本公开涉及一种电子装置和用于控制电子装置的方法,并且更具体地,涉及一种能够使用神经网络模型提供指示推荐内容的信息的电子装置和用于控制电子装置的方法。
背景技术:
1、近年来,已经加速发展了与神经网络模型相关的技术,并且用于使用图神经网络(gnn)模型向用户提供指示推荐内容的信息的技术已经受到关注。
2、根据相关领域的技术的神经网络模型通过有效地分析用户针对内容的复杂顺序的交互来提供与用户意图相应的推荐内容的能力有限。
3、提供了一种用于通过增强包括在训练数据中的图来训练神经网络模型以提高神经网络模型的性能的相关技术,但根据相关领域的技术,仅使用特定会话中的信息来增强图,因此存在其不是有效增强方法的限制。
技术实现思路
1、技术方案
2、一个或更多个实施例克服了上述相关技术的限制。一个或更多个实施例提供了一种电子装置以及用于控制电子装置的方法,该电子装置能够基于示出用户针对内容的访问历史的个体图的有效增强来训练神经网络模型,并且相应地预测与用户意图相应的推荐内容。
3、根据本公开的一个方面,一种电子装置包括:存储器,存储神经网络模型;以及处理器,被配置为:获得基于通过多个会话的针对多个内容的访问历史的多个个体图;基于包括在所述多个个体图中的节点之间的连接关系和所述节点之间的每一个连接被重复的次数,生成所述多个个体图被集成的集成图;通过基于所述集成图对所述多个个体图中的每一个个体图进行增强,获得多个增强图;以及基于所述多个增强图训练用于提供推荐内容的神经网络模型。
4、处理器还可被配置为:通过将包括在所述集成图中的至少一个节点添加到所述多个个体图中的每一个个体图中包括的多个节点,获得所述多个增强图中的至少一个增强图。
5、处理器还可被配置为:通过将包括在所述多个个体图中的每一个个体图中的多个节点中的至少一个节点改变为包括在所述集成图中的至少一个节点,获得所述多个增强图中的至少一个增强图。
6、处理器还可被配置为基于所述多个增强图的对比损失来训练神经网络模型。
7、处理器还可被配置为:实现编码器、预测模块、增强模块和对比损失获得模块,其中,编码器被配置为获得与所述多个个体图相应的矢量和与所述多个增强图相应的矢量,预测模块被配置为获得与所述多个个体图中的每一个个体图相应的推荐内容信息,增强模块被配置为通过对所述多个个体图中的每一个个体图进行增强来获得所述多个增强图,对比损失获得模块被配置为获得所述多个增强图的对比损失。
8、处理器还可被配置为:训练编码器以将所述多个增强图之中的与相同个体图相应的增强图与矢量空间上的相距短距离的矢量映射,并且将所述多个增强图之中的与不同个体图相应的增强图与所述矢量空间上的相距长距离的矢量映射。
9、用于限定与所述多个增强图相应的矢量的矢量空间可不同于用于限定所述多个增强图的对比损失的矢量空间。
10、处理器还可被配置为:控制增强模块通过用三种或更多种不同的方法对所述多个个体图中的每一个个体图进行增强来获得针对所述多个个体图中的每一个个体图的三个或更多个增强图,以及所述对比损失包括基于与所述三个或更多个增强图相应的矢量限定的两个或更多个正对。
11、根据本公开的一方面,一种用于控制电子装置使用神经网络模型的方法包括:获得基于通过多个会话的针对多个内容的访问历史的多个个体图;基于包括在所述多个个体图中的节点之间的连接关系和所述节点之间的每一个连接被重复的次数,生成所述多个个体图被集成的集成图;通过基于所述集成图对所述多个个体图中的每一个个体图进行增强,获得多个增强图;以及基于所述多个增强图训练用于提供推荐内容的神经网络模型。
12、获得所述多个增强图的步骤可包括:通过将包括在所述集成图中的至少一个节点添加到所述多个个体图中的每一个个体图中包括的多个节点,获得所述多个增强图中的至少一个增强图。
13、获得多个增强图的步骤可包括:通过将所述多个个体图中的每一个个体图中包括的多个节点中的至少一个节点改变为包括在所述集成图中的至少一个节点,获得所述多个增强图中的至少一个增强图。
14、训练神经网络模型的步骤可包括:基于所述多个增强图的对比损失来训练所述神经网络模型。
15、所述方法还可包括:控制编码器获得与所述多个个体图相应的矢量和与所述多个增强图相应的矢量;控制预测模块获得与所述多个个体图中的每一个个体图相应的推荐内容信息;控制增强模块通过对所述多个个体图中的每一个个体图进行增强来获得所述多个增强图;以及控制对比损失获得模块获得所述多个增强图的对比损失。
