[发明专利]一种跨域推荐及模型训练的方法和装置

说明书

本申请公开了一种跨域推荐及模型训练的方法和装置，其中所述模型训练方法包括：获取至少两种内容场景下各消费者账户的交互行为数据，并根据所述交互行为数据建立目标图网络；基于所述目标图网络进行采样，生成样本数据集合，其中，所述样本数据集合中的各样本数据包括所述目标图网络中的源节点，以及基于所述源节点采样生成的目标节点；基于所述样本数据集合协同训练多个深度神经网络模型，其中，所述深度神经网络模型包括用于向量化源节点的第一深度神经网络模型，以及用于向量化目标节点的第二深度神经网络模型。本实施例通过图表示算法以及协同训练出的多个深度神经网络，能够挖掘出节点之间隐藏的高阶关系，提升模型的泛化能力和稳定性。

技术领域

本申请实施例涉及自动化推荐技术，尤其涉及一种跨域推荐及模型训练的方法和装置。

背景技术

随着互联网技术的发展，越来越多的用户使用直播、短视频应用程序来观看直播或者短视频，虽然直播场景与短视频场景分别属于不同的域，消费行为习惯差异化较大，但两者会有一些共同用户，称为桥梁用户(bridge users)，如果通过桥梁用户和直播、短视频这两个域里的用户的行为数据实现跨域推荐，例如给短视频域里的一些潜在用户推荐直播域里的相关直播，可以提升直播用户渗透。

在相关技术中，一种跨域推荐的方法为，通过用户偏好标签给短视频域里的潜在用户推荐相同偏好标签的主播，但由于直播内容经常变化，相应偏好标签需要实时更新，目前技术上比较难实现机器实时更新直播间标签，另一方面两种域里标签重合度比较低，泛化性比较差，推荐效果一般。

发明内容

本申请提供一种跨域推荐及模型训练的方法和装置，用以提高跨域推荐的推荐效果。

第一方面，本申请实施例提供了一种模型训练的方法，所述方法包括：

获取至少两种内容场景下各消费者账户的交互行为数据，并根据所述交互行为数据建立目标图网络；

基于所述目标图网络进行采样，生成样本数据集合，其中，所述样本数据集合中的各样本数据包括所述目标图网络中的源节点，以及基于所述源节点采样生成的目标节点；

基于所述样本数据集合协同训练多个深度神经网络模型，其中，所述深度神经网络模型包括用于向量化源节点的第一深度神经网络模型，以及用于向量化目标节点的第二深度神经网络模型。

第二方面，本申请实施例还提供了一种跨域推荐的方法，所述方法包括：

确定至少两种内容场景下各消费者账户以及各提供者账户的向量表示，并存储所述向量表示；

当接收到某一内容场景下的目标消费者账户发送的请求时，从存储的向量表示中查找所述目标消费者账户的向量表示；

计算所述目标消费者账户的向量表示与其他内容场景下的各提供者账户的向量表示的匹配度；

根据所述匹配度，从所述其他内容场景下的各提供者账户中确定目标提供者账户，并将所述目标提供者账户推荐至所述目标消费者账户中。

第三方面，本申请实施例还提供了一种模型训练装置，所述装置包括：

图网络建立模块，用于获取至少两种内容场景下各消费者账户的交互行为数据，并根据所述交互行为数据建立目标图网络；

样本数据生成模块，用于基于所述目标图网络进行采样，生成样本数据集合，其中，所述样本数据集合中的各样本数据包括所述目标图网络中的源节点，以及基于所述源节点采样生成的目标节点；

模型训练模块，用于基于所述样本数据集合协同训练多个深度神经网络模型，其中，所述深度神经网络模型包括用于向量化源节点的第一深度神经网络模型，以及用于向量化目标节点的第二深度神经网络模型。

第四方面，本申请实施例还提供了一种跨域推荐装置，所述装置包括：