录还包括与所述用户标识为好友关系的其他用户标识及所述数据标识的数据类型；根据多个用户标识及多个数据标识，分别创建多个用户节点及多个数据节点，将属于同一条操作记录的用户节点与数据节点连接；将属于相同数据类型的数据节点进行连接，将属于好友关系的用户节点进行连接，得到图网络；

基于编码模型对所述图网络进行编码处理，获取目标用户节点和所述多个数据节点的特征向量，所述目标用户节点为所述多个用户节点中的任一用户节点；

基于分类模型，根据所述目标用户节点和所述多个数据节点的特征向量，分别获取所述多个数据节点与所述目标用户节点的关联度；

根据获取的多个关联度，确定所述多个数据节点中的目标数据节点，将目标数据推荐给目标用户；

所述编码模型包括第一编码子模型和第二编码子模型，所述基于编码模型对所述图网络进行编码处理，获取目标用户节点和所述多个数据节点的特征向量，包括：

基于所述第一编码子模型通过权重矩阵，将所述图网络中每个节点及相邻节点的特征信息进行加权求和，得到所述每个节点的第一特征向量，所述第一特征向量包括均值向量和标准差向量，所述权重矩阵中包括所述每个节点与所述相邻节点之间的权重，所述权重用于表示所述相邻节点对所述每个节点的影响程度；

基于所述第二编码子模型根据所述第一特征向量中的均值向量和标准差向量，确定正态分布函数，根据所述正态分布函数，对所述每个节点的第一特征向量进行编码处理，得到所述每个节点的第二特征向量。

2.根据权利要求1所述的方法，其特征在于，所述基于编码模型对所述图网络进行编码处理，获取目标用户节点和所述多个数据节点的特征向量之前，所述方法还包括：

获取第一样本图网络，所述第一样本图网络中包括多个样本用户节点及多个样本数据节点；

基于所述编码模型对所述第一样本图网络进行编码处理，获取所述第一样本图网络中每个节点的特征向量；

基于解码模型，对所述第一样本图网络中多个节点的特征向量进行解码处理，得到第二样本图网络；

根据所述第一样本图网络及所述第二样本图网络之间的差异，对所述编码模型进行训练。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一样本图网络及所述第二样本图网络之间的差异，对所述编码模型进行训练，包括：

采用预设损失函数，对所述第一样本图网络及所述第二样本图网络进行处理，得到损失值；

响应于所述损失值大于预设阈值时，根据所述损失值对所述编码模型进行训练。

4.根据权利要求2所述的方法，其特征在于，所述根据所述第一样本图网络及所述第二样本图网络之间的差异，对所述编码模型进行训练之后，所述方法还包括：

获取已训练完成的编码模型；

获取第三样本图网络和多个样本节点集合，所述第三样本图网络中包括多个样本用户节点及多个样本数据节点，每个样本节点集合中包括一个样本用户节点、所述样本用户节点连接的正样本节点及所述样本用户节点未连接的负样本节点；

基于所述编码模型对所述第三样本图网络进行编码处理，获取所述第三样本图网络中每个节点的特征向量；

根据所述多个样本节点集合中的样本用户节点、正样本节点及负样本节点的特征向量，对所述分类模型进行训练。

5.根据权利要求1所述的方法，其特征在于，所述根据获取的多个关联度，确定所述多个数据节点中的目标数据节点，包括：

将所述多个数据节点中关联度大于预设阈值的数据节点，确定为所述目标数据节点。