信息推荐方法、装置、电子设备及存储介质与流程

本申请属于计算机领域，可以涉及人工智能、云技术和大数据等领域，具体而言，本申请涉及一种信息推荐方法、装置、电子设备及存储介质。

背景技术：

1、随着科技的快速发展，人们生活水平和需求也在不断的提升，对于各式各样的应用程序的使用已经成为人们生活中的常态，信息推荐也成为了不可缺少的一部分。比如，对于提供多媒体服务的应用程序，可以为应用程序的用户推荐其可能感兴趣的多媒体数据，从而可以提升用户的使用感知，也可以提高用户黏度。

2、为了满足应用需求，目前的相关技术中推荐方式也在不断改变，虽然目前的推荐方案一定程度上能够满足一个或多个方面的需求，但是推荐方案仍有待改进，如何优化推荐方案、提供推荐效果也是本领域相关技术人员一直在研究的重要问题之一。

技术实现思路

1、本申请实施例的目的旨在提供一种能够更好的满足应用需求的信息推荐方法、装置、电子设备及存储介质。为了实现上述目的，本申请实施例提供的技术方案如下：

2、一方面，本申请实施例提供了一种信息推荐方法，该方法包括：

3、获取第一对象的初始特征表示，所述初始特征表示包括对象标识的初始特征表示和对象属性信息的初始特征表示，所述第一对象为候选被推荐对象；

4、基于所述第一对象的初始特征表示，通过特征映射网络得到所述第一对象的对象标识的新的特征表示；

5、基于所述第一对象的对象标识的新的特征表示、以及所述第一对象的对象属性信息的初始特征表示，得到所述第一对象的目标特征表示，以基于所述目标特征表示进行所述第一对象的推荐；

6、其中，所述特征映射网络是基于多个第一样本对第一神经网络进行训练得到的，所述第一样本包括第二对象的初始特征表示和训练标签，该训练标签是基于第二对象的初始特征表示，通过训练后的第二神经网络得到的第二对象的参考特征表示，所述第二对象为被推荐对象；

7、所述训练后的第二神经网络是基于带有标注的多个第二样本对第二神经网络训练得到的，所述第二样本包括推荐对象和被推荐对象的初始特征表示，所述标注表征第二样本中的推荐对象是否对被推荐对象感兴趣，所述第二神经网络的输入包括第二样本中各个对象的初始特征表示，输出为各个对象的新的特征表示，训练损失是基于各个第二样本中两个对象的新的特征表示之间的相似度确定的。

8、另一方面，本申请实施例提供了一种信息推荐装置，该装置包括：

9、源数据获取模块，用于获取第一对象的初始特征表示，所述初始特征表示包括对象标识的初始特征表示和对象属性信息的初始特征表示，所述第一对象为候选被推荐对象；

10、特征映射模块，用于基于所述第一对象的初始特征表示，通过特征映射网络得到所述第一对象的对象标识的新的特征表示；

11、目标特征确定模块，用于基于所述第一对象的对象标识的新的特征表示、以及所述第一对象的对象属性信息的初始特征表示，得到所述第一对象的目标特征表示，以基于所述目标特征表示进行所述第一对象的推荐；

12、其中，所述特征映射网络是基于多个第一样本对第一神经网络进行训练得到的，所述第一样本包括第二对象的初始特征表示和训练标签，该训练标签是基于第二对象的初始特征表示，通过训练后的第二神经网络得到的第二对象的参考特征表示，所述第二对象为被推荐对象；

13、所述训练后的第二神经网络，是基于带有标注的多个第二样本对第二神经网络训练得到的，所述第二样本包括推荐对象和被推荐对象的初始特征表示，所述标注表征第二样本中的推荐对象是否对被推荐对象感兴趣，所述第二神经网络的输入包括第二样本中各个对象的初始特征表示，输出为各个对象的新的特征表示，训练损失是基于各个第二样本中两个对象的新的特征表示之间的相似度确定的。

14、另一方面，本申请实施例还提供了一种电子设备，该电子设备包括存储器和处理器，存储器中存储有计算机程序，处理器执行该计算机程序以实现本申请任一可选实施例中提供的方法。

