对象挖掘方法、装置、设备及存储介质与流程

本公开涉及人工智能，更具体地，涉及一种对象挖掘方法、装置、设备及存储介质。

背景技术：

1、随着物品种类与数量的增多，对相似物品进行智能推荐也变得越来越重要。相关技术中，通常利用物品本身的信息来计算物品之间的相似度，以完成对相似物品的挖掘。例如，根据物品规格、物品图片或者物品标题等信息来计算。

2、在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题，由于物品自身的属性信息有限，仅利用物品本身的信息来计算相似度，计算结果准确度较低，从而导致相似物品挖掘精度较低。

技术实现思路

1、有鉴于此，本公开提供了一种对象挖掘方法、装置、设备及存储介质。

2、本公开的一个方面提供了一种对象挖掘方法，包括：对用户与物品交互所产生的交互数据集进行数据转换，得到距离矩阵，其中，上述距离矩阵中包括多个对象之间的距离信息，上述对象用于表征上述用户或者上述物品；对上述距离矩阵进行因子分解，得到k维的因子矩阵，其中，上述因子矩阵包括每个上述对象的因子向量，上述因子向量用于表征上述对象在上述因子矩阵中的位置信息；针对上述距离矩阵中的目标对象，基于上述因子矩阵在每个维度中的因子向量，分别确定上述目标对象与上述距离矩阵中多个潜在对象之间的对象距离；基于多个上述对象距离，从多个上述潜在对象中确定与上述目标对象对应的对象候选集。

3、根据本公开的实施例，上述交互数据集中包括显式反馈数据和隐式反馈数据，上述对用户与物品交互所产生的交互数据集进行数据转换，得到距离矩阵，包括：将上述交互数据集中的显式反馈数据转化为隐式反馈数据，得到隐式反馈数据集；对上述隐式反馈数据集进行矩阵转化，得到交互矩阵；基于单位矩阵与上述交互矩阵的差值，确定上述距离矩阵。

4、根据本公开的实施例，上述针对上述距离矩阵中的目标对象，基于上述因子矩阵在每个维度中的因子向量，分别确定上述目标对象与上述距离矩阵中多个潜在对象之间的对象距离，包括：针对一个上述潜在对象，在上述因子矩阵中确定每个维度中与上述目标对象对应的目标因子向量，和与上述潜在对象对应的潜在因子向量；基于每个维度中的上述目标因子向量与上述潜在因子向量，分别确定上述目标对象与上述潜在对象在每个维度的向量距离，其中，每个维度对应有不同的维度属性；基于上述交互数据集中上述目标对象与上述潜在对象之间的交互数据，确定每个上述向量距离的权重值；基于多个上述向量距离和与每个上述向量距离对应的权重值，确定上述目标对象与上述潜在对象之间的对象距离。

5、根据本公开的实施例，上述基于上述交互数据集中上述目标对象与上述潜在对象之间的交互数据，确定每个上述向量距离的权重值，包括：针对每个上述向量距离，确定与上述向量距离对应的维度属性；基于上述维度属性从上述交互数据集中确定上述目标对象与上述潜在对象之间的交互数据；对上述交互数据中交互次数、访问频率以及喜好度进行数据整合，得到上述目标对象对上述潜在对象的偏好参数；基于上述偏好参数与预设喜好分界值的差值和预设偏好最大值，确定上述向量距离的权重值。

6、根据本公开的实施例，上述基于多个上述向量距离和与每个上述向量距离对应的权重值，确定上述目标对象与上述潜在对象之间的对象距离，包括：基于多个上述向量距离生成向量矩阵；基于与每个上述向量距离对应的权重值，确定与上述向量矩阵对应的半正定对称矩阵；将上述向量矩阵与上述半正定对称矩阵相乘得到上述对象距离。

7、根据本公开的实施例，在上述针对上述距离矩阵中的目标对象，基于上述因子矩阵在每个维度中的因子向量，分别确定上述目标对象与上述距离矩阵中多个潜在对象之间的对象距离之前，还包括：利用乘积量化算法对上述因子矩阵中的多个因子向量进行聚合，得到候选向量集，以利用上述候选向量集确定上述对象距离，其中，上述候选向量集中包括多个聚合后的因子向量。

8、根据本公开的实施例，上述基于多个上述对象距离，从多个上述潜在对象中确定与上述目标对象对应的对象候选集，包括：对多个上述对象距离进行排序，生成距离序列；基于上述距离序列，在多个上述潜在对象中选择预设个数的候选对象，生成上述对象候选集。

