[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

说明书

本申请实施例提供了一种目标对象识别方法、信息推荐方法、装置、电子设备及存储介质，涉及计算机技术领域。其中，该目标对象识别方法包括：基于用户集合中的用户，确定目标用户集合；获取目标用户集合中目标用户关于对象的行为数据，并根据目标用户关于对象的行为数据，进行对象的质量识别，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，得到对象的向量特征，行为数据图是根据用户集合中用户关于对象的行为数据构建的；根据对象的向量特征，对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。本申请实施例解决了相关技术中目标对象识别的准确率不高的问题。

技术领域

本申请涉及计算机技术领域，具体而言，本申请涉及一种目标对象识别方法、信息推荐方法、装置、电子设备及存储介质。

背景技术

随着互联网技术的发展，不同类型的信息可借由互联网推荐给用户，例如，信息可以是文章、视频、图片、新闻、商品、电影等等。

以文章推荐为例，用户提供其所感兴趣的文章会涉及到的搜索关键词，与该搜索关键词相匹配的文章便会被搜索到并推荐给用户。应当理解，对于文章搜索来说，搜索到的文章是否优质，很大程度上取决于发表该文章的账号(例如公众号)是否优质，这也是影响用户搜索体验的关键因素。

相关技术中，账号识别依赖于账号的静态属性特征(例如粉丝量、发文量)来衡量账号质量，这往往导致账号识别的准确率不高。

发明内容

本申请各实施例提供了一种目标对象识别方法、信息推荐方法、装置、电子设备及存储介质，可以解决相关技术中存在的目标对象识别的准确率不高的问题。所述技术方案如下：

根据本申请实施例的一个方面，一种目标对象识别方法，包括：基于用户集合中的用户，确定目标用户集合；获取目标用户集合中目标用户关于对象的行为数据，并根据目标用户关于对象的行为数据，进行对象的质量识别，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，得到对象的向量特征，行为数据图是根据用户集合中用户关于对象的行为数据构建的；根据对象的向量特征，对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。

在一种可能的实施方式，所述基于用户分类模型，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，包括：基于所述用户分类模型，计算所述用户集合中用户属于目标用户的概率；根据所述用户集合中用户属于目标用户的概率，从所述用户集合中选取目标用户，生成所述目标用户集合。

在一种可能的实施方式，所述基于用户分类模型，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之前，所述方法还包括：获取第一训练样本，所述第一训练样本至少包括进行标注的用户的属性特征；根据所述第一训练样本对逻辑回归模型进行训练，当模型训练完成，得到所述用户分类模型。

在一种可能的实施方式，所述以所述行为数据图作为第二训练样本，对初始的图嵌入模型进行训练，包括：基于初始的节点向量化子模型，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；将所述行为数据图中各所述节点对应的节点序列输入初始的词向量子模型，进行关于初始的图嵌入模型的训练。

根据本申请实施例的一个方面，一种信息推荐方法，包括：获取搜索关键词；在候选信息库中搜索与搜索关键词相匹配的候选信息，并确定与搜索到的候选信息相关联的对象；基于所确定对象是否属于目标对象集合的检测结果，对搜索到的候选信息进行筛选，得到信息搜索结果，目标对象集合是如上的目标对象识别方法得到的；进行关于信息搜索结果的推荐。