15、另一方面，本申请实施例还提供了一种计算机可读存储介质，该存储介质中存储有计算机程序，该计算机程序被处理器执行时实现本申请任一可选实施例中提供的方法。

16、另一方面，本申请实施例还提供了一种计算机程序产品，该计算机产品包括计算机程序，该计算机程序被处理器执行时实现本申请任一可选实施例中提供的方法。

17、本申请实施例提供的技术方案带来的有益效果如下：

18、本申请实施例提供的信息推荐方法，在基于被推荐对象的特征表示即特征向量进行信息推荐的应用场景中，可以基于被推荐对象的初始特征表示，通过特征映射网络映射得到该对象的对象标识的新的特征表示。由于特征映射网络的训练样本(第一样本)的训练标签是通过训练后的特征提取网络得到的，而该特征提取网络是采用推荐对象和已知该对象感兴趣或不感兴趣的被推荐对象的特征表示(即第二样本)训练得到的，因此，该特征提取网络能够从多个第二样本中学习到被推荐对象的更好的特征表示，将通过该网络学习出的被推荐对象的特征表示作为训练标签来约束特征映射网络的训练，可以使得训练好的特征映射网络能够基于被推荐对象的初始特征表示映射得到具有更好的新的特征表示，因此，采用基于该新的特征表示生成的目标特征表示进行推荐时，可以有效提高推荐的准确性，更好的满足应用需求。尤其是在对新物品进行推荐时，通过特征映射网络可以快速得到新物品的好的特征表示，可显著提高新物品的推荐效果。

技术特征：

1.一种信息推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对象属性信息包括至少一项对象属性；所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述异构图确定所述中心节点的至少一个邻居节点，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述第一对象的新的特征表示和各所述邻居节点的特征表示，得到所述第一对象的目标特征表示，包括：

5.根据权利要求4所述的方法，其特征在于，每种所述元路径对应的子图中包括所述中心节点的n阶的邻居节点，其中，n≥1，第1阶邻居节点是与所述中心节点具有直接连边的邻居节点；

6.根据权利要求5所述的方法，其特征在于，所述通过融合所述邻居节点i的特征表示和各所述邻居节点j的特征表示，得到所述邻居节点i的融合特征表示，包括：

7.根据权利要求4所述的方法，其特征在于，所述通过融合所述第一对象对应于各种所述元路径的融合特征表示，得到所述第一对象的目标特征表示，包括：

8.根据权利要求2至7任一项所述的方法，其特征在于，所述基于所述第一对象的对象标识的新的特征表示、以及所述第一对象的对象属性信息的初始特征表示，得到所述第一对象的目标特征表示，包括：

9.根据权利要求8所述的方法，其特征在于，所述第一样本还包括第三对象的初始特征表示，所述第一样本对应的第三对象是对第二对象感兴趣或不感兴趣的推荐对象；

10.根据权利要求9所述的方法，其特征在于，所述多个第一样本包括多个样本三元组，每个所述样本三元组包括一个第三对象的初始特征表示、该第三对象感兴趣的第二对象的初始特征表示、以及该第三对象不感兴趣的第二对象的初始特征表示；

11.根据权利要求8所述的方法，其特征在于，所述方法还包括：

12.一种信息推荐装置，其特征在于，所述装置包括：

13.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序以实现权利要求1至11任一项所述的方法。

14.一种计算机可读存储介质，其特征在于，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至11任一项所述的方法。

15.一种计算机产品，其特征在于，所述计算机产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至11任一项所述的方法。

技术总结
本申请实施例提供了一种信息推荐方法、装置、电子设备及存储介质，涉及人工智能、云技术、大数据、多媒体等技术领域。该方法包括：获取第一对象的初始特征表示，基于第一对象的初始特征表示，通过特征映射网络得到第一对象的对象标识的新的特征表示；基于该新的特征表示和第一对象的对象属性信息的初始特征表示，得到第一对象的目标特征表示，以基于目标特征表示进行第一对象的推荐；其中，特征映射网络是基于多个第一样本对第一神经网络进行训练得到的，第一样本包括第二对象的初始特征表示和训练标签，该训练标签是第二对象的参考特征表示。基于本申请实施例提供的方案，可以有效提高推荐效果。

技术研发人员：郑佳炜
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：
技术公布日：2024/7/23