CN111966916A - 一种推荐方法、装置、电子设备及计算机可读存储介质 - Google Patents
一种推荐方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111966916A CN111966916A CN202010569854.7A CN202010569854A CN111966916A CN 111966916 A CN111966916 A CN 111966916A CN 202010569854 A CN202010569854 A CN 202010569854A CN 111966916 A CN111966916 A CN 111966916A
- Authority
- CN
- China
- Prior art keywords
- target
- subject
- behavior
- information
- knowledge graph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000006399 behavior Effects 0.000 claims abstract description 85
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 235000002020 sage Nutrition 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Technology Law (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及基于知识图谱的机器学习领域，公开了一种推荐方法、装置、电子设备和可读存储介质，所述方法包括获取第一目标主体的第一目标行为，根据所述第一目标行为在预存的知识图谱中检索第二目标主体，将所述第二目标主体的相关联的第二目标客体推送至第一目标主体。本方案通过将用户、用户行为以及相关的客体信息创建知识图谱，相较算法能够获取更丰富充足的关联信息，且能够向用户推荐更多关联性的消息。
Description
技术领域
本发明涉及知识图谱和机器学习领域，具体涉及一种推荐方法、装置、电子设备及计算机可读存储介质
背景技术
随着大数据时代的到来，网络信息数据呈现指数级的增长，而其中也充斥着大量的垃圾信息，这些信息是造成信息过载现象的诱因。推荐系统是一种能为用户提供有效信息服务的技术。推荐系统主要利用用户对物品的行为信息，挖掘出用户的个性化需求，通过用户的兴趣模型主动向用户提供满足其需求的信息。推荐系统因其能够挖掘用户兴趣的特点，已经成为了为用户提供个性化服务的一个重要研究领域，并得到了非常广泛的应用。目前推荐系统采用的算法主要分为五类，基于内容的推荐算法，基于协同过滤的推荐算法，基于专家规则的推荐算法，基于网络结构的推荐算法，基于深度学习的推荐算法，混合推荐算法等，但某一个特定算法很难在同时解决用户冷启动，数据稀疏性，实时性等问题。
发明内容
本申请的目的旨在至少能解决上述的技术缺陷之一。本申请所采用的技术方案如下：
第一方面，本申请实施例提供一种推荐方法，所述方法包括：
获取第一目标主体的第一目标行为；
根据所述第一目标行为在预存的知识图谱中检索第二目标主体；
将所述第二目标主体的相关联的第二目标客体推送至第一目标主体。
可选地，所述预存的知识图谱包括：
预先创建并存储包含至少两个主体信息的知识图谱；其中，所述主体信息包括主体身份信息、主体行为信息和主体行为的客体信息。
可选地，所述根据所述第一目标行为在预存的知识图谱中检索第二目标主体包括：
根据第一目标主体的第一目标行为的第一目标客体，
检索第二目标主体的第二目标行为的第二目标客体；
其中第一目标客体与所述第二目标客体属性相同或相近。
可选地，所述根据所述第一目标行为在预存的知识图谱中检索第二目标主体具体包括：
将所述检索到的多个第二目标主体、多个第二目标行为和多个第二目标客体按照定义特征相关度进行排序；进一步地，所述方法还包括：
将次序满足要求的第二目标客体推荐至第一目标主体。
可选地，所述方法还包括：利用GraphSage算法将所述目标主体、目标客体和目标行为向量化表示和合并处理。
可选地，所述方法还包括：对第二目标主体针对同一个第二目标客体的多个第二目标行为进行分别进行主体和客体计数的合并。
可选地，所述方法还包括，将所述第一目标主体的信息实时更新于所述预存的知识图谱中。
第二方面，本申请实施例提供了一种推荐装置，所述装置包括：接收模块，检索模块、存储模块和输出模块；其中，
所述接收模块，用于获取第一目标主体的第一目标行为；
所述检索模块，用于根据所述第一目标行为在预存的知识图谱中检索第二目标主体；所述存储模块，预先创建并存储包含至少两个主体信息的知识图谱；其中，所述主体信息包括主体身份信息、主体行为信息和主体行为的客体信息；
所述输出模块，用于将所述第二目标主体的相关联的第二目标客体推送至第一目标主体。
可选地，所述检索模块还用于在知识图谱中检索：
根据所述第一目标主体的第一目标行为的第一目标客体；
检索第二目标主体的第二目标行为的第二目标客体；
其中，第一目标客体与所述第二目标客体属性相同或相近。
第三方面，本发明实施例提供了一种电子设备，包括处理器和存储器；
所述存储器，用于存储操作指令；
所述处理器，用于通过调用所述操作指令，执行上述推荐方法。
第四方面，一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述推荐的方法。
