模型训练方法、推荐方法、搜索方法、计算设备、存储介质及程序产品与流程

本技术实施例涉及计算机，尤其涉及一种模型训练方法、推荐方法、搜索方法、计算设备、存储介质及程序产品。

背景技术：

1、在提供对象以供用户进行交互的线上系统中，例如提供商品以供用户进行购买的电子商务系统，通常具有向用户推荐商品的功能，目前，可以基于用户与商品的历史交互信息，利用协同过滤算法，确定是否向目标用户推荐目标商品，例如根据目标用户的历史交互行为，可以先确定与目标用户相似的其他用户，可以将其他用户偏好商品作为目标商品；又如，可以根据目标用户的历史交互行为，确定目标用户偏好商品，再将与用户偏好商品的相似商品推荐给目标用户。

2、然后，现有的这种推荐方式，对于不存在历史交互行为的用户或商品，如新发布商品或新注册用户等，将无法实现精准推荐。

技术实现思路

1、本技术实施例提供一种模型训练方法、推荐方法、搜索方法、计算设备、存储介质及程序产品，用以解决现有技术中难以针对用户或对象进行精准推荐的问题。

2、第一方面，本技术实施例中提供了一种模型训练方法，包括：

3、确定训练数据集；所述训练数据集包括第一样本对象、第二样本对象及样本用户；

4、建立所述样本用户以及与所述样本用户存在交互行为的第二样本对象之间的第一关联关系；

5、建立所述第一样本对象以及与所述第一样本对象满足第一相似条件的第二样本对象之间的第二关联关系；

6、根据与所述第一样本对象满足第二相似条件且与所述样本用户存在交互行为的第二样本对象的分布情况，建立所述第一样本对象以及所述样本用户之间的第三关联关系；

7、将所述样本用户的用户特征、所述第二样本对象的对象特征及表征所述第一关联关系的关系特征，输入第一特征网络；

8、将所述第一样本对象的对象特征、表征所述第二关联关系的关系特征与表征所述第三关联关系的关系特征，以及所述第一特征网络生成的所述样本用户的协作特征和所述第二样本对象的协作特征，输入第二特征网络；

9、结合所述样本用户分别与所述第二样本对象和所述第一样本对象是否存在交互行为的训练标签，训练所述第一特征网络及所述第二特征网络；

10、其中，所述第一特征网络用以提取目标用户的协作特征，所述第二特征网络用以提取目标对象的内容特征；所述内容特征与所述协作特征的匹配结果用以确定是否向所述目标用户推荐所述目标对象。

11、可选地，所述方法还包括：

12、利用提取网络分别从所述第一样本对象的对象信息中提取所述第一样本对象的对象特征、从所述第二样本对象的对象信息中提取所述第二样本对象的对象特征以及从所述样本用户的用户信息中提取所述样本用户的用户特征；

13、所述结合所述样本用户分别与所述第二样本对象和所述第一样本对象是否存在交互行为的训练标签，训练所述第一特征网络及所述第二特征网络包括：

14、结合所述样本用户分别与所述第二样本对象和所述第一样本对象是否存在交互行为的训练标签，训练所述提取网络、所述第一特征网络及所述第二特征网络。

15、可选地，所述建立所述第一样本对象以及与所述第一样本对象满足第一相似条件的第二样本对象之间的第二关联关系包括：

16、针对任一个第一样本对象，基于所述第一样本对象的对象特征以及任一个第二样本对象的对象特征，计算所述第一样本对象与所述第二样本对象的特征相似度；

17、按照特征相似度从大到小的顺序，选择第一数量的第二样本对象与所述第一样本对象建立关联关系。

18、可选地，所述根据与所述第一样本对象满足第二相似条件且与所述样本用户存在交互行为的第二样本对象的分布情况，建立所述第一样本对象与所述样本用户之间的第三关联关系包括：

19、针对任一个第一样本对象及任一个样本用户，确定与所述第一样本对象满足第二相似条件的第二数量的第二样本对象；

20、确定与所述样本用户存在交互行为的第三数量的第二样本对象；

21、确定与所述第一样本对象满足第二相似条件且与所述样本用户存在交互行为的第四数量的第二样本对象；

22、根据所述第二数量的第二样本对象、所述第三数量的第二样本对象及所述第四数量的第二样本对象，分别在所述训练数据集中的出现概率，计算点互信息；

23、在所述点互信息高于预定数值情况下，建立所述第一样本对象与所述样本用户之间的第三关联关系。

24、可选地，所述第一特征网络为图卷积网络；

25、所述将所述样本用户的用户特征、所述第二样本对象的对象特征及表征所述第一关联关系的关系特征，输入第一特征网络包括：

26、将所述样本用户的用户特征以及所述第二样本对象的对象特征作为节点，生成第一节点特征矩阵；

27、根据所述样本用户与所述第二样本对象之间的第一关联关系，构建所述样本用户与所述第二样本对象之间的边，生成第一邻接矩阵；

28、将所述第一节点特征矩阵以及所述第一邻接矩阵输入所述第一特征网络。

29、可选地，所述第二特征网络为图卷积网络；

30、所述将所述第一样本对象的对象特征、表征所述第二关联关系的关系特征与表征所述第三关联关系的关系特征，以及所述第一特征网络生成的所述样本用户的协作特征和所述第二样本对象的协作特征，输入第二特征网络包括：

