[发明专利]数据推荐方法、装置和设备

权利要求书

1.一种数据推荐方法，其特征在于，包括：

获取目标用户的历史行为数据；

根据所述目标用户的历史行为数据，确定所述目标用户的交互矩阵；其中，所述交互矩阵用于表征所述目标用户与m个对象的交互关系；

将所述交互矩阵输入目标预测模型得到预测结果集；其中，所述目标预测模型为基于所述m个对象的关系网络训练得到的，所述m个对象的关系网络用于表征所述m个对象之间的关系，所述预测结果集中包括所述目标用户与所述m个对象中各个对象的交互概率；

根据所述预测结果集，从所述m个对象中确定出向所述目标用户推荐的至少一个对象。

2.根据权利要求1所述的方法，其特征在于，在将所述交互矩阵输入目标预测模型得到预测结果集之前，还包括：

获取所述各个对象的信息集；其中，所述信息集中包括对象的属性和对象所属的分类；

从所述各个对象的信息集中抽取出多组目标数据，其中，每组目标数据中包括以下至少之一：实体、属性、属性值和实体间的关系；

根据所述多组目标数据构建所述m个对象的关系网络；其中，所述m个对象的关系网络用于表征所述各个对象之间的关系。

3.根据权利要求1所述的方法，其特征在于，在将所述交互矩阵输入目标预测模型得到预测结果集之前，还包括：

获取样本数据集；其中，所述样本数据集中包括n个样本用户的交互矩阵；

获取所述m个对象的关系网络；

将所述样本数据集和所述m个对象的关系网络作为模型的输入数据进行训练，得到所述目标预测模型。

4.根据权利要求3所述的方法，其特征在于，获取样本数据集，包括：

获取n个样本用户的历史行为数据；

根据所述n个样本用户的历史行为数据，确定各个样本用户的交互矩阵；

将所述各个样本用户的交互矩阵作为样本数据集。

5.根据权利要求3所述的方法，其特征在于，将所述样本数据集和所述m个对象的关系网络作为模型的输入数据进行训练，包括：

将所述样本数据集和所述m个对象的关系网络作为输入数据，利用Ripple Net模型进行训练。

6.根据权利要求1所述的方法，其特征在于，根据所述目标用户的历史行为数据，确定所述目标用户的交互矩阵，包括：

根据所述m个对象生成初始交互矩阵；其中，所述初始交互矩阵中的每个元素分别对应一个对象；

根据所述目标用户的历史行为数据设置所述初始交互矩阵中的每个元素的值，得到所述目标用户的交互矩阵；其中在确定目标用户与所述m个对象中的第一对象之间存在交互关系的情况下，将所述第一对象对应的初始交互矩阵中的元素的值设置为1；在确定目标用户与所述m个对象中的第二对象之间不存在交互关系的情况下，将所述第二对象对应的初始交互矩阵中的元素的值设置为0。

7.根据权利要求1所述的方法，其特征在于，根据所述预测结果集，从所述m个对象中确定出向所述目标用户推荐的至少一个对象，包括：

将所述预测结果集中所述目标用户与所述各个对象的交互概率进行降序排列；

将排序前预设数量的对象作为向所述目标用户推荐的对象。

8.一种数据推荐装置，其特征在于，包括：

获取模块，用于获取目标用户的历史行为数据；

确定模块，用于根据所述目标用户的历史行为数据，确定所述目标用户的交互矩阵；其中，所述交互矩阵用于表征所述目标用户与m个对象的交互关系；

预测模块，用于将所述交互矩阵输入目标预测模型得到预测结果集；其中，所述目标预测模型为基于所述m个对象的关系网络训练得到的，所述m个对象的关系网络用于表征所述m个对象之间的关系，所述预测结果集中包括所述目标用户与所述m个对象中各个对象的交互概率；

处理模块，用于根据所述预测结果集，从所述m个对象中确定出向所述目标用户推荐的至少一个对象。