本申请实施例提供的技术方案带来的有益效果是：
本申请实施例提供的方案，获取第一目标主体的第一目标行为，根据所述第一目标行为在预存的知识图谱中检索第二目标主体，将所述第二目标主体的相关联的第二目标客体推送至第一目标主体。本方案通过将用户、用户行为以及相关的客体信息创建知识图谱，相较算法能够获取更丰富充足的关联信息，且能够向用户推荐更多关联性的消息。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种推荐方法的流程示意图；
图2为本申请实施例提供的一种推荐装置的结构示意图；
图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图1示出了本申请实施例提供的一种推荐方法的流程示意图，如图1所示，该方法主要可以包括：
S101、获取第一目标主体的第一目标行为；
S102、根据所述第一目标行为在预存的知识图谱中检索第二目标主体；
S103、将所述第二目标主体的相关联的第二目标客体推送至第一目标主体。
在本申请可选实施例中，所述预存的知识图谱包括：预先创建并存储包含至少两个主体信息的知识图谱；其中，所述主体信息包括主体身份信息、主体行为信息和主体行为的客体信息。为了便于描述清楚技术方案，现结合用户购物场景进行技术方案的说明。在实施例中，推荐装置预先创建包含用户、用户消费行为和用户消费商铺的知识图谱，并利用GraphSage算法对用户节点和商铺节点进行向量化，计算出知识图谱中节点的向量化表示。
在可选实施例中，所述根据所述第一目标行为在预存的知识图谱中检索第二目标主体包括：根据第一目标主体的第一目标行为的第一目标客体，检索第二目标主体的第二目标行为的第二目标客体；其中第一目标客体与所述第二目标客体属性相同或相近。同样结合购物场景进行技术方案说明，即本申请中可以根据第一用户(第一目标主体)在第一个基金公司(第一目标客体)购买了A理财产品(购买A理财产品的购买行为为第一目标行为)，那么利用Janus Graph做搜索引擎，在创建的知识图谱中检索在第一个基金公司购买过A理财产品或其他理财产品的第二用户(第二目标主体)，进一步检索第二用户在第一个基金公司购买的其他理财产品(第二目标行为)或在不同于第一个基金公司的第二个基金公司(第二目标客体)购买的理财产品,将所述检索的第二基金公司或第一个基金公司的其他理财产品推荐至第一个用户。其中第一个基金公司和第二基金公司具有共同客户—第二用户的共同属性，A理财产品与第一个基金公司的其他理财产品具有属于同一家基金公司的共同属性或两种理财产品产品属性相同或相近。
在本申请的可选实施例中，所述根据所述第一目标行为在预存的知识图谱中检索第二目标主体具体包括：将所述检索到的多个第二目标主体、多个第二目标行为和多个第二目标客体按照定义特征相关度进行排序；进一步地，所述方法还包括：将次序满足要求的第二目标客体推荐至第一目标主体。
在本申请的可选实施例中，所述方法还包括：利用GraphSage算法将所述目标主体、目标客体和目标行为向量化表示和合并处理，进一步包括对第二目标主体针对同一个第二目标客体的多个第二目标行为进行分别进行主体和客体计数的合并。
可选地，所述方法还包括，将所述第一目标主体的信息实时更新于所述预存的知识图谱中。以上述购物场景举例，将第一用户的相关信息，包括身份信息、地理位置、购买的理财产品、购买理财产品的基金公司等数据实时更新进创建的知识图谱中。
为了便于描述清楚技术方案，同上述一样结合用户购物场景进行技术方案的说明。为了更好介绍技术方案，先介绍一些概念或定义。Kafka是由Apache软件基金会开发的一个开源流处理平台Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者在网站中的所有动作流数据。Apache Flink也是由Apache软件基金会开发的开源流处理框架，其核心是用Java和Scala编写的分布式流数据流引擎。Flink以数据并行和流水线方式执行任意流数据程序，Flink的流水线运行时系统可以执行批处理和流处理程序。GraphSAGE是一个用于大图的归纳表示学习的框架。GraphSAGE用于为节点生成低维向量表示，对于具有丰富节点属性信息的图尤其有用，Graph SAGE算法可以将图像或知识图谱中的节点采用向量化表示并进行计算处理。在本实施例中，将推荐装置预先创建包含用户、用户消费行为和用户消费商铺的知识图谱进行存储，推荐装置将第一用户的实时交易行为数据推送到Kafka形成第一用户的交易行为数据集群，Flink从Kafka形成的第一用户交易行为集群中选取要分析的第一目标行为数据，采用Graph SAGE在知识图谱中进行检索计算，其中计算主要步骤为第一步根据要分析的第一目标行为的第一客体，也就是用户的第一交易目标行为发生的第一商铺，在知识图谱中检索在这个第一商铺中有相同交易行为的第二目标主体，也即第二用户，并进一步检索第二用户的所有相关交易行为和交易客体对象；第二步使用检索到的第用户向量化表示、第二用户交易商铺向量化表示、第二用户与第二用户交易的商铺的边的权重进行排序；第三步将排序满足要求的第二用户交易商铺信息推送到Kafka集群，并最终推荐给第一用户以供选择个性化的消费。其中在检索处理算法中需要对一个用户在同一商铺的多次消费行为需要采用衰减函数对用户和商铺的边进行合并。需要说明的是上述实施例中的第一用户和第二用户为本发明限定的第一目标主体和第二目标主体；第一用户和第二用户的交易行为分别对应为第一目标行为和第二目标行为；第一用户交易的商铺和第二用户交易的商铺分别对应为第一目标客体和第二目标客体。
