技术特征：
1.一种项目推荐方法，其特征在与，所述方法通过目标模型实现，所述方法包括：获取n个第一信息，第i个第一信息用于指示第i个第一项目以及第i个行为，所述第i个行为是所述用户针对所述第i个项目的行为，所述用户的n个行为与m个类别对应，i＝1，...，n，n≥m，m＞1；基于多头自注意力机制对所述n个第一信息进行处理，得到n个第二信息；基于所述n个第二信息，获取项目推荐结果，所述项目推荐结果用于在k个第二项目中确定推荐给所述用户的目标项目，k≥1。2.根据权利要求1所述的方法，其特征在于，所述基于多头注意力机制对所述n个第一信息进行处理，得到n个第二信息包括：对所述第i个第一信息进行线性处理，得到第i个q信息，第i个k信息以及第i个v信息；对所述第i个q信息、n个k信息、n个v信息以及所述第i个行为对应的n个权重信息进行运算，得到第i个第二信息，所述第i个行为对应的第j个权重信息基于所述第i个行为以及第j个行为确定，j＝1，...，n。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取n个第三信息，第i个第三信息用于指示所述第i个行为；对所述第i个第三信息以及所述n个第三信息进行运算，得到所述第i个行为对应的n个第四信息，所述第i个行为对应的第j个第四信息用于指示所述第i个行为与所述第j个行为之间的距离；所述对所述第i个q信息、n个k信息、n个v信息以及所述第i个行为对应的n个权重信息进行运算，得到第i个第二信息包括：对第i个q信息、所述n个k信息、所述n个v信息、所述第i个行为对应的n个权重信息以及所述第i个行为对应的n个第四信息进行运算，得到第i个第二信息。4.根据权利要求3所述的方法，其特征在于，所述第i个行为与所述第j个行为之间的距离包括：所述第i个行为的排序与所述第j个行为的排序之间的间隔。5.根据权利要求1至4任意一项所述的方法，其特征在于，所述基于所述n个第二信息获取项目推荐结果包括：对所述n个第二信息进行特征提取，得到第五信息以及第六信息，所述第五信息用于指示所述n个行为之间的不同点，所述第六信息用于指示所述n个行为之间的相同点；对所述第五信息以及所述第六信息进行融合，得到第七信息，所述第七信息用于指示所述用户的兴趣分布；计算所述第七信息与k个第八信息之间的匹配度，所述匹配度作为项目推荐结果，第t个第八信息用于指示第t个第二项目，t＝1，...，k。6.根据权利要求5所述的方法，其特征在于，所述k个第二项目包含所述n个第一项目。7.一种模型训练方法，其特征在与，所述方法包括：将n个第一信息输入至待训练模型中，得到预测的项目推荐结果，所述待训练模型用于：获取n个第一信息，第i个第一信息用于指示第i个第一项目以及第i个行为，所述第i个行为是所述用户针对所述第i个项目的行为，所述用户的n个行为与m个类别对应，i＝1，...，n，n≥m，m＞1；基于多头注意力机制对所述n个第一信息进行处理，得到n个第二信息；基于所述n个第二信息，获取预测的项目推荐结果，所述预测的项目推荐结果用于在k个
第二项目中确定推荐给所述用户的目标项目，k≥1；基于所述预测的项目推荐结果以及所述真实的项目推荐结果，获取目标损失，所述目标损失用于指示所述预测的项目推荐结果以及所述真实的项目推荐结果之间的差异；基于所述目标损失，对所述待训练模型的参数进行更新，直至满足模型训练条件，得到目标模型。8.根据权利要求7所述的方法，其特征在于，所述待训练模型，用于：对所述第i个第一信息进行线性处理，得到第i个q信息，第i个k信息以及第i个v信息；对所述第i个q信息、n个k信息、n个v信息以及所述第i个行为对应的n个权重信息进行运算，得到第i个第二信息，所述第i个行为对应的第j个权重信息基于所述第i个行为以及第j个行为确定，j＝1，...，n。9.