[发明专利]基于人工智能的项目推荐方法、装置、计算机设备及介质

权利要求书

1.一种基于人工智能的项目推荐方法，其特征在于，所述方法包括：

构建交互图数据，所述交互图数据包括节点和边，所述节点包括项目节点和用户节点，其中，所述项目节点的节点信息包括一项目的项目信息，所述用户节点的节点信息包括一用户的用户信息，所述边连接一所述项目节点和一所述用户节点，所述边用于表征所述项目节点与所述用户节点之间的交互程度；

针对任一节点，统计所述交互图数据中除所述节点以外的节点个数，得到节点数量，计算与所述节点连接的边的数量与所述节点数量的比值，得到所述节点的增广概率；

根据所有节点的增广概率，对所述交互图数据进行预设次增广处理，得到预设个增广处理后的交互图数据；

采用预训练好的编码器作为推荐模型，以所述预设个增广处理后的交互图数据构成训练数据集，以对比损失函数为依据，采用反向传播算法对所述推荐模型的参数进行更新，直至所述对比损失函数收敛，得到训练好的推荐模型；

将所述交互图数据输入所述训练好的推荐模型，得到所述交互图数据中每个用户的项目推荐结果，所述项目推荐结果为所述交互图数据中的至少一个项目信息。

2.根据权利要求1所述的项目推荐方法，其特征在于，在所述构建交互图数据之后，还包括：

针对任一边，确定与所述边连接的用户节点和与所述边连接的项目节点之间的交互次数为所述边对应的权重；

根据每个边对应的权重，更新交互图数据中的对应边；

相应地，根据与所述节点连接的边，计算所述节点的增广概率包括：

根据与所述节点连接的边对应的权重，计算所述节点的增广概率。

3.根据权利要求2所述的项目推荐方法，其特征在于，所述根据与所述节点连接的边对应的权重，计算所述节点的增广概率包括：

针对任一节点，确定与所述节点连接的边为目标边，计算所述交互图数据中除所述目标边以外的边对应的权重之和，得到整体权重；

计算所述目标边对应的权重之和与所述整体权重的比值，得到所述节点的增广概率。

4.根据权利要求1所述的项目推荐方法，其特征在于，根据所有节点的增广概率，对所述交互图数据进行任一次增广处理包括：

针对任一节点，将所述节点的增广概率作为所述节点的节点舍弃概率；

根据所述节点的节点舍弃概率对是否舍弃所述节点进行采样，若采样结果为舍弃，则将所述节点以及与所述节点连接的边从所述交互图数据中舍弃；

确定舍弃后的交互图数据为一次增广处理后的交互图数据。

5.根据权利要求1所述的项目推荐方法，其特征在于，根据所有节点的增广概率，对所述交互图数据进行任一次增广处理包括：

针对任一边，将与所述边连接的节点的增广概率均值作为所述边的边舍弃概率；

根据所述边的边舍弃概率对是否舍弃所述边进行采样，若采样结果为舍弃，则将所述边从所述交互图数据中舍弃；

确定舍弃后的交互图数据为一次增广处理后的交互图数据。

6.根据权利要求1至5任一项所述的项目推荐方法，其特征在于，所述推荐模型包括第一图编码器和第二图编码器；

所述以所述预设个增广后的交互图数据构成训练数据集，以对比损失函数为依据，采用反向传播算法对推荐模型的参数进行更新包括：

将任两个增广后的交互图数据组合为一个训练样本，得到M个训练样本，M为大于零的整数；

将任一训练样本中的两个增广数据分别输入所述第一图编码器和所述第二图编码器，得到第一特征向量和第二特征向量；

通过所述第一特征向量和所述第二特征向量计算所述对比损失函数，并以对比损失函数为依据，采用反向传播算法对所述第一图编码器和所述第二图编码器的参数进行更新。