[发明专利]一种虚拟道具推荐方法、装置及计算机可读存储介质

权利要求书

1.一种虚拟道具推荐方法，其特征在于，包括：

获取目标游戏的异构网络，所述异构网络包括游戏用户的用户节点、游戏虚拟道具的道具节点、用户节点之间的第一边连接线、以及用户节点与道具节点之间的第二边连接线，所述第一边连接线表征游戏用户之间的社交关系，所述第二边连接线表征游戏用户对游戏虚拟道具的历史操作；

通过异构网络表征学习模型将目标游戏用户的目标用户节点表征为用户学习向量，以及将每一道具节点表征为道具学习向量；

根据所述目标用户节点的用户学习向量和每一道具节点的道具学习向量，获取所述目标游戏用户对每一游戏虚拟道具的第一偏好信息，所述第一偏好信息为所述目标游戏用户对每一游戏虚拟道具的长期偏好；

获取所述目标游戏用户的历史操作序列，并通过时序模型将所述历史操作序列表征为时序学习向量；

根据所述历史操作序列的时序学习向量和每一道具节点的道具学习向量，获取所述目标游戏用户对每一游戏虚拟道具的第二偏好信息，所述第二偏好信息为所述目标游戏用户在当前时刻对每一游戏虚拟道具的短期偏好；

根据所述第一偏好信息和所述第二偏好信息，向所述目标游戏用户推荐游戏虚拟道具。

2.根据权利要求1所述的虚拟道具推荐方法，其特征在于，所述通过异构网络表征学习模型将目标游戏用户的目标用户节点表征为用户学习向量的步骤之前，还包括：

获取预设的用于在所述异构网络中进行游走采样的游走路径集合，所述游走路径集合包括多条不同的游走路径；

根据所述游走路径集合在所述异构网络中对所述目标用户节点进行游走采样，得到多条游走节点序列；

所述通过异构网络表征学习模型将目标游戏用户的目标用户节点表征为用户学习向量的步骤，包括：

将所述多条游走节点序列输入所述异构网络表征学习模型进行表征学习，得到所述目标用户节点的用户学习向量。

3.根据权利要求2所述的虚拟道具推荐方法，其特征在于，所述将所述多条游走节点序列输入所述异构网络表征学习模型进行表征学习，得到所述目标用户节点的用户学习向量的步骤，包括：

针对每一游走节点序列，提取其中每一节点的特征向量，并通过所述异构网络表征学习模型将提取的特征向量映射到同一特征空间，以及将每一游走节点序列中所有节点映射后的特征向量拼接为拼接特征向量；

通过所述异构网络表征学习模型将对应同一游走路径的多条游走节点序列的拼接特征向量聚合为第一聚合特征向量；

通过所述异构网络表征学习模型将多条不同游走路径对应的多个第一聚合特征向量聚合为第二聚合特征向量；

通过所述异构网络表征学习模型将所述第二聚合特征向量线性转换为所述用户学习向量。

4.根据权利要求3所述的虚拟道具推荐方法，其特征在于，所述通过所述异构网络表征学习模型将对应同一游走路径的多条游走节点序列的拼接特征向量聚合为第一聚合特征向量的步骤，包括：

针对对应同一游走路径的每一游走节点序列，根据其中相邻节点之间边连接线的预分配的权重，利用注意力机制生成对应的第一注意力权重；

根据对应同一游走路径的每一游走节点序列的第一注意力权重，通过所述异构网络表征学习模型将对应同一游走路径的多条游走节点序列的拼接特征向量聚合为所述第一聚合特征向量。

5.根据权利要求4所述的虚拟道具推荐方法，其特征在于，所述虚拟道具推荐方法还包括：

根据游戏用户之间的交互记录，为对应的用户节点之间的第一边连接线预分配权重；

根据用户节点对道具节点的历史操作，为用户节点与道具节点之间的第二边连接线预分配权重。