[发明专利]基于知识图谱的讯息推荐方法、装置、设备及介质

说明书

本发明提供的基于知识图谱的讯息推荐方法、装置、设备及介质，通过根据用户的标识得到此用户的历史兴趣产品讯息和支撑商机记录，进而结合讯息点击概率预测模型，得到对候选产品讯息的点击概率，最终根据点击概率向用户推荐产品讯息。本方案通过在讯息点击概率预测模型的训练过程中考虑产品讯息之间的知识层之间的相似度，根据讯息点击概率预测模型得到用户对候选产品讯息的点击概率，进而确定出向用户推荐的产品讯息，有效提高了讯息的推荐准确性。

技术领域

本发明涉及计算机领域，尤其涉及一种基于知识图谱的讯息推荐方法、装置、设备及介质。

背景技术

随着科技的迅速发展，用户的讯息获取途径已经不再局限于电视、广播、报纸等，从网络获取讯息已经成为主流。更有一些平台，用户不仅可以从中获取讯息，平台还会根据用户的习惯进行讯息推送，使得讯息更加符合用户的兴趣。

现有技术中，平台进行讯息推送时，首先根据用户浏览的历史讯息确定语义信息，进而由语义信息确定用户的偏好权重，从而得到用户画像特征。再根据待推送讯息、用户画像特征和点击预测模型生成文件推送指数，根据文件推送指数确定向用户推荐的讯息。

综上所述，现有的讯息推荐方法仅根据语义信息确定用户的偏好权重，导致讯息的推荐准确性较低。

发明内容

本发明提供一种基于知识图谱的讯息推荐方法、装置、设备及介质，用于解决现有的讯息推荐方法仅根据语义信息确定用户的偏好权重，导致讯息的推荐准确性较低的问题。

第一方面，本发明提供一种基于知识图谱的讯息推荐方法，应用于服务器，所述方法包括：

根据待推荐用户的标识，获取所述待推荐用户对应的历史兴趣产品讯息，支撑商机记录；

基于所述历史兴趣产品讯息，所述支撑商机记录以及预先获取的讯息点击概率预测模型，获取所述待推荐用户对每个候选产品讯息的点击概率；其中，所述点击概率预测模型是基于用户点击每个候选产品讯息的兴趣权重特征训练得到的用于预测用户点击产品讯息的概率的模型；

根据所述待推荐用户对每个候选产品讯息的点击概率，向所述待推荐用户推荐至少一个候选产品讯息。

在一种具体的实施方式中，所述方法还包括：

基于预先获取的历史数据中，每个用户的历史兴趣产品讯息、支撑商机记录以及候选产品讯息图谱，生成每个用户对每个候选产品讯息的兴趣权重特征，其中，所述候选产品讯息图谱中包括讯息商机库中每条产品讯息之间的知识层之间的关联关系；

根据每个用户对每个候选产品讯息的兴趣权重特征以及DNN进行模型训练，得到所述讯息点击概率预测模型。

在一种具体的实施方式中，所述方法还包括：

根据基于距离的翻译模型和基于语义的匹配模型，对所述讯息商机库中的所有产品讯息之间的知识层关联进行学习，得到任意两个产品讯息之间的知识层之间的相似度；

根据任意两个产品讯息之间的知识层之间的相似度，构建所述候选产品讯息图谱。

在一种具体的实施方式中，所述根据待推荐用户的标识，获取所述待推荐用户对应的历史兴趣产品讯息，支撑商机记录，包括：

根据所述待推荐用户的标识，从本地存储的历史数据查询获取所述待推荐用户的标识对应的历史兴趣产品讯息和支撑商机记录；所述历史兴趣产品讯息为所述待推荐用户历史实际点击浏览过的产品讯息，所述支撑商机记录为所述历史兴趣产品讯息中关联的平台商机信息和/或招标信息。

在一种具体的实施方式中，所述根据所述待推荐用户对每个候选产品讯息的点击概率，向所述待推荐用户推荐至少一个候选产品讯息，包括：