[发明专利]推荐处理方法、装置、电子设备及存储介质

权利要求书

1.一种基于人工智能的推荐处理方法，其特征在于，所述方法包括：

获取多个账号的历史行为信息和账号信息；

基于所述多个账号的历史行为信息构建账号结构图，并在所述账号结构图中执行随机游走操作，得到每个所述账号的拓扑信息；

将每个所述账号的拓扑信息和账号信息分别对应的向量表示进行融合处理，得到每个所述账号的账号向量；

基于所述账号的账号向量执行推荐操作。

2.根据权利要求1所述的方法，其特征在于，所述基于所述多个账号的历史行为信息构建账号结构图，包括：

针对每个所述账号执行以下处理：

从所述账号的历史行为信息中，确定与所述账号之间发生互动行为的多个互动账号；

确定与每个所述互动账号之间发生互动行为的多个目标账号；

将所述目标账号作为所述账号结构图中的节点，并建立与相同的所述互动账号发生互动行为的节点之间的边。

3.根据权利要求1所述的方法，其特征在于，所述在所述账号结构图中执行随机游走操作，得到每个所述账号的拓扑信息，包括：

针对每个所述账号执行以下处理：

在所述账号结构图中确定对应所述账号的目标节点，并查询与所述目标节点之间连接的邻接节点；

从所述目标节点出发向所述邻接节点进行游走，将游走过程中形成的游走路径确定为对应所述账号的拓扑信息。

4.根据权利要求3所述的方法，其特征在于，当未查询到与所述目标节点之间连接的邻接节点时，所述方法还包括：

从所述账号发布的社交信息中提取社交内容向量；

从所述账号的账号垂类信息中提取账号垂类向量；

从所述账号的账号垂直度信息中提取账号垂直度向量；

从所述账号的账号等级信息中提取账号等级向量；

将所述社交内容向量、所述账号垂类向量、所述账号垂直度向量、以及所述账号等级向量进行融合处理，得到所述账号的账号向量。

5.根据权利要求1所述的方法，其特征在于，所述将每个所述账号的拓扑信息和账号信息分别对应的向量表示进行融合处理，得到每个所述账号的账号向量，包括：

针对每个所述账号执行以下处理：

从所述账号的拓扑信息中提取拓扑向量，并从所述账号的账号信息中提取边向量；

确定对应所述拓扑向量的权重和对应所述边向量的权重；

基于所述拓扑向量的权重和所述边向量的权重，对所述拓扑向量和所述边向量进行加权求和处理，得到所述账号的账号向量。

6.根据权利要求5所述的方法，其特征在于，

所述账号信息的类型包括以下至少之一：社交信息、账号垂类信息、账号垂直度信息、账号等级信息；

所述从所述账号的账号信息中提取边向量，包括：

从所述账号发布的社交信息中提取社交内容向量；

从所述账号的账号垂类信息中提取账号垂类向量；

从所述账号的账号垂直度信息中提取账号垂直度向量；

从所述账号的账号等级信息中提取账号等级向量；

将所述社交内容向量、所述账号垂类向量、所述账号垂直度向量、以及所述账号等级向量进行融合处理，得到所述边向量。

7.根据权利要求4或6所述的方法，其特征在于，所述从所述账号的账号垂直度信息中提取账号垂直度向量，包括：

在所述账号发布的多个类别的社交信息中，确定每个所述类别的社交信息的数量；

针对每个所述类别执行以下处理：将所述类别的社交信息的数量和所述账号发布的所有社交信息的数量之间的比值确定为分类概率，对所述分类概率进行对数运算，并将对数运算结果确定为所述类别对应的子信息熵；

将每个所述类别对应的子信息熵进行加和处理，并对加和结果的相反数进行编码处理，得到所述账号垂直度向量。