[发明专利]资源推荐方法、装置以及存储介质

说明书

本公开提供了一种资源推荐方法、装置以及存储介质，涉及计算机技术领域，其中的方法包括：对词向量进行向量聚类处理，对与资源相对应的词向量组进行聚合处理，采用语义聚类以及向量融合的方式生成资源特征向量，构建知识图谱并通过注意力机制训练获得各个资源特征向量在知识图谱中的传播偏好，并基于各类资源分别与用户类型的交互关系进行训练学习，对多个预测模型进行训练；使用知识图谱和/或训练好的预测模型进行资源推荐处理。本公开能够充分利用资源实体的信息和交互信息进行融合推荐，并采用多任务模式解决数据稀疏性问题；可以实现资源的精准匹配推荐，解决了实体的异构多类型问题，提高了推荐结果的准确性，提高用户的使用体验。

技术领域

本公开涉及计算机技术领域，尤其涉及一种资源推荐方法、装置以及存储介质。

背景技术

在技术转移平台中集聚了科技成果、科研人才、学术论文、发明专利、科技服务、技术经纪人、技术需求等资源，资源类型多且数量庞大。技术转移平台需要对用户提供精准的资源推荐，能够对海量信息进行筛选、过滤，将用户最关注最感兴趣的信息展现在用户面前，对用户提供具有良好用户体验的互联网平台，提升用户工作的效率，节省用户筛选信息的时间。现有的技术转移平台使用的推荐模型通常基于内容或协同过滤，部分通过知识图谱等技术进行路径推荐或者权重推荐，缺少针对复杂资源场景的推荐模型，并且具有用户的交互数据稀疏、推荐结果不准确等问题。因此，需要新的关于资源推荐的技术方案。

发明内容

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种资源推荐方法、装置以及存储介质。

根据本公开实施例的第一方面，提供一种资源推荐方法，包括：生成资源的数字表征信息；其中，所述数字表征信息包括：资源ID、资源类型和词向量；对所述词向量进行向量聚类处理，获得与所述资源相对应的词向量组；对与所述资源相对应的词向量组进行聚合处理，生成与所述资源相对应的资源特征向量；确定用户实体与所述资源之间的关系信息，基于所述用户实体、所述资源的资源特征向量和所述关系信息构建知识图谱；在所述知识图谱中确定资源特征向量之间的关联关系，构建资源特征向量之间的路径权重；根据用户的交互行为类型并基于所述资源特征向量，生成多个交互行为数据集，并基于所述多个交互行为数据集生成多个训练样本，对多个预测模型进行训练；使用所述知识图谱和/或训练好的预测模型进行资源推荐处理。

可选地，所述生成资源的数字表征信息包括：对所述资源的描述文本进行分词处理，获得多个分词；生成与各个分词相对应的词向量；基于所述资源ID、所述资源类型、所述词向量生成所述数字表征信息。

可选地，所述对所述词向量进行向量聚类处理，获得与所述资源相对应的词向量组包括：在全部词向量中获取词向量集合；其中，所述词向量集合中的词向量数量等于预设的向量数量；对所述词向量集合进行分组处理，获得多个词向量子集合；其中，所述词向量子集合的总数量等于预设的分组数量；对于所述词向量子集合中的全部词向量进行语义相似度聚类处理，从所述全部词向量中获得多个聚类词向量，并基于此多个聚类词向量生成所述词向量组；其中，此多个聚类词向量的数量等于预设的每个词向量组中的聚类向量数量。

可选地，所述对于所述词向量子集合中的全部词向量进行语义相似度聚类处理，从所述全部词向量中获得多个聚类词向量包括：计算所述全部词向量中的任意两个词向量之间的第一余弦相似度；基于与至少一个最大第一余弦相似度对应的两个词向量，获得多个聚类词向量。

可选地，所述对与所述资源相对应的词向量组进行聚合处理，生成与所述资源相对应的资源特征向量包括：对于各个词向量组中的聚类词向量进行降维处理，使得各个词向量组中的聚类词向量的维度都相同；对各个词向量组中的全部聚类词向量进行求和运算，生成所述资源特征向量。