[发明专利]基于异构信息网络的混合推荐模型处理方法、系统和介质

权利要求书

1.一种基于异构信息网络的混合推荐模型处理方法，其特征在于，包括以下步骤：

构建混合推荐模型；

通过所述混合推荐模型生成目标推荐产品信息；

其中，所述混合推荐模型的通过以下步骤进行处理：

构建异构信息网络；

获取所述异构信息网络中符合第一预设要求的第一用户特征和第一项目特征，以及获取所述异构信息网络中符合第二预设要求的第二用户特征和第二项目特征；

将所述符合第三预设要求的第一用户特征与第二用户特征，以及第一项目特征与第二项目特征进行拼接，得到拼接特征向量；

根据所述拼接特征向量定义预测函数；

定义所述预测函数对应的损失函数；

通过所述预测函数和所述损失函数优化所述混合推荐模型。

2.根据权利要求1所述的一种基于异构信息网络的混合推荐模型处理方法，其特征在于，所述获取所述异构信息网络中符合第一预设要求的第一用户特征和第一项目特征，包括：

通过元结构描述所述异构信息网络中若干个用户信息与项目信息的关联关系；

通过相似度算法计算具备所述关联关系的用户信息与项目信息的相似度矩阵；

通过分解算法获取所述相似度矩阵对应的第一用户特征和第一项目特征。

3.根据权利要求1所述的一种基于异构信息网络的混合推荐模型处理方法，其特征在于，所述获取所述异构信息网络中符合第二预设要求的第二用户特征和第二项目特征，其具体为：

通过卷积神经网络模型获取所述异构信息网络中不具备所述关联关系的第二用户特征和第二项目特征。

4.根据权利要求1所述的一种基于异构信息网络的混合推荐模型处理方法，其特征在于，所述将所述符合第三预设要求的第一用户特征与第二用户特征，以及第一项目特征与第二项目特征进行拼接，得到拼接特征向量，包括：

将所述第二用户特征和所述第二项目特征的维度转换为与所述第一用户特征和所述第一项目特征相同的维度；

将维度转换后的第二用户特征与所述第一用户特征进行第一次拼接，将维度转换后的第二项目特征与所述第一项目特征进行第一次拼接；

将满足第三预设要求的拼接后的用户特征和项目特征进行第二次拼接，得到拼接特征向量。

5.根据权利要求1所述的一种基于异构信息网络的混合推荐模型处理方法，其特征在于，所述根据所述拼接特征向量定义预测函数，包括：

获取所述异构信息网络中用户信息和项目信息对应的历史平均分；

根据所述拼接特征向量和所述历史平均分通过因子分解机定义预测函数。

6.根据权利要求5所述的一种基于异构信息网络的混合推荐模型处理方法，其特征在于，所述定义所述预测函数对应的损失函数，其具体为：

通过正则化去惩罚参数定义所述预测函数对应的损失函数。

7.根据权利要求6所述的一种基于异构信息网络的混合推荐模型处理方法，其特征在于，所述通过所述预测函数和所述损失函数优化所述混合推荐模型，包括：

根据所述预测函数和所述损失函数计算预测评分值；

获取真实评分值；

计算所述预测评分值与所述真实评分值的均方根误差；

根据所述真实评分值优化所述混合推荐模型。

8.根据权利要求1-7任一项所述的一种基于异构信息网络的混合推荐模型处理方法，其特征在于，所述优化所述混合推荐模型，其具体为：

通过加速近端梯度算法优化所述混合推荐模型。

9.一种基于异构信息网络的混合推荐模型处理系统，其特征在于，包括：

至少一个存储器，用于存储程序；

至少一个处理器，用于加载所述程序以执行如权利要求1-8任一项所述的基于异构信息网络的混合推荐模型处理方法。

10.一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于实现如权利要求1-8任一项所述的基于异构信息网络的混合推荐模型处理方法。