[发明专利]一种对象推荐方法、装置、系统及电子设备

说明书

本发明属于网络信息处理领域，涉及一种对象推荐方法、装置及电子设备；所述方法包括采集相关人员的边缘信息和关系数据；采用方差权重的方式融合相关人员的多源边缘属性；将边缘信息和关系数据数据对齐处理后进行多粒度融合表示学习；利用双向长期短期记忆神经网络对同级关系的信息融合，利用平均池化对上下级关系的信息融合；计算与相关人员接触的密切人员的重要程度；按照相关人员所学习到的低维向量表示计算出相关人员与其密切人员的相似度距离，根据相似度距离推荐出相关人员的若干密切人员；本发明融合了相关人员的多源数据，基于多粒度认知计算理论去除对分析有影响的噪声信息或者线索；提高了推荐结果的准确性。

技术领域

本发明属于网络信息处理领域，具体涉及一种对象推荐方法、装置及电子设备。

背景技术

相关人员随着当今社会大数据以及信息化的影响，联合多种关系信息以及属性信息进行处理及分析的难度越来越高，其实现难度也越来越大。特别是在实际情况中特定对象的社会关系极为复杂，因此在对特定对象的挖掘推荐中，时间周期较长，效率较低。

在现有的大部分针对于社交网络分析的研究工作中，将社交网络看作同质网络去处理，特别是在职务相关网络中，往往会忽略人物关系中的一些细节，而且还容易将推荐方向引向错误的调查方向，影响推荐结果的准确性，延误对象推荐的时间，降低对象推荐的效率。

发明内容

基于现有技术存在的问题，本发明基于多粒度信息融合原则对复杂网络进行智能化分析，融合相关人员的边缘数据以及关系结构数据，降低无关信息对对象分析的影响，加快了对象推荐中对于有效线索信息的整合效率，从而提高了推荐准确率。

本发明提供一种对象推荐方法、装置、系统及电子设备用于实现上述技术方案。

在本发明的第一方面，本发明提供了一种对象推荐方法，所述推荐方法包括：

采集出相关人员的边缘信息以及与其他密切人员之间的关系数据；

对每一个相关人员的多种边缘信息采用方差权重的方式融合，得到相关人员的多源边缘属性融合的嵌入表示；

将边缘信息和关系数据进行数据对齐处理，将相关人员的多种边缘信息作为细粒度信息，将与其他密切人员之间的关系数据作为粗粒度信息，进行多粒度融合表示学习；

根据相关人员与不同类型的密切人员接触的频繁程度，将相关人员与密切人员之间的关系划分为同级关系和上下级关系；

利用双向长期短期记忆神经网络对同级关系的信息融合，利用平均池化对上下级关系的信息融合；

根据信息融合后的同级关系和上下级关系，计算出与相关人员接触的密切人员的重要程度；

利用所述与相关人员接触的密切人员的重要程度计算出相关人员所学习到的低维向量表示；

根据学习到的低维向量表示，计算出相关人员与其密切人员的相似度距离，根据相似度距离推荐出所述相关人员的若干密切人员集合。

在本发明的第二方面，本发明还提供了一种对象推荐装置，所述装置包括：

数据采集模块，用于采集相关人员的边缘信息以及与其他密切人员之间的关系数据；

数据嵌入模块，用于对每一个相关人员的多种边缘信息采用方差权重的方式融合，得到相关人员的多源边缘属性融合的嵌入表示；

数据对齐模块，用于对所述边缘信息和所述关系数据进行数据对齐；

多粒度融合模块，用于将相关人员的多种边缘信息作为细粒度信息，将与其他密切人员之间的关系数据作为粗粒度信息，进行多粒度融合表示学习；

信息融合模块，用于利用双向长短期记忆神经网络对同级关系的信息融合，利用平均池化对上下级关系的信息融合；