[发明专利]数据推荐方法、装置、服务器和计算机可读存储介质

权利要求书

1.一种数据推荐方法，其特征在于，包括：

获取广告数据，所述广告数据包括基础广告、待投放广告、基础账号以及全量账号，其中，所述待投放广告与所述基础广告具有关联关系，所述基础账号为所述基础广告对应的账号；

采用预定模型对所述广告数据对应的向量进行分析，得到所述基础账号的图特征向量、所述全量账号的图特征向量以及所述待投放广告的图特征向量；

根据所述基础账号的图特征向量和所述全量账号的图特征向量的相似度，确定目标账号；

根据所述目标账号的图特征向量和所述待投放广告的图特征向量的相似度，确定目标待投放广告并将所述目标待投放广告推荐给所述目标账号。

2.根据权利要求1所述的方法，其特征在于，所述采用预定模型对所述广告数据对应的向量进行分析，得到所述基础账号的图特征向量、所述全量账号的图特征向量以及所述待投放广告的图特征向量步骤包括：

以计算异构图的节点为第一中心节点，采样预定跳数内的第一邻居节点，得到包括所述第一中心节点和所述第一邻居节点的计算采样子图，所述计算异构图为基于所述广告数据建立的，所述计算异构图的节点包括所述基础广告对应的基础广告节点、所述待投放广告对应的待投放广告节点、所述基础账号对应的基础账号节点以及所述全量账号对应的全量账号节点中的至少两个，所述计算异构图中的边用于表示相邻的两个所述节点之间的关联关系；

获取所述第一邻居节点的初始向量；

采用所述预定模型并根据所述第一邻居节点的初始向量，计算所述第一邻居节点对应的所述第一中心节点的图特征向量，所述第一中心节点为所述基础账号节点、所述全量账号节点或所述待投放广告节点，所述第一中心节点的图特征向量对应为所述基础账号的图特征向量、所述全量账号的图特征向量或所述待投放广告的图特征向量。

3.根据权利要求2所述的方法，其特征在于，在所述采用预定模型对所述广告数据对应的向量进行分析，得到所述基础账号的图特征向量、所述全量账号的图特征向量以及所述待投放广告的图特征向量步骤之前，所述方法还包括：

基于所述广告数据，构建训练异构图，所述训练异构图的节点包括所述基础账号节点、所述待投放广告节点以及所述基础广告节点，所述训练异构图中的边用于表示所述基础广告节点之间的关联关系、所述基础广告节点和所述基础账号节点的关联关系或所述基础广告节点和所述待投放广告节点之间的关联关系；

以所述训练异构图的节点为第二中心节点，采样第四预定跳数内的第二邻居节点，得到包括所述第二中心节点和所述第二邻居节点的训练采样子图；

基于所述训练采样子图，确定初始模型，所述初始模型为所述第二邻居节点的初始向量表示所述第二中心节点的模型；

获取包括所述训练采样子图的训练样本，并采用所述训练样本训练所述初始模型，得到所述预定模型。

4.根据权利要求3所述的方法，其特征在于，所述获取包括所述训练采样子图的训练样本，并采用所述训练样本训练所述初始模型，得到所述预定模型步骤包括：

获取第一训练采样子图和第二训练采样子图，所述第一训练采样子图为以所述基础账号节点为所述第二中心节点的所述训练采样子图，所述第二训练采样子图为所述基础广告节点为所述第二中心节点的所述训练采样子图；

获取正样本和负样本，所述正样本包括所述第二中心节点之间存在所述边的所述第一训练采样子图和所述第二训练采样子图，所述负样本包括所述第二中心节点之间不存在所述边的所述第一训练采样子图和所述第二训练采样子图；

采用所述正样本和所述负样本训练所述初始模型，得到所述预定模型。

5.根据权利要求4所述的方法，其特征在于，所述采用所述正样本和所述负样本训练所述初始模型，得到所述预定模型步骤包括：

根据所述正样本和所述负样本的相似度，构建所述初始模型的目标损失函数；

训练所述初始模型，直到所述目标损失函数收敛，得到所述预定模型，所述预定模型为所述目标损失函数收敛时的所述初始模型。