根据权利要求8所述的方法，其特征在于，所述待训练模型，还用于：获取n个第三信息，第i个第三信息用于指示所述第i个行为；对所述第i个第三信息以及所述n个第三信息进行运算，得到所述第i个行为对应的n个第四信息，所述第i个行为对应的第j个第四信息用于指示所述第i个行为与所述第j个行为之间的距离；所述待训练模型，用于对第i个q信息、所述n个k信息、所述n个v信息、所述第i个行为对应的n个权重信息以及所述第i个行为对应的n个第四信息进行运算，得到第i个第二信息。10.根据权利要求9所述的方法，其特征在于，所述第i个行为与所述第j个行为之间的距离包括：所述第i个行为的排序与所述第j个行为的排序之间的间隔。11.根据权利要求7至10任意一项所述的方法，其特征在于，所述待训练模型，用于：对所述n个第二信息进行特征提取，得到第五信息以及第六信息，所述第五信息用于指示所述n个行为之间的不同点，所述第六信息用于指示所述n个行为之间的相同点；对所述第五信息以及所述第六信息进行融合，得到第七信息，所述第七信息用于指示所述用户的兴趣分布；计算所述第七信息与k个第八信息之间的匹配度，所述匹配度作为项目推荐结果，第t个第八信息用于指示第t个第二项目，t＝1，...，k。12.根据权利要求11所述的方法，其特征在于，所述k个第二项目包含所述n个第一项目。13.一种项目推荐装置，其特征在与，所述装置包括：第一获取模块，用于通过目标模型获取n个第一信息，第i个第一信息用于指示第i个第一项目以及第i个行为，所述第i个行为是所述用户针对所述第i个项目的行为，所述用户的n个行为与m个类别对应，i＝1，...，n，n≥m，m＞1；处理模块，用于通过目标模型基于多头自注意力机制对所述n个第一信息进行处理，得到n个第二信息；第二获取模块，用于通过目标模型基于所述n个第二信息，获取项目推荐结果，所述项目推荐结果用于在k个第二项目中确定推荐给所述用户的目标项目，k≥1。14.一种模型训练装置，其特征在与，所述装置包括：处理模块，用于将n个第一信息输入至待训练模型中，得到预测的项目推荐结果，所述待训练模型用于：获取n个第一信息，第i个第一信息用于指示第i个第一项目以及第i个行
为，所述第i个行为是所述用户针对所述第i个项目的行为，所述用户的n个行为与m个类别对应，i＝1，...，n，n≥m，m＞1；基于多头注意力机制对所述n个第一信息进行处理，得到n个第二信息；基于所述n个第二信息，获取预测的项目推荐结果，所述预测的项目推荐结果用于在k个第二项目中确定推荐给所述用户的目标项目，k≥1；获取模块，用于基于所述预测的项目推荐结果以及所述真实的项目推荐结果，获取目标损失，所述目标损失用于指示所述预测的项目推荐结果以及所述真实的项目推荐结果之间的差异；更新模块，用于基于所述目标损失，对所述待训练模型的参数进行更新，直至满足模型训练条件，得到目标模型。15.一种项目推荐装置，其特征在于，所述装置包括存储器和处理器；所述存储器存储有代码，所述处理器被配置为执行所述代码，当所述代码被执行时，所述项目推荐装置执行如权利要求1至12任意一项所述的方法。16.一种计算机存储介质，其特征在于，所述计算机存储介质存储有一个或多个指令，所述指令在由一个或多个计算机执行时使得所述一个或多个计算机实施权利要求1至12任一所述的方法。17.一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施权利要求1至12任意一项所述的方法。
技术总结
本申请公开了一种项目推荐方法及其相关设备，其使用的神经网络模型所输出的项目推荐结果，能够具备较高的准确度，有利于优化用户体验。本申请的方法方法通过目标模型实现，本申请的方法包括：获取N个第一信息，第i个第一信息用于指示第i个第一项目以及第i个行为，第i个行为是用户针对第i个项目的行为，用户的N个行为与M个类别对应，i＝1，...，N，N≥M，M＞1；基于多头自注意力机制对N个第一信息进行处理，得到N个第二信息；基于N个第二信息，获取项目推荐结果，项目推荐结果用于在K个第二项目中确定推荐给用户的目标项目，K≥1。K≥1。K≥1。
技术研发人员：郭威 袁恩铭 郭慧丰 唐睿明
受保护的技术使用者：华为技术有限公司
技术研发日：2022.06.21
技术公布日：2022/11/3