31、将所述第一样本对象的对象特征作为节点，生成第二节点特征矩阵；

32、将所述第一特征网络生成的所述样本用户的协作特征作为节点，生成第三节点特征矩阵；

33、将所述第二样本对象的协作特征作为节点，生成第四节点特征矩阵；

34、根据所述第一样本对象与所述第二样本对象之间的第二关联关系，构建所述第一样本对象与所述第二样本对象之间的边，生成第一候选邻接矩阵；

35、根据所述样本用户与所述第一样本对象之间的第三关联关系，构建所述样本用户与所述第一样本对象之间的边，生成第二候选邻接矩阵；

36、将所述第一候选邻接矩阵以及所述第二候选邻接矩阵进行组合以获得第二邻接矩阵；

37、将所述第二节点特征矩阵、所述第三节点特征矩阵、所述第四节点特征矩阵以及所述第二邻接矩阵输入第二特征网络。

38、可选地，所述结合所述样本用户分别与所述第二样本对象和所述第一样本对象是否存在交互行为的训练标签，训练所述第一特征网络及所述第二特征网络包括：

39、结合所述样本用户分别与所述第二样本对象和所述第一样本对象是否存在交互行为的训练标签，确定由所述样本用户、与所述样本用户存在交互行为的第一正样本对象、以及与所述样本用户未存在交互行为的第一负样本对象构成的三元组，以及由所述样本用户、与所述样本用户存在交互行为的第二正样本对象、以及与所述样本用户未存在交互行为的第二负样本对象构成的三元组；

40、根据所述三元组对应的协作特征或内容特征，利用第一损失函数计算第一损失值；

41、根据所述第一样本对象的内容特征以及与所述第一样本对象满足第三相似条件的第二样本对象的协作特征，利用第二损失函数计算第二损失值；

42、根据所述第一损失值以及所述第二损失值，确定目标损失值；

43、基于所述目标损失值，调整所述第一特征网络及所述第二特征网络分别对应的模型参数。

44、可选地，所述利用提取网络分别提取所述第一样本对象的对象特征、所述第二样本对象的对象特征以及所述样本用户的用户特征包括：

45、利用第一子提取网络提取所述第一样本对象的对象特征以及所述第二样本对象的对象特征；

46、利用第二子提取网络提取所述样本用户的用户特征。

47、可选地，所述将所述样本用户的用户特征、所述第二样本对象的对象特征及表征所述第一关联关系的关系特征，输入第一特征网络包括：

48、将所述样本用户的用户特征、所述第二样本对象的对象特征及表征所述第一关联关系的关系特征，输入第一特征网络，以利用所述第一特征网络针对任一个第二样本对象，基于所述第二样本对象的对象特征、与所述第二样本对象存在第一关联关系的样本用户的用户特征以及表征所述第一关联关系的关系特征，生成所述第二样本对象的协作特征，以及针对任一个样本用户，基于所述样本用户的用户特征、与所述样本用户存在第一关联关系的第一样本对象的对象特征以及所述关系特征，生成所述样本用户的协作特征。

49、可选地，所述将所述第二节点特征矩阵、所述第三节点特征矩阵、所述第四节点特征矩阵以及所述第二邻接矩阵输入第二特征网络包括：

50、将所述第二节点特征矩阵、所述第三节点特征矩阵、所述第四节点特征矩阵以及所述第二邻接矩阵输入第二特征网络，并在所述第二特征网络中的中间层执行特征处理操作，以获得所述第一样本对象的候选特征以及所述第二样本对象的候选特征；

51、在所述第二特征网络的输出层，将多个中间层分别输出的所述第一样本对象的候选特征以及所述第二样本对象的候选特征进行融合处理，获得所述第一样本对象的内容特征。

52、第二方面，本技术实施例中提供了一种推荐方法，包括：

53、确定目标用户；

54、利用第一特征网络提取所述目标用户的协作特征；

55、获取利用第二特征网络提取的目标对象的内容特征；

56、基于所述协作特征及所述内容特征，确定所述目标用户与所述目标对象的匹配程度；

57、在所述匹配程度满足匹配条件情况下，向所述目标用户推荐所述目标对象；

58、其中，所述第一特征网络以样本用户的用户特征、第二样本对象的对象特征及表征第一关联关系的关系特征作为输入数据，所述第二特征网络以第一样本对象的对象特征、表征第二关联关系的关系特征与表征第三关联关系的关系特征，以及所述第一特征网络生成的所述样本用户的协作特征和所述第二样本对象的协作特征，作为输入数据，并结合所述样本用户分别与所述第二样本对象和所述第一样本对象是否存在交互行为的训练标签训练获得；所述第一关联关系根据所述样本用户与所述第二样本对象是否存在交互行为构建；所述第二关联关系根据所述第一样本对象与所述第二样本对象是否满足第一相似条件而构建；所述第三关联关系根据与所述第一样本对象满足第二相似条件且与所述样本用户存在交互行为的第二样本对象的分布情况而构建。

