一种图模型训练方法、装置、电子设备以及存储介质与流程

本公开涉及数据处理，尤其涉及智能推荐。

背景技术：

1、内容提供平台拥有丰富的视频、音频、新闻等资源，为增加资源输出渠道、扩大受众群体，内容提供平台可以接入不同的资源推荐产品线，为不同资源推荐产品线的用户提供资源推荐业务。

技术实现思路

1、本公开提供了一种图模型训练方法、装置、电子设备以及存储介质。

2、根据本公开的一方面，提供了一种图模型训练方法，包括：

3、基于第一资源推荐产品线对应的第一图数据，对初始图模型进行训练，得到用于输出图数据中节点的特征的第一图模型，其中，所述第一图数据中包括：表征所述第一资源推荐产品线的用户以及可推荐资源的节点；

4、基于第二资源推荐产品线对应的第二图数据，获得模型训练样本，其中，所述第二资源推荐产品线和所述第一资源推荐产品线共享可推荐资源，所述第二资源推荐产品线中用户访问可推荐资源的稀疏度高于所述第一资源推荐产品线中用户访问可推荐资源的稀疏度，所述第二图数据基于所述第二资源推荐产品线的用户访问可推荐资源的历史数据构建；

5、使用所述模型训练样本，对所述第一图模型进行训练，得到用于针对所述第二资源推荐产品线输出图数据中节点的特征的第二图模型。

6、根据本公开的另一方面，提供了一种资源推荐方法，包括：

7、获得第二资源推荐产品线对应的第三图数据，其中，所述第三图数据基于所述第二资源推荐产品线的用户访问可推荐资源的数据更新；

8、将所述第三图数据中的子图数据输入第二图模型，获得所述第二图模型输出的所述子图数据中节点的特征，其中，所述第二图模型上述实施例训练得到；

9、响应于向所述第二资源推荐产品线的用户进行资源推荐，基于所获得的特征进行资源推荐。

10、根据本公开的再一方面，提供了一种图模型训练装置，包括：

11、第一图模型获得模块，用于基于第一资源推荐产品线对应的第一图数据，对初始图模型进行训练，得到用于输出图数据中节点的特征的第一图模型，其中，所述第一图数据中包括：表征所述第一资源推荐产品线的用户以及可推荐资源的节点；

12、样本获得模块，用于基于第二资源推荐产品线对应的第二图数据，获得模型训练样本，其中，所述第二资源推荐产品线和所述第一资源推荐产品线共享可推荐资源，所述第二资源推荐产品线中用户访问可推荐资源的稀疏度高于所述第一资源推荐产品线中用户访问可推荐资源的稀疏度，所述第二图数据基于所述第二资源推荐产品线的用户访问可推荐资源的历史数据构建；

13、图模型训练模块，用于使用所述模型训练样本，对所述第一图模型进行训练，得到用于针对所述第二资源推荐产品线输出图数据中节点的特征的第二图模型。

14、根据本公开的又一方面，提供了一种资源推荐装置，包括：

15、第三图数据获得模块，用于获得第二资源推荐产品线对应的第三图数据，其中，所述第三图数据基于所述第二资源推荐产品线的用户访问可推荐资源的数据更新；

16、特征获得模块，用于将所述第三图数据中的子图数据输入第二图模型，获得所述第二图模型输出的所述子图数据中节点的特征，其中，所述第二图模型按照上述模型训练装置训练得到；

17、资源推荐模块，用于响应于向所述第二资源推荐产品线的用户进行资源推荐，基于所获得的特征进行资源推荐。

18、根据本公开的又一方面，提供了一种电子设备，包括：

19、至少一个处理器；以及

20、与所述至少一个处理器通信连接的存储器；其中，

21、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一模型训练方法或资源推荐方法。

22、根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述任一模型训练方法或资源推荐方法。

23、根据本公开的又一方面，提供了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上述任一模型训练方法或资源推荐方法。