本申请实施例的技术方案采用了知识图谱技术，将用户信息及行为构建成知识图谱，比关系型数据更能表达实体间丰富的关系，同时使用表示学习技术向量化节点，将离散节点映射到高维空间，使得单个节点也就是目标主体包含了整个邻近网络结构的信息。另外结合实时流计算引擎和图数据库存储使得能够根据用户的消费行为为用户作实时的个性化推荐。
基于图1的推荐方法，本发明实施例提供了一种如图2所示的推荐装置，所述装置包括：201接收模块，202检索模块、203存储模块和204输出模块；其中，
所述201接收模块，用于获取第一目标主体的第一目标行为；
所述202检索模块，用于根据所述第一目标行为在预存的知识图谱中检索第二目标主体；所述203存储模块，预先创建并存储包含至少两个主体信息的知识图谱；其中，所述主体信息包括主体身份信息、主体行为信息和主体行为的客体信息；
所述204输出模块，用于将所述第二目标主体的相关联的第二目标客体推送至第一目标主体。
可选地，所述检索模块还用于在知识图谱中检索：根据所述第一目标主体的第一目标行为的第一目标客体；检索第二目标主体的第二目标行为的第二目标客体；其中，第一目标客体与所述第二目标客体属性相同或相近。
在可选实施例中，所述根据所述第一目标行为在预存的知识图谱中检索第二目标主体具体包括：
将所述检索到的多个第二目标主体、多个第二目标行为和多个第二目标客体按照定义特征相关度进行排序；进一步地，所述输出模块还包括：
将次序满足要求的第二目标客体推荐至第一目标主体。
在可选实施例中，所述检索模块还用于利用GraphSage算法将所述目标主体、目标客体和目标行为向量化表示和合并处理，并进一步地用于对第二目标主体针对同一个第二目标客体的多个第二目标行为进行分别进行主体和客体计数的合并。
在可选的实施例中，所述存储模块还包括，将所述第一目标主体的信息实时更新于所述预存的知识图谱中。
可以理解的是，本实施例中的推荐装置的上述各模块具有实现图1中所示的实施例中的方法相应步骤的功能。该功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件，上述各模块可以单独实现，也可以多个模块集成实现。对于上述各模块的功能描述具体可以参见图1中所示实施例中的方法的对应描述，在此不再赘述。
本申请实施例提供了一种电子设备，包括处理器和存储器；
存储器，用于存储操作指令；
处理器，用于通过调用操作指令，执行本申请任一实施方式中所提供的推荐方法。
作为一个示例，图3示出了本申请实施例所适用的一种电子设备的结构示意图，如图3所示，该电子设备2000包括：处理器2001和存储器2003。其中，处理器2001和存储器2003相连，如通过总线2002相连。可选的，电子设备2000还可以包括收发器2004。需要说明的是，实际应用中收发器2004不限于一个，该电子设备2000的结构并不构成对本申请实施例的限定。
其中，处理器2001应用于本申请实施例中，用于实现上述方法实施例所示的方法。收发器2004可以包括接收机和发射机，收发器2004应用于本申请实施例中，用于执行时实现本申请实施例的电子设备与其他设备通信的功能。
处理器2001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器2001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线2002可包括一通路，在上述组件之间传送信息。总线2002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线2002可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器2003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
可选的，存储器2003用于存储执行本申请方案的应用程序代码，并由处理器2001来控制执行。处理器2001用于执行存储器2003中存储的应用程序代码，以实现本申请任一实施方式中所提供的推荐方法。
本申请实施例提供的电子设备，适用于上述方法任一实施例，在此不再赘述。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现上述方法实施例所示的推荐方法。
本申请实施例提供的计算机可读存储介质，适用于上述方法任一实施例，在此不再赘述。
本申请实施例提供的方案，获取第一目标主体的第一目标行为，根据所述第一目标行为在预存的知识图谱中检索第二目标主体，将所述第二目标主体的相关联的第二目标客体推送至第一目标主体。本方案通过将用户、用户行为以及相关的客体信息创建知识图谱，相较算法能够获取更丰富充足的关联信息，且能够向用户推荐更多关联性的消息。本申请实施例的技术方案采用了知识图谱技术，将用户信息及行为构建成知识图谱，比关系型数据更能表达实体间丰富的关系，同时使用表示学习技术向量化节点，将离散节点映射到高维空间，使得单个节点也就是目标主体包含了整个邻近网络结构的信息。另外结合实时流计算引擎和图数据库存储使得能够根据用户的消费行为为用户作实时的个性化推荐。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种推荐方法，其特征在于，所述方法包括：
获取第一目标主体的第一目标行为；
根据所述第一目标行为在预存的知识图谱中检索第二目标主体；
