[发明专利]用于智能推荐的排序模型训练方法、智能推荐方法及装置

权利要求书

1.一种排序模型训练方法，所述方法包括：

获取目标域的第一用户数据和第一资源数据，以及获取源域的第二用户数据和第二资源数据；

根据所述第一用户数据、第一资源数据、第二用户数据和第二资源数据，确定隐式特征；

基于所述隐式特征，训练排序模型，所述排序模型用于对所述目标域的用户进行资源推荐；

还包括：在所述目标域和所述源域有重叠用户和重叠资源的情况下，利用重叠用户的第二用户数据和重叠资源的第二资源数据，通过图神经网络GNN提取联合隐式特征，基于所述联合隐式特征，确定所述隐式特征；

还包括：在根据所述第一用户数据和第二用户数据确定所述目标域和所述源域有重叠用户的情况下，采用协同过滤方式对第一资源数据提取第一隐式资源特征；

采用图神经网络对所述第一用户数据和所述第一资源数据提取第一联合隐式特征；

基于所述第一资源数据和所述重叠用户的第二用户数据，采用图神经网络提取第二联合隐式特征；

将所述第一联合隐式特征、所述第二联合隐式特征按照第二拼接方式进行拼接，得到第一拼接联合隐式特征；

将所述第一隐式资源特征、所述第一拼接联合隐式特征和拼接用户特征按照第一拼接方式进行拼接，得到隐式特征；

其中，所述拼接用户特征是将第一隐式用户特征和第二隐式用户特征进行拼接得到的，所述第一隐式用户特征是对第一用户数据提取得到的，所述第二隐式用户特征是对重叠用户的第二用户数据提取得到的。

2.根据权利要求1所述的方法，还包括：

根据所述第一用户数据和第一资源数据，确定显式特征；

基于所述显式特征和所述隐式特征，训练排序模型。

3.根据权利要求2所述的方法，其中，所述根据所述第一用户数据和第一资源数据，确定显式特征，包括：

在所述目标域的数量为多个的情况下，采用相同的特征编码方式从每一目标域的第一用户数据中获取第一显式用户特征，采用相同的特征编码方式从每一目标域的第一资源数据中获取第一显式资源特征；各目标域的第一显式用户特征的的格式相同；各目标域的第一显式资源特征的格式相同；

对于每一目标域，将所述第一显式用户特征和所述第一显式资源特征按照第一拼接方式进行拼接，得到显式特征。

4.根据权利要求1所述的方法，其中，所述根据所述第一用户数据、第一资源数据、第二用户数据和第二资源数据，确定隐式特征，包括：

在根据所述第一用户数据和第二用户数据确定所述目标域和源域有重叠用户的情况下，采用协同过滤方式对所述第一用户数据提取第一隐式用户特征；

采用协同过滤方式对重叠用户的第二用户数据提取第二隐式用户特征；

将所述第一隐式用户特征和所述第二隐式用户特征按照第二拼接方式进行拼接，得到拼接用户特征；

基于所述拼接用户特征，确定隐式特征。

5.根据权利要求4所述的方法，其中，所述将所述第一隐式用户特征和所述第二隐式用户特征按照第二拼接方式进行拼接，得到拼接用户特征，包括：

基于所述重叠用户的第二用户数据的数量和所述第一用户数据的数量，确定所述第二隐式用户特征对应的第一权重；

基于所述第一隐式用户特征、所述第二隐式用户特征和所述第一权重，得到拼接用户特征。

6.根据权利要求1所述的方法，其中，所述根据所述第一用户数据、第一资源数据、第二用户数据和第二资源数据，确定隐式特征，包括：

在根据所述第一资源数据和第二资源数据确定所述目标域和源域有重叠资源的情况下，采用协同过滤方式对所述第一资源数据提取第一隐式资源特征；

采用协同过滤方式对重叠资源的第二资源数据提取第二隐式资源特征；

将所述第一隐式资源特征和所述第二隐式资源特征按照第二拼接方式进行拼接，得到拼接资源特征；

基于所述拼接资源特征，确定隐式特征。