[发明专利]用于自动生成推荐的系统、方法和计算机可读介质

说明书

用于实体推荐的系统和方法能够通过允许被推荐的项目和推荐的接收者(例如，用户)被建模为由一个或多个静态子实体和/或动态组件构成的“复杂实体”，并且通过利用如在二分图中所反映的关于子实体之间的多个关系的信息，来利用丰富数据。根据这样的信息生成推荐可以涉及基于二分图(例如，使用基于图的卷积网络)创建子实体的向量表示，并且将这些向量表示组合成项目和用户(或者其他接收者)的表示以馈送到分类器模型。

技术领域

所公开的主题总体涉及用于自动生成推荐的系统和方法，并且更具体而言涉及用于推荐生成的基于图的神经网络架构。

背景技术

现代数据丰富的世界的特点不仅在于对数字信息源的日常依赖，而且还在于从信息取回的“拉模型”(其中，用户明确地搜索信息)到“推模型”(其中，自动向用户推荐相关信息)的范式转移。因此，不足为奇的是，诸如电子商务网站和社交网络等大型在线服务提供商倾向于将某种形式的“实体推荐”集成到其服务产品中，作为用户体验的核心部分。在大型系统内，在正确的上下文中的服务相关信息——例如，从电子商务网站上的数亿种产品中向用户推荐相关产品，或者显现用户可能希望在当前上下文中在社交媒体平台上数百万个帖子中消费的正确帖子——构成了具有挑战性的计算问题。

机器学习社区已经对实体推荐问题进行了大量研究，并且开发了针对其技术方案的多种方法。然而，在文献中所描述的典型公式通过仅对两个实体(诸如用户和待推荐的项目)进行建模，对整个系统采取了相当简单的观点。尽管这样的简单的抽象提供了能够使用严格算法解决的易于处理的公式，但是其忽略了系统中可用的关键信息的微妙性和复杂性。为了捕获系统中的关键信息，若干实际的推荐系统使用内容过滤方案，其中，针对(用户、项目)元组的联合特征是手动设计的，并且然后被馈送到分类器中。然而，设计特征是个难题，尤其对于具有若干个信息源的真实世界系统。因此，这样的方法常常遇到诸如例如准确度差或维护周期困难等问题。因此，需要一种自动地捕获信息的微妙性和复杂性的实体推荐方法。

发明内容

在本文中所描述的是用于实体推荐的数据处理系统、方法和计算机程序产品(体现在机器可读介质中)的各个方面，其能够通过允许待推荐的项目和推荐的接收者(例如，用户)被建模为由一个或多个静态子实体和/或动态组件组成的“复杂实体”并且通过利用关于所述子实体之间的多个关系的信息来捕获在过分简单的两实体模型中没有考虑的微妙性和复杂性。所述推荐的接收者在下文中也被称为“第一项目”，并且待推荐的项目在下文中也被称为“第二项目”。为了提供一些非限制性示例，第一项目和第二项目分别可以是例如用户和推荐以供其消费的消息，或者研究出版物和对其他出版物的建议引用。

静态子实体，下文也被简称为“实体”，通常是多种实体类型的独有的固定实例。第一项目和第二项目分别是第一复杂实体类型和第二复杂实体类型的实例。根据本文，每种复杂实体类型由相关联的(子)实体类型(在多种实体类型中选择)的对应集合来定义，有时与呈现独有的每个复杂实体实例(即，每个项目)的动态组件相结合。例如，出版物项目可以由构成所述动态组件的其作者(可以在多个出版物之间共享的静态实体)、在其中发表其的期刊(可以在多个出版物之间共享的另一静态实体)、以及其文本或者其文本的独有部分(例如，标题或摘要)来表示。作为与“退化”复杂实体类型相对应的特例，项目集合可以仅由单一类型的实体组成。例如，可以使用用户实体以便表示第一项目或第二项目。

实体(或者同义词“实体实例”)之间的关系能够由图来表示。根据各种实施例，任意两种实体类型的配对之间的关系被反映在二分图中。尽管讨论集中在表示两种不同类型实体的二分图上，但是所述概念能够被直接扩展到相同类型的实体之间的实体之间的图。(在二分图的框架内，这样做的一种非限制性方式是将单一实体类型的实体之间的关系表示为该单一类型实体的两个副本之间的二分图。)图(例如，二分图)在本文中被用于将对第二项目的推荐的计算通知给第一项目；在某种程度上，第一项目和第二项目“继承”了在其相关联的实体之间的关系。