将所述第二目标主体的相关联的第二目标客体推送至第一目标主体。
2.根据权利要求1所述的方法，其特征在于，所述预存的知识图谱包括：
预先创建并存储包含至少两个主体信息的知识图谱；其中，所述主体信息包括主体身份信息、主体行为信息和主体行为的客体信息。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一目标行为在预存的知识图谱中检索第二目标主体包括：
根据第一目标主体的第一目标行为的第一目标客体，
检索第二目标主体的第二目标行为的第二目标客体；
其中第一目标客体与所述第二目标客体属性相同或相近。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一目标行为在预存的知识图谱中检索第二目标主体具体包括：
将所述检索到的多个第二目标主体、多个第二目标行为和多个第二目标客体按照定义特征相关度进行排序；进一步地，所述方法还包括：
将次序满足要求的第二目标客体推荐至第一目标主体。
5.根据权利要求3或4所述的方法，其特征在于，所述方法还包括：利用GraphSage算法将所述目标主体、目标客体和目标行为向量化表示和合并处理。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：对第二目标主体针对同一个第二目标客体的多个第二目标行为进行分别进行主体和客体计数的合并。
7.根据权利要求1或5所述的方法，其特征在于，所述方法还包括，将所述第一目标主体的信息实时更新于所述预存的知识图谱中。
8.一种推荐装置，其特征在于，所述装置包括：接收模块，检索模块、存储模块和输出模块；其中，
所述接收模块，用于获取第一目标主体的第一目标行为；
所述检索模块，用于根据所述第一目标行为在预存的知识图谱中检索第二目标主体；所述存储模块，预先创建并存储包含至少两个主体信息的知识图谱；其中，所述主体信息包括主体身份信息、主体行为信息和主体行为的客体信息；
所述输出模块，用于将所述第二目标主体的相关联的第二目标客体推送至第一目标主体。
9.根据权利要求8所述的装置，其特征在于，所述检索模块还用于在知识图谱中检索：
根据所述第一目标主体的第一目标行为的第一目标客体；
检索第二目标主体的第二目标行为的第二目标客体；
其中，第一目标客体与所述第二目标客体属性相同或相近。
10.一种电子设备，其特征在于，包括处理器和存储器；
所述存储器，用于存储操作指令；
所述处理器，用于通过调用所述操作指令，执行权利要求1-7中任一项所述的方法。
11.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010569854.7A CN111966916A (zh) | 2020-06-20 | 2020-06-20 | 一种推荐方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010569854.7A CN111966916A (zh) | 2020-06-20 | 2020-06-20 | 一种推荐方法、装置、电子设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111966916A true CN111966916A (zh) | 2020-11-20 |
Family
ID=73360620
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010569854.7A Pending CN111966916A (zh) | 2020-06-20 | 2020-06-20 | 一种推荐方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111966916A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113704493A (zh) * | 2021-08-27 | 2021-11-26 | 北京有竹居网络技术有限公司 | 展示信息确定方法、装置、设备及计算机可读存储介质 |
| CN114417007A (zh) * | 2021-12-21 | 2022-04-29 | 建信金融科技有限责任公司 | 金融产品的推荐方法和相关设备 |
| CN115129185A (zh) * | 2021-03-19 | 2022-09-30 | 京东科技控股股份有限公司 | 交互界面的显示方法和装置、存储介质、电子装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104537065A (zh) * | 2014-12-29 | 2015-04-22 | 北京奇虎科技有限公司 | 一种搜索结果的推送方法及系统 |
| CN110335112A (zh) * | 2019-06-18 | 2019-10-15 | 中国平安财产保险股份有限公司 | 一种产品推荐方法、装置及计算机存储介质 |
-
2020
- 2020-06-20 CN CN202010569854.7A patent/CN111966916A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104537065A (zh) * | 2014-12-29 | 2015-04-22 | 北京奇虎科技有限公司 | 一种搜索结果的推送方法及系统 |
