买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于关系网络的推荐模型训练、信息推送方法、装置、设备及介质，该方法将样本用户的社会关系网络中，与各邻居用户关联的邻居用户向量输入至包含关系层级权重的初始推荐模型中，以根据各邻居用户向量生成与样本用户对应的样本用户向量；根据样本用户向量，确定与样本用户对应的推荐预测值，并获取与样本用户对应的推荐真实值；根据推荐预测值以及推荐真实值，确定初始推荐模型的预测损失值；在预测损失值未达到预设的收敛条件时，通过预设参数优化算法更新迭代各关系层级权重，直至预测损失值达到预设的收敛条件时，将收敛之后的初始推荐模型记录为社会化推荐模型。本发明提高了初始推荐模型的预测准确率。

主权项：1.一种基于关系网络的推荐模型训练方法，其特征在于，包括：获取样本用户的社会关系网络；所述社会关系网络包括与所述样本用户关联的多个关系层级，一个所述关系层级包含至少一个邻居用户，一个所述邻居用户关联一个邻居用户向量；将各所述邻居用户向量输入至包含初始参数的初始推荐模型中，以根据各所述邻居用户向量生成与所述样本用户对应的样本用户向量；所述初始参数包含与各所述关系层级关联的关系层级权重；第一关系层级与样本用户具有直接关系，赋予第一关系层级最高的关系层级权重，随着关系层级的增加，与样本用户之间的关系越来越小，赋予社会关系网络中最外层的关系层级最低的关系层级权重；根据所述样本用户向量，确定与所述样本用户对应的推荐预测值，并获取与所述样本用户对应的推荐真实值；根据所述推荐预测值以及所述推荐真实值，确定所述初始推荐模型的预测损失值；在所述预测损失值未达到预设的收敛条件时，通过预设参数优化算法更新迭代各所述关系层级权重，直至所述预测损失值达到所述预设的收敛条件时，将收敛之后的所述初始推荐模型记录为社会化推荐模型；所述获取样本用户的社会关系网络之前，包括：在用户属性库中获取与所述样本用户存在关联的邻居用户，并将各所述邻居用户插入至关系层级确定序列中；将与所述样本用户具有直接关系的邻居用户记录为第一关系层级，并将与所述第一关系层级的邻居用户存在直接关系的邻居用户记录为第二关系层级；在所述关系层级确定序列中的所有所述邻居用户的关系层级均确定完毕之后，确定所述样本用户的社会关系网络构建完成；所述在所述关系层级确定序列中的所有所述邻居用户的关系层级均确定完毕之后，包括：自所述社会关系网络中，对各个关系层级的邻居用户进行人群聚类，确定与各所述邻居用户对应的关系画像向量；获取与所有所述邻居用户关联的商品信息，并对所述商品信息进行商品聚类，确定与各所述邻居用户对应的商品画像向量；获取各所述邻居用户对与其关联的商品信息对应的商品评分，并根据各所述商品评分，确定各邻居用户对各所述商品画像向量的商品画像评分；根据与各所述邻居用户对应的所述关系画像向量、商品画像向量以及所述商品画像评分，生成与各所述邻居用户关联的邻居用户向量。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 推荐模型训练、信息推送方法、装置、设备及介质