24、由以上可见，本公开实施例提供的方案中，由于第一资源推荐产品线中用户访问可推荐资源的稀疏度较低，所以第一资源推荐产品线对应的第一图数据的数据丰富度较高，那么基于数据丰富度较高的第一图数据训练得到的第一图模型输出的特征更加准确。进一步的，第二图模型是使用基于第二资源推荐产品线中用户访问可推荐资源的历史数据构建的第二图数据，对第一图模型进行训练得到的。由于第二图模型是基于第一图模型进行训练得到的，所以第二图模型针对第二资源推荐产品输出的图数据中节点的特征更加准确，可以获得更准确的图数据中节点的特征。

25、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种图模型训练方法，包括：

2.根据权利要求1所述的方法，其中，所述模型训练样本为：所述第二图数据中包括样本节点对和邻域节点的子图数据，其中，所述样本节点对中包括：一个表征用户的节点和一个表征可推荐资源的节点，所述邻域节点包括：所述样本节点对中节点的预设数量阶邻域节点；

3.根据权利要求2所述的方法，其中，所述第一图模型按照以下方式确定所述样本节点对中节点的特征：

4.根据权利要求3所述的方法，其中，所述根据所述邻域节点的阶数对应的阶数权重、预测所得特征和所述子图数据中节点的权重，确定所述样本节点对中节点的特征，包括：

5.根据权利要求2所述的方法，其中，按照以下信息中至少一种确定所述子图数据中节点的权重：

6.根据权利要求5所述的方法，其中，表征用户的节点与表征可推荐资源的节点间边的权重按照以下方式确定：

7.根据权利要求2-6中任一项所述的方法，其中，

8.根据权利要求1所述的方法，其中，所述模型训练样本包括样本节点对，所述样本节点对中包括：一个表征用户的节点和一个表征可推荐资源的节点；

9.根据权利要求1-6中任一项所述的方法，其中，

10.根据权利要求1-6中任一项所述的方法，其中，

11.一种资源推荐方法，包括：

12.一种图模型训练装置，包括：

13.根据权利要求12所述的装置，其中，所述模型训练样本为：所述第二图数据中包括样本节点对和邻域节点的子图数据，其中，所述样本节点对中包括：一个表征用户的节点和一个表征可推荐资源的节点，所述邻域节点包括：所述样本节点对中节点的预设数量阶邻域节点；

14.根据权利要求13所述的装置，其中，所述第一图模型按照以下方式确定所述样本节点对中节点的特征：

15.根据权利要求14所述的装置，其中，所述根据所述邻域节点的阶数对应的阶数权重、预测所得特征和所述子图数据中节点的权重，确定所述样本节点对中节点的特征，包括：

16.根据权利要求13所述的装置，其中，按照以下信息中至少一种确定所述子图数据中节点的权重：

17.根据权利要求16所述的装置，其中，表征用户的节点与表征可推荐资源的节点间边的权重按照以下方式确定：

18.根据权利要求13-17中任一项所述的装置，其中，

19.根据权利要求12所述的装置，其中，所述模型训练样本包括样本节点对，所述样本节点对中包括：一个表征用户的节点和一个表征可推荐资源的节点；

20.根据权利要求12-17中任一项所述的装置，其中，

21.根据权利要求12-17中任一项所述的装置，其中，

22.一种资源推荐装置，包括：

23.一种电子设备，包括：

24.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-10或11中任一项所述的方法。

25.一种计算机程序产品，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1-10或11中任一项所述的方法。

技术总结
本公开提供了一种图模型训练方法、装置、电子设备以及存储介质，涉及数据处理领域，尤其涉及智能推荐领域。具体实现方案为：基于第一资源推荐产品线对应的第一图数据，对初始图模型进行训练，得到用于输出图数据中节点的特征的第一图模型，基于第二资源推荐产品线对应的第二图数据，获得模型训练样本，第二资源推荐产品线和第一资源推荐产品线共享可推荐资源，第一资源推荐产品线相对于第二资源推荐产品线，其用户访问可推荐资源的稀疏度更高；使用模型训练样本，对第一图模型进行训练，得到用于针对第二资源推荐产品线输出图数据中节点的特征的第二图模型。应用本公开实施例提供的方案可以获得更准确的图数据中节点的特征。

技术研发人员：吴洁,李涛,尹凯,吴学超
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：
技术公布日：2024/2/25