[发明专利]标签推荐方法、装置及可读介质

说明书

本申请公开了一种标签推荐方法、装置及可读介质，涉及标签推荐领域。该方法包括：获取目标帐号、目标资源；通过被张量分解的标签推荐模型确定标签的推荐值，标签推荐模型被张量分解为核心张量和因子矩阵，核心张量的n个子张量中，目标子张量与因子矩阵对应相乘，其它子张量为0；确定标签数据中推荐值最高的n个标签作为向目标帐号推荐的标签。在通过标签推荐模型对标签进行推荐的过程中，由于核心张量中除了目标子张量外的其它子张量中的元素为0，即在等式关系中，核心张量中参与等式关系的仅包括目标子张量对应的部分，而其余部分并不参与该等式关系，避免了完整的三维核心张量导致时间复杂度过高的问题。

技术领域

本申请实施例涉及标签推荐领域，特别涉及一种标签推荐方法、装置及可读介质。

背景技术

个性化标签是指由用户通过标签库中的标签对资源进行标注的形式，其中，资源可以是任意形式的数据，如：音乐、视频、购物应用程序中的产品、图片等，而个性化标签推荐系统用于在展示资源的同时，向用户推荐用于对该资源进行标注的候选标签，用户可以优先在候选标签中选择一个或多个标签进行标注，也可以从标签库中选择其它标签进行标注。

相关技术中，由于对资源进行标签标注的过程中涉及用户、资源以及标签三个维度的交互关系，故提供一种塔克分解(TuckerDecomposition，TD)模型，该TD模型的具体形式如下：

Y＝C×_UU×_II×_TT

其中，Y用于表示用户、资源和标签三者构成的三阶张量，该三阶张量被分解为一个核心张量C和三个因子矩阵，该三个因子矩阵分别为U、I和T，其中，U用于表示用户对应的矩阵、I用于表示资源对应的矩阵、T用于表示标签对应的矩阵，×_U用于表示张量与因子矩阵进行乘法运算的运算符，下标U表示张量与因子矩阵相乘时张量的展开方向，同理可知×_I以及×_T的作用，上述TD模型的以标量形式展开后可以得到概率y、用户u，资源i以及标签t之间的函数关系，并根据已知的用户u和资源i得到对应的标签t被该用户u选择的概率y，以此对标签t进行推荐。

然而，由于TD模型分解得到的核心张量C依旧是三维张量，故该TD模型在训练和预测中的时间复杂度较高，训练和预测所耗费的时长也会较高，无法适应现有网络环境中用户数据、资源数据以及标签数据中的至少一项数据的数据量较大的特点，即，无法应用于数据集较大的场景中。

发明内容

本申请实施例提供了一种标签推荐方法、装置及可读介质，可以解决TD模型在训练和预测中的时间复杂度较高，训练和预测所耗费的时长也会较高的问题。所述技术方案如下：

一方面，提供了一种标签推荐方法，所述方法包括：

获取待进行所述标签推荐的目标帐号和目标资源；

通过被张量分解的标签推荐模型确定标签数据中的标签分别与所述目标帐号和所述目标资源对应的推荐值，所述标签推荐模型被所述张量分解为核心张量和因子矩阵，所述标签推荐模型等于所述核心张量和所述因子矩阵的乘积，其中，所述核心张量包括n个子张量，所述n个子张量中的目标子张量在等式关系中与所述因子矩阵对应相乘，所述n个子张量中除所述目标子张量的其它子张量中的元素为0；

确定所述标签数据中推荐值最高的n个标签作为向所述目标帐号推荐的标签，所述n个标签用于对所述目标资源进行标注，n为正整数。

另一方面，提供了一种标签推荐装置，所述装置包括：

获取模块，用于获取待进行所述标签推荐的目标帐号和目标资源；