9、本公开的另一个方面提供了一种对象挖掘装置，包括：数据转换模块，用于对用户与物品交互所产生的交互数据集进行数据转换，得到距离矩阵，其中，上述距离矩阵中包括多个对象之间的距离信息，上述对象用于表征上述用户或者上述物品；矩阵分解模块，用于对上述距离矩阵进行因子分解，得到k维的因子矩阵，其中，上述因子矩阵包括每个上述对象的因子向量，上述因子向量用于表征上述对象在上述因子矩阵中的位置信息；距离确定模块，用于针对上述距离矩阵中的目标对象，基于上述因子矩阵在每个维度中的因子向量，分别确定上述目标对象与上述距离矩阵中多个潜在对象之间的对象距离；对象确定模块，用于基于多个上述对象距离，从多个上述潜在对象中确定与上述目标对象对应的对象候选集。

10、本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，上述指令在被执行时用于实现如上所述的方法。

11、本公开的另一方面提供了一种计算机程序产品，上述计算机程序产品包括计算机可执行指令，上述指令在被执行时用于实现如上所述的方法。

12、根据本公开的实施例，通过对交互数据集进行数据转换，得到距离矩阵。由于交互数据集中包括用户与物品交互产生的数据，因此在进行对象挖掘的过程中也充分地利用了用户信息，使得挖掘结果更加符合用户需求。通过对距离矩阵进行因子分解并确定因子向量，进而计算目标对象与潜在对象之间的对象距离。利用对象距离表征目标对象与潜在对象之间的相似度，使得目标对象与潜在对象之间的关系更加直观。且对距离矩阵进行因子分解，能够更加充分地利用用户与物品之间的交互数据，从不同维度对对象距离计算，使得确定的目标对象与潜在对象之间的关系更加准确，进而使得最终的对象挖掘结果更加精准。

技术特征：

1.一种对象挖掘方法，包括：

2.根据权利要求1所述的方法，其中，所述交互数据集中包括显式反馈数据和隐式反馈数据，所述对用户与物品交互所产生的交互数据集进行数据转换，得到距离矩阵，包括：

3.根据权利要求1所述的方法，其中，所述针对所述距离矩阵中的目标对象，基于所述因子矩阵在每个维度中的因子向量，分别确定所述目标对象与所述距离矩阵中多个潜在对象之间的对象距离，包括：

4.根据权利要求3所述的方法，其中，所述基于所述交互数据集中所述目标对象与所述潜在对象之间的交互数据，确定每个所述向量距离的权重值，包括：

5.根据权利要求3所述的方法，其中，所述基于多个所述向量距离和与每个所述向量距离对应的权重值，确定所述目标对象与所述潜在对象之间的对象距离，包括：

6.根据权利要求1所述的方法，其中，在所述针对所述距离矩阵中的目标对象，基于所述因子矩阵在每个维度中的因子向量，分别确定所述目标对象与所述距离矩阵中多个潜在对象之间的对象距离之前，还包括：

7.根据权利要求1所述的方法，其中，所述基于多个所述对象距离，从多个所述潜在对象中确定与所述目标对象对应的对象候选集，包括：

8.一种对象挖掘装置，包括：

9.一种电子设备，包括：

10.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器实现权利要求1至7中任一项所述的方法。

11.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至7中任一项所述的方法。

技术总结本公开提供了一种对象挖掘方法、装置、设备及存储介质，可以应用于人工智能技术领域。该方法包括：对用户与物品交互所产生的交互数据集进行数据转换，得到距离矩阵，其中，距离矩阵中包括多个对象之间的距离信息，对象用于表征用户或者物品；对距离矩阵进行因子分解，得到K维的因子矩阵，其中，因子矩阵包括每个对象的因子向量，因子向量用于表征对象在因子矩阵中的位置信息；针对距离矩阵中的目标对象，基于因子矩阵在每个维度中的因子向量，分别确定目标对象与距离矩阵中多个潜在对象之间的对象距离；基于多个对象距离，从多个潜在对象中确定与目标对象对应的对象候选集。技术研发人员：陈子晋,朱建华,韩振磊,胡长建,杨舟,夏超,肇斌受保护的技术使用者：北京沃东天骏信息技术有限公司技术研发日：技术公布日：2024/9/12