一种信息处理方法、装置、设备、存储介质及程序产品与流程

本技术涉及信息推荐领域中的信息处理技术，尤其涉及一种信息处理方法、装置、设备、存储介质及程序产品。

背景技术：

1、在信息推荐应用中，常常涉及确定推荐信息间相关性的处理。一般来说，为了确定推荐信息间的相关性，通常构建信息库中全量信息的异构图，并基于异构图中的各个节点的各个嵌入特征进行每个节点的特征提取，进而根据各个节点所提取到的特征确定推荐信息间的相关性；然而，上述确定推荐信息间相关性的过程中，是对全量的信息进行特征提取的处理，如此，影响了相关性的确定效率。

技术实现思路

1、本技术实施例提供一种信息处理方法、装置、设备、存储介质及程序产品，能够提升相关性的确定效率。

2、本技术实施例的技术方案是这样实现的：

3、本技术实施例提供一种信息推荐方法，所述方法包括：

4、对至少两个待推荐信息中的每个所述待推荐信息执行以下处理：

5、从信息异构数据中，获取所述待推荐信息的k跳邻居数据，其中，所述信息异构数据包括各个推荐信息之间的共现信息、以及每个所述推荐信息的至少一个属性，所述k跳邻居数据包括所述待推荐信息、所述待推荐信息的至少一个目标属性、以及k跳内与所述待推荐信息共现的推荐信息获取结果，k为正整数；

6、对各个待聚合信息对应的各个嵌入特征进行聚合，得到语义特征，其中，所述待聚合信息为所述k跳邻居数据中的所述推荐信息或所述目标属性；

7、基于至少两个所述语义特征之间的特征相似度，确定至少两个所述待推荐信息之间的相关性，其中，至少两个所述语义特征与至少两个所述待推荐信息一一对应。

8、本技术实施例提供一种信息处理装置，所述信息处理装置包括：

9、特征获取模块，用于对至少两个待推荐信息中的每个所述待推荐信息执行以下处理：从信息异构数据中，获取所述待推荐信息的k跳邻居数据，其中，所述信息异构数据包括各个推荐信息之间的共现信息、以及每个所述推荐信息的至少一个属性，所述k跳邻居数据包括所述待推荐信息、所述待推荐信息的至少一个目标属性、以及k跳内与所述待推荐信息共现的推荐信息获取结果，k为正整数；对各个待聚合信息对应的各个嵌入特征进行聚合，得到语义特征，其中，所述待聚合信息为所述k跳邻居数据中的所述推荐信息或所述目标属性；

10、相关确定模块，用于基于至少两个所述语义特征之间的特征相似度，确定至少两个所述待推荐信息之间的相关性，其中，至少两个所述语义特征与至少两个所述待推荐信息一一对应。

11、在本技术实施例中，当所述推荐信息获取结果表示k跳内与所述待推荐信息共现的至少一个共现推荐信息时，所述k跳邻居数据中的所述推荐信息为所述待推荐信息或所述共现推荐信息，其中，所述共现推荐信息是指与所述待推荐信息共现的所述推荐信息；所述特征获取模块，还用于对第一嵌入特征和至少一个第二嵌入特征进行组合，得到第一待聚合特征，其中，所述第一嵌入特征为所述待推荐信息的所述嵌入特征，所述第二嵌入特征为所述共现推荐信息的所述嵌入特征；对至少一个第三嵌入特征进行整合，得到第二待聚合特征，其中，所述第三嵌入特征为所述目标属性的所述嵌入特征；对所述第一待聚合特征和所述第二待聚合特征进行聚合，得到第一聚合特征；对所述第一聚合特征进行语义提取，得到所述待推荐信息的所述语义特征。

12、在本技术实施例中，当所述推荐信息获取结果表示k跳内所述待推荐信息无共现推荐信息时，所述k跳邻居数据中的所述推荐信息为所述待推荐信息；所述特征获取模块，还用于对第一嵌入特征和第二待聚合特征进行聚合，得到第二聚合特征，其中，所述第二待聚合特征通过整合至少一个所述目标属性对应的至少一个第三嵌入特征获得；对所述第二聚合特征进行语义提取，得到所述待推荐信息的所述语义特征。

13、在本技术实施例中，所述信息处理装置还包括嵌入表示模块，用于从各个所述推荐信息中，获取每个账号所交互的推荐信息序列；基于多个所述账号对应的多个所述推荐信息序列，确定每个所述推荐信息的所述嵌入特征；基于所述推荐信息序列中每个所述推荐信息的至少一个所述属性，替换所述推荐信息序列中对应的所述推荐信息，得到属性序列；基于与多个所述推荐信息序列对应的多个所述属性序列，确定所述信息异构数据中每个所述属性的所述嵌入特征。