59、可选地，所述方法还包括：

60、基于所述目标用户的用户信息，利用提取网络提取所述目标用户的初始特征；

61、所述利用第一特征网络提取所述目标用户的协作特征包括：

62、基于所述初始特征，利用第一特征网络提取所述目标用户的协作特征；

63、可选地，所述确定目标用户包括：

64、确定注册成功或者进入目标页面或者执行目标行为的目标用户。

65、可选地，所述方法还包括：

66、响应于目标对象的发布事件，利用所述第二特征网络提取所述目标对象的内容特征。

67、可选地，所述向所述目标用户推荐所述目标对象包括：

68、向所述目标用户的用户端发送所述目标对象的推荐提示信息；

69、或者，基于所述目标用户对应的通信账号，发送所述目标对象的推荐提示信息；

70、或者，将所述目标对象作为搜索结果发送至所述目标用户的用户端。

71、第三方面，本技术实施例中提供了一种搜索方法，包括：

72、响应于目标用户的搜索请求，基于所述搜索请求中的搜索信息确定目标对象；

73、利用第一特征网络提取所述目标用户的协作特征；

74、获取利用第二特征网络提取的所述目标对象的内容特征；

75、基于所述协作特征及所述内容特征，确定所述目标用户与所述目标对象的匹配程度；

76、在所述匹配程度满足匹配条件情况下，将所述目标对象作为搜索结果发送至所述目标用户的用户端；

77、其中，所述第一特征网络以样本用户的用户特征、第二样本对象的对象特征及表征第一关联关系的关系特征作为输入数据，所述第二特征网络以第一样本对象的对象特征、表征第二关联关系的关系特征与表征第三关联关系的关系特征，以及所述第一特征网络生成的所述样本用户的协作特征和所述第二样本对象的协作特征，作为输入数据，并结合所述样本用户分别与所述第二样本对象和所述第一样本对象是否存在交互行为的训练标签训练获得；所述第一关联关系根据所述样本用户与所述第二样本对象是否存在交互行为构建；所述第二关联关系根据所述第一样本对象与所述第二样本对象是否满足第一相似条件而构建；所述第三关联关系根据与所述第一样本对象满足第二相似条件且与所述样本用户存在交互行为的第二样本对象的分布情况而构建。

78、第四方面，本技术实施例中提供了一种计算设备，包括处理组件、存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用于被所述处理组件调用并执行，以实现如上述第一方面所述的模型训练方法或者如上述第二方面所述的推荐方法或者如上述第三方面所述的搜索方法。

79、第五方面，本技术实施例中提供了一种计算机存储介质，存储有计算机程序，所述计算机程序被计算机执行时，实现如上述第一方面所述的模型训练方法或者如上述第二方面所述的推荐方法或者如上述第三方面所述的搜索方法。

80、第六方面，本技术实施例中提供了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被计算机执行时，实现如上述第一方面所述的模型训练方法或者如上述第二方面所述的推荐方法或者如上述第三方面所述的搜索方法。

81、本技术实施例首先确定训练数据集；其中，训练数据集包括第一样本对象、第二样本对象及样本用户；建立样本用户以及与样本用户存在交互行为的第二样本对象之间的第一关联关系；建立第一样本对象以及与第一样本对象满足第一相似条件的第二样本对象之间的第二关联关系；根据与第一样本对象满足第二相似条件且与样本用户存在交互行为的第二样本对象的分布情况，建立第一样本对象以及样本用户之间的第三关联关系；将样本用户的用户特征、第二样本对象的对象特征及表征第一关联关系的关系特征，输入第一特征网络；将第一样本对象的对象特征、表征第二关联关系的关系特征与表征第三关联关系的关系特征，以及第一特征网络生成的样本用户的协作特征和第二样本对象的协作特征，输入第二特征网络；结合样本用户分别与第二样本对象和第一样本对象是否存在交互行为的训练标签，训练第一特征网络及第二特征网络；其中，第一特征网络用以提取目标用户的协作特征，第二特征网络用以提取目标对象的内容特征；内容特征与协作特征的匹配结果用以确定是否向目标用户推荐目标对象。第二样本对象可以表示存在历史交互行为的对象，第一样本对象可以表示未存在历史交互行为的对象，从而结合第二样本对象和样本用户的历史交互信息训练第一特征网络，使得第一特征网络可以用以提取包含历史交互信息的协作特征，并结合协作特征以及关联关系训练第二特征网络，使得第二特征网络可以考虑对象本身特征以及可能发生交互的用户特征，从而可以提高提取对象的内容特征，提高内容特征的表征质量。进而，由于目标对象的内容特征的质量得到提升，目标对象的内容特征与利用第一特征网络提取目标用户的协作特征的匹配结果，可以帮助实现精准推荐。

82、本技术的这些方面或其他方面在以下实施例的描述中会更加简明易懂。