[发明专利]目标对象识别方法、信息推荐方法、装置、设备及介质

权利要求书

1.一种目标对象识别方法，其特征在于，包括：

基于用户集合中的用户，确定目标用户集合；

获取所述目标用户集合中目标用户关于对象的行为数据，并根据所述目标用户关于所述对象的行为数据，进行所述对象的质量识别，生成高质量对象集合；

通过图嵌入模型对行为数据图中的对象进行向量特征提取，得到所述对象的向量特征，所述行为数据图是根据所述用户集合中用户关于所述对象的行为数据构建的；

根据所述对象的向量特征，对所述高质量对象集合进行关于高质量对象的扩散，得到目标对象集合；

所述图嵌入模型包括完成模型训练的节点向量化子模型和词向量子模型；

所述通过图嵌入模型对行为数据图中的对象进行向量特征提取，得到所述对象的向量特征，包括：

基于所述节点向量化子模型，以所述行为数据图中的每一个节点作为起始节点进行随机游走，得到每一个所述节点对应的节点序列，所述节点用于标识所述行为数据图中的用户或对象；

将所述行为数据图中各所述节点对应的节点序列输入所述词向量子模型，得到各所述节点的向量特征，所述节点的向量特征包括所述用户的向量特征或所述对象的向量特征；

所述根据所述对象的向量特征，对所述高质量对象集合进行关于高质量对象的扩散，得到目标对象集合，包括：

根据所述对象的向量特征、以及所述高质量对象集合中每一个高质量对象的向量特征，分别计算所述对象与每一个所述高质量对象的相似度；

根据所述对象与每一个所述高质量对象的相似度，对所述对象进行评分，得到所述对象的第二相似分数；

基于所述对象的第二相似分数进行高质量对象的扩散，由扩散的高质量对象和所述高质量对象集合中的高质量对象，生成所述目标对象集合。

2.如权利要求1所述的方法，其特征在于，所述基于用户集合中的用户，确定目标用户集合，包括：

基于用户分类模型，对所述用户集合中的用户进行分类预测，得到所述目标用户集合。

3.如权利要求1所述的方法，其特征在于，所述根据所述目标用户关于所述对象的行为数据，进行所述对象的质量识别，生成高质量对象集合，包括：

基于所述目标用户关于所述对象的行为数据，确定所述行为数据的类型；

根据所述行为数据的类型，对所述对象进行评分，得到所述对象的质量分数；

根据所述对象的质量分数选取高质量对象，生成所述高质量对象集合。

4.如权利要求1所述的方法，其特征在于，所述基于所述节点向量化子模型，以所述行为数据图中的每一个节点作为起始节点进行随机游走，得到每一个所述节点对应的节点序列，包括：

对所述行为数据图中的每一个所述节点执行遍历步骤：

将遍历到的所述节点作为所述起始节点，基于所述节点向量化子模型，在所述行为数据图中确定所述起始节点的跳转节点；

由所述起始节点和所确定的跳转节点，形成遍历到的所述节点对应的节点序列；

重复执行所述遍历步骤，当所述遍历步骤完成，得到每一个所述节点对应的节点序列。

5.如权利要求4所述的方法，其特征在于，所述基于所述节点向量化子模型，在所述行为数据图中确定所述起始节点的跳转节点，包括：

计算所述起始节点跳转至所述行为数据图中其余节点的跳转概率；

基于所述起始节点与所述其余节点之间的跳转概率，确定第一个所述跳转节点；

如果停止跳转条件不满足，则计算第一个所述跳转节点跳转至所述行为数据图中其余节点的跳转概率；

基于第一个所述跳转节点与所述其余节点之间的跳转概率，确定第二个所述跳转节点；

直至所述停止跳转条件满足，停止所述跳转节点的确定。