14、在本技术实施例中，所述信息处理装置还包括共现确定模块，用于在所述推荐信息序列中，将共现时间窗口内的任两个所述推荐信息确定为共现信息对；统计每个所述共现信息对在多个所述推荐信息序列中的共现次数；将各个所述共现信息对、以及每个所述共现信息对所对应的所述共现次数，组合为各个所述推荐信息之间的共现信息。

15、在本技术实施例中，所述嵌入表示模块，还用于基于所述推荐信息序列中每个所述推荐信息在每个属性类别的属性关联结果，替换所述推荐信息序列中对应的所述推荐信息，得到子属性序列，其中，至少一个所述属性包括与至少一个所述属性类别对应的至少一个所述属性关联结果，所述属性序列包括与至少一个所述属性类别对应的至少一个所述子属性序列；针对每个所述属性类别执行以下处理：基于与多个所述推荐信息序列对应的多个所述子属性序列，确定所述信息异构数据的每个所述属性类别中的每个所述属性的所述嵌入特征，其中，所述多个所述属性序列包括每个所述属性类别对应的多个所述子属性序列。

16、在本技术实施例中，所述特征获取模块，还用于从至少一个所述第二嵌入特征中，获取k跳内的每跳所对应的第二嵌入特征集合；获取所述第二嵌入特征集合的池化特征，并将所述池化特征与所述第二嵌入特征集合对应的组合权重融合，得到待组合特征；将所述第一嵌入特征与k个所述待组合特征组合，得到所述第一待聚合特征。

17、在申请实施例中，所述信息处理装置还包括信息筛选模块，用于当共现数量大于数量阈值时，从所述推荐信息获取结果中选择所述数量阈值个共现推荐信息，其中，所述共现数量为所述推荐信息获取结果中所述共现推荐信息的数量；将所述数量阈值个所述共现推荐信息中的每个所述共现推荐信息，确定为所述待聚合信息。

18、在申请实施例中，所述语义特征的聚合和所述特征相似度的获取通过相关性模型实现，此时，所述信息处理装置还包括模型训练模块，用于从样本异构数据中，获取待推荐样本对中每个待推荐样本的k跳样本邻居数据，其中，所述样本异构数据包括各个推荐样本之间的共现信息、以及每个所述推荐样本的至少一个样本属性，所述k跳样本邻居数据包括所述待推荐样本、所述待推荐样本的至少一个目标样本属性、以及k跳内与所述待推荐样本共现的推荐样本获取结果；基于待训练模型对每个所述k跳样本邻居数据中的各个待聚合样本进行特征聚合，得到样本语义特征，并对所述待推荐样本对的样本语义特征对进行预测，得到预测相关性，其中，所述待训练模型为待训练的用于预测相关性的网络模型；基于所述预测相关性和所述待推荐样本对的相关性标签之间的差异，训练所述待训练模型，得到所述相关性模型。

19、在本技术实施例中，所述信息处理装置还包括信息应用模块，用于从至少两个所述待推荐信息之间的相关性中，获取目标待推荐信息与剩余待推荐信息序列中的每个剩余待推荐信息之间的目标相关性，其中，所述目标待推荐信息为至少两个所述待推荐信息中的任一所述待推荐信息，所述剩余待推荐信息为至少两个所述待推荐信息中除所述目标待推荐信息之外的所述待推荐信息；基于所述目标相关性，将从所述剩余待推荐信息序列中选择的指定数量的所述剩余待推荐信息，确定为推荐结果。

20、在本技术实施例中，所述信息应用模块，还用于在所述剩余待推荐信息序列中，统计所述目标相关性大于相关性阈值的所述剩余待推荐信息的相关数量；基于所述相关数量与所述剩余待推荐信息序列中所述剩余待推荐信息的总相关数量，确定推荐集中度；结合所述推荐集中度和所述剩余待推荐信息序列，确定所述推荐结果。

21、本技术实施例提供一种用于信息处理的电子设备，所述电子设备包括：

22、存储器，用于存储计算机可执行指令或者计算机程序；

23、处理器，用于执行所述存储器中存储的计算机可执行指令或者计算机程序时，实现本技术实施例提供的信息处理方法。

24、本技术实施例提供一种计算机可读存储介质，存储有计算机可执行指令或者计算机程序，所述计算机可执行指令或者计算机程序用于被处理器执行时，实现本技术实施例提供的信息处理方法。

25、本技术实施例提供一种计算机程序产品，包括计算机可执行指令或者计算机程序，所述计算机可执行指令或者计算机程序被处理器执行时，实现本技术实施例提供的信息处理方法。

26、本技术实施例至少具有以下有益效果：针对待获取相关性的至少两个待推荐信息中的每个待推荐信息，通过从样本异构数据中获取对应的k跳邻居数据，以基于k跳邻居数据中各个待聚合信息对应的各个嵌入特征进行特征提取，实现相关性的获取；由于k跳邻居数据相比于信息异构数据中的全量信息，数据量较小，因此，能够降低相关性获取过程的计算资源消耗，从而，能够提升相关性获取效率。