16、所述方法还可包括:训练编码器以将所述多个增强图之中的与相同个体图相应的增强图与矢量空间上的相距短距离的矢量映射,并且将所述多个增强图之中的与不同个体图相应的增强图与所述矢量空间上的相距长距离的矢量映射。
17、用于限定与所述多个增强图相应的矢量的矢量空间不同于用于限定所述多个增强图的对比损失的矢量空间。
18、增强模块可通过用三种或更多种不同的方法对所述多个个体图中的每一个个体图进行增强来获得针对所述多个个体图中的每一个个体图的三个或更多个增强图,以及其中,所述对比损失包括基于与所述三个或更多个增强图相应的矢量所限定的两个或更多个正对。
19、根据本公开的一个方面,一种非暂时性计算机可读存储介质存储可由处理器运行的程序指令,其中,所述程序指令在由处理器运行时被配置为控制装置进行以下操作:获得基于通过多个会话的针对多个内容的访问历史的多个个体图;基于包括在所述多个个体图中的节点之间的连接关系和所述节点之间的每一个连接被重复的次数,生成所述多个个体图被集成的集成图;通过基于所述集成图对所述多个个体图中的每一个个体图进行增强,获得多个增强图;以及基于所述多个增强图训练用于提供推荐内容的神经网络模型。
1.一种电子装置,包括:
2.根据权利要求1所述的电子装置,其中,处理器被配置为:通过将包括在所述集成图中的至少一个节点添加到包括在所述多个个体图中的每一个个体图中的多个节点,获得所述多个增强图中的至少一个增强图。
3.根据权利要求1所述的电子装置,其中,处理器被配置为:通过将包括在所述多个个体图中的每一个个体图中的多个节点中的至少一个节点改变为包括在所述集成图中的至少一个节点,获得所述多个增强图中的至少一个增强图。
4.根据权利要求1所述的电子装置,其中,处理器被配置为:基于所述多个增强图的对比损失来训练所述神经网络模型。
5.根据权利要求4所述的电子装置,其中,处理器被配置为:实现编码器、预测模块、增强模块和对比损失获得模块,其中,编码器被配置为获得与所述多个个体图相应的矢量和与所述多个增强图相应的矢量,预测模块被配置为获得与所述多个个体图中的每一个个体图相应的推荐内容信息,增强模块被配置为通过对所述多个个体图中的每一个个体图进行增强来获得所述多个增强图,对比损失获得模块被配置为获得所述多个增强图的对比损失。
6.根据权利要求5所述的电子装置,其中,处理器还被配置为:训练所述编码器以将所述多个增强图之中的与相同个体图相应的增强图与矢量空间上的相距短距离的矢量映射,并且将所述多个增强图之中的与不同个体图相应的增强图与所述矢量空间上的相距长距离的矢量映射。
7.根据权利要求5所述的电子装置,其中,用于限定与所述多个增强图相应的矢量的矢量空间不同于用于限定所述多个增强图的对比损失的矢量空间。
8.根据权利要求5所述的电子装置,其中,处理器还被配置为:控制增强模块通过用三种或更多种不同的方法对所述多个个体图中的每一个个体图进行增强来获得针对所述多个个体图中的每一个个体图的三个或更多个增强图,以及
9.一种控制电子装置使用神经网络模型的方法,所述方法包括:
10.根据权利要求9所述的用于控制电子装置的方法,其中,获得所述多个增强图的步骤包括:通过将包括在所述集成图中的至少一个节点添加到包括在所述多个个体图中的每一个个体图中的多个节点,获得所述多个增强图中的至少一个增强图。
11.根据权利要求9所述的用于控制电子装置的方法,其中,获得所述多个增强图的步骤包括:通过将包括在所述多个个体图中的每一个个体图中的多个节点中的至少一个节点改变为包括在所述集成图中的至少一个节点,获得所述多个增强图中的至少一个增强图。
12.根据权利要求9所述的用于控制电子装置的方法,其中,训练所述神经网络模型的步骤包括:基于所述多个增强图的对比损失来训练所述神经网络模型。
13.根据权利要求12所述的用于控制电子装置的方法,还包括:
14.根据权利要求13所述的用于控制电子装置的方法,还包括:训练所述编码器以将所述多个增强图之中的与相同个体图相应的增强图与矢量空间上的相距短距离的矢量映射,并且将所述多个增强图之中的与不同个体图相应的增强图与所述矢量空间上的相距长距离的矢量映射。
15.根据权利要求13所述的用于控制电子装置的方法,其中,用于限定与所述多个增强图相应的矢量的矢量空间不同于用于限定所述多个增强图的对比损失的矢量空间。