[发明专利]推荐方法及装置、推荐模型的训练方法及装置

权利要求书

1.一种推荐方法，其特征在于，所述推荐方法基于推荐模型实现，所述推荐模型包括超图卷积网络和推荐网络，所述推荐方法包括：

获取待推荐对象的用户账户和至少两个待推荐对象的对象标识；

将超图的信息输入所述超图卷积网络，得到训练数据中训练用户账户、对象和行为的嵌入表示信息，其中，所述训练数据包括多个元组，每个元组包括一个训练用户账户、一个对象的对象标识、所述训练用户账户对所述对象产生的行为的行为标识，所述超图是基于训练数据中的多个元组构建的以训练用户账户、对象标识和行为标识为节点的图，所述超图的边为连接一个元组中训练用户账户、对象标识和行为标识中至少两个节点的线；

将所述嵌入表示信息、所述用户账户和所述至少两个待推荐对象的对象标识输入到所述推荐网络，得到每个待推荐对象的推荐信息，其中，所述推荐信息表示所述用户账户对相应的待推荐对象产生的行为是目标行为的概率，所述训练数据包括所述目标行为；

基于所述推荐信息向所述用户账户推荐所述至少两个待推荐对象。

2.如权利要求1所述的推荐方法，其特征在于，所述超图包括以下至少之一：第一超图、第二超图，所述第一超图和所述第二超图通过如下方式构建：

基于所述目标元组构建以用户账户、对象标识和行为标识为节点的第一超图，其中，所述目标元组是所述多个元组中包含目标行为的行为标识的元组；

基于非目标元组构建以用户账户、对象标识和行为标识为节点的第二超图，其中，所述非目标元组是所述多个元组中除所述目标元组之外的元组。

3.如权利要求2所述的推荐方法，其特征在于，在所述超图包括所述第一超图和所述第二超图的情况下，所述超图卷积网络包括第一超图卷积网络、第二超图卷积网络和权重系数，

所述将所述超图的信息输入超图卷积网络，得到训练数据中训练用户账户、对象和行为的嵌入表示信息，包括：

将所述第一超图的信息输入所述第一超图卷积网络，得到所述训练数据中训练用户账户、对象和行为的第一嵌入表示信息；

将所述第二超图的信息输入所述第二超图卷积网络，得到所述训练数据中训练用户账户、对象和行为的第二嵌入表示信息；

基于所述第一嵌入表示信息、所述第二嵌入表示信息和所述权重系数，得到所述嵌入表示信息。

4.如权利要求3所述的推荐方法，其特征在于，所述超图还包括通过如下方式构建的第三超图：

基于所述目标元组构建以用户账户和对象标识为节点的第三超图。

5.如权利要求4所述的推荐方法，其特征在于，所述超图卷积网络还包括第三超图卷积网络，

所述将所述超图的信息输入超图卷积网络，得到训练数据中训练用户账户、对象和行为的嵌入表示信息，包括：

将所述第三超图的信息输入所述第三超图卷积网络，得到所述训练数据中训练用户账户和对象的第三嵌入表示信息；

所述基于所述第一嵌入表示信息、所述第二嵌入表示信息和所述权重系数，得到所述嵌入表示信息，包括：

基于所述第一嵌入表示信息、所述第二嵌入表示信息、所述第三嵌入表示信息和所述权重系数，得到所述嵌入表示信息。