| CN110335112A (zh) * | 2019-06-18 | 2019-10-15 | 中国平安财产保险股份有限公司 | 一种产品推荐方法、装置及计算机存储介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115129185A (zh) * | 2021-03-19 | 2022-09-30 | 京东科技控股股份有限公司 | 交互界面的显示方法和装置、存储介质、电子装置 |
| CN113704493A (zh) * | 2021-08-27 | 2021-11-26 | 北京有竹居网络技术有限公司 | 展示信息确定方法、装置、设备及计算机可读存储介质 |
| WO2023024976A1 (zh) * | 2021-08-27 | 2023-03-02 | 北京有竹居网络技术有限公司 | 展示信息确定方法、装置、设备及计算机可读存储介质 |
| CN114417007A (zh) * | 2021-12-21 | 2022-04-29 | 建信金融科技有限责任公司 | 金融产品的推荐方法和相关设备 |
| CN114417007B (zh) * | 2021-12-21 | 2024-12-03 | 建信金融科技有限责任公司 | 金融产品的推荐方法和相关设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Qian et al. | Understanding public opinions on social media for financial sentiment analysis using AI-based techniques | |
| CN107944629B (zh) | 一种基于异质信息网络表示的推荐方法及装置 | |
| US20170206276A1 (en) | Large Scale Recommendation Engine Based on User Tastes | |
| CN113657471B (zh) | 多分类梯度提升树的构建方法、装置及电子设备 | |
| CN111966916A (zh) | 一种推荐方法、装置、电子设备及计算机可读存储介质 | |
| US20140108316A1 (en) | Augmenting Recommendation Algorithms Based on Similarity Between Electronic Content | |
| CN112258301B (zh) | 商品推荐方法、装置、系统、可读存储介质及电子设备 | |
| CN111967970B (zh) | 基于spark平台的银行产品推荐方法及装置 | |
| CN113656699B (zh) | 用户特征向量确定方法、相关设备及介质 | |
| Ben-Shimon et al. | An ensemble method for top-N recommendations from the SVD | |
| CN112560105B (zh) | 保护多方数据隐私的联合建模方法及装置 | |
| CN112989182A (zh) | 信息处理方法、装置、信息处理设备及存储介质 | |
| US20230133683A1 (en) | Feature interaction via edge search | |
| Szwabe et al. | Semantically enhanced collaborative filtering based on RSVD | |
| CN110929172A (zh) | 信息选择方法、装置、电子设备及可读存储介质 | |
| US20210357955A1 (en) | User search category predictor | |
| CN113327154A (zh) | 基于大数据的电商用户讯息推送方法及系统 | |
| CN117952724A (zh) | 基于知识图谱和神经网络的物品推荐方法、系统和设备 | |
| CN113516524B (zh) | 用于推送信息的方法和装置 | |
| CN112488355A (zh) | 基于图神经网络预测用户评级的方法和装置 | |
| CN114417158B (zh) | 数据处理方法、装置、计算机设备及计算机可读存储介质 | |
| CN111966813A (zh) | 一种信息挖掘方法及装置和信息推荐方法及装置 | |
| CN110727705A (zh) | 信息推荐方法、装置、电子设备及计算机可读存储介质 | |
| CN111784377A (zh) | 用于生成信息的方法和装置 | |
| CN110110214A (zh) | 基于双向加权值及用户行为的动态推荐及加噪方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220926 Address after: 12 / F, 15 / F, 99 Yincheng Road, Pudong New Area pilot Free Trade Zone, Shanghai, 200120 Applicant after: Jianxin Financial Science and Technology Co.,Ltd. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201120 |