1.一种基于邻域聚合的资源推荐方法,其特征在于,包括:
根据目标用户的初始嵌入向量和所述目标用户所对应邻域用户集合对所述目标用户的邻域影响向量进行社交聚合,得到所述目标用户的目标嵌入向量;所述初始嵌入向量是根据所对应用户的用户属性信息和所对应用户的偏好资源信息确定的;
根据所述目标用户所对应历史偏好资源的资源嵌入向量和所述目标用户的目标嵌入向量,生成所述目标用户的目标特征向量;所述资源嵌入向量是根据所对应资源的资源属性信息和所对应资源的关联用户信息生成的;
根据所述目标用户的目标特征向量和资源集合中各资源的资源嵌入向量,确定所述目标用户对所述资源集合中各资源的偏好权重;
根据所述偏好权重在所述资源集合中进行资源筛选,确定向所述目标用户推荐的目标资源;
其中,所述根据所述目标用户的目标特征向量和资源集合中各资源的资源嵌入向量,确定所述目标用户对所述资源集合中各资源的偏好权重,包括:将所述目标用户的目标特征向量与所述资源集合中每一资源的资源嵌入向量进行向量连接,得到所述目标用户相对于每一资源的连接特征向量;
将所述目标用户相对于每一资源的连接特征向量输入偏好预测模型;
由所述偏好预测模型根据所述目标用户相对于每一资源的连接特征向量进行偏好权重预测,输出所述目标用户对各资源的偏好权重。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标用户的初始嵌入向量和所述目标用户所对应邻域用户集合对所述目标用户的邻域影响向量进行社交聚合,得到所述目标用户的目标嵌入向量,包括:获取t级社交聚合所得到所述目标用户的t级嵌入向量;其中,t为正整数;以及获取用于(t+1)级社交聚合的(t+1)级邻域影响向量;
将所述目标用户的t级嵌入向量和所述(t+1)级邻域影响向量进行(t+1)级社交聚合,得到所述目标用户的(t+1)级嵌入向量;其中,所述目标用户的初始嵌入向量用于进行1级社交聚合;
若社交聚合级数(t+1)达到设定级数阈值,则以目标用户的(t+1)级嵌入向量作为所述目标用户的目标嵌入向量;
若社交聚合级数(t+1)小于设定级数阈值,则继续将所述目标用户的(t+1)级嵌入向量进行下一级社交聚合。
3.根据权利要求2所述的方法,其特征在于,所述获取用于(t+1)级社交聚合的(t+1)级邻域影响向量,包括:获取所述邻域集合中各邻域用户的t级嵌入向量;
将所述邻域集合中全部邻域用户的注意力系数与所述邻域集合中全部邻域用户的t级嵌入向量进行聚合,得到所述对应于(t+1)级社交聚合的(t+1)级邻域影响向量;其中,对应于1级社交聚合的1级邻域影响向量是根据所述邻域集合中各邻域用户的初始嵌入向量计算得到的。
4.根据权利要求1所述的方法,其特征在于,所述根据所述目标用户的初始嵌入向量和所述目标用户所对应邻域用户集合对所述目标用户的邻域影响向量进行社交聚合,得到所述目标用户的目标嵌入向量之前,所述方法还包括:根据所述目标用户的用户属性信息生成所述目标用户的第一特征向量;以及根据所述目标用户的偏好资源信息生成所述目标用户的第二特征向量;
将所述目标用户的第一特征向量和所述目标用户的第二特征向量进行融合,得到所述目标用户的初始嵌入向量。
5.根据权利要求4所述的方法,其特征在于,所述将所述目标用户的第一特征向量和所述目标用户的第二特征向量进行融合,得到所述目标用户的初始嵌入向量,包括:将所述目标用户的第一特征向量与所述目标用户的第二特征向量进行向量连接,得到用户连接向量;
将所述用户连接向量输入第一多层感知机网络,由所述第一多层感知机网络根据所述用户连接向量输出所述目标用户的初始嵌入向量。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标用户的目标特征向量和资源集合中各资源的资源嵌入向量,确定所述目标用户对所述资源集合中各资源的偏好权重之前,所述方法还包括:根据所述资源集合中各资源的资源属性信息生成所对应资源的第一资源特征向量;以及根据所述资源集合中各资源的关联用户信息生成所对应资源的第二资源特征向量;
将资源所对应的第一资源特征向量和所对应的第二资源特征向量进行融合,得到所对应资源的资源嵌入向量。
7.根据权利要求1所述的方法,其特征在于,所述根据所述目标用户的初始嵌入向量和所述目标用户所对应邻域用户集合对所述目标用户的邻域影响向量进行社交聚合,得到所述目标用户的目标嵌入向量之前,所述方法还包括:根据所述目标用户的社交互动信息,计算所述目标用户与候选用户集中每一候选用户的社交信任度;
根据所述目标用户的偏好资源信息和候选用户集中各候选用户的偏好资源信息,计算所述目标用户与所述候选用户集中每一候选用户的资源偏好相似度;
根据所述目标用户与所述候选用户集中每一候选用户的社交信任度和资源偏好相似度,在所述候选用户集中进行候选用户筛选;
将筛选出的候选用户添加至所述目标用户所对应邻域用户集合中。
8.一种基于邻域聚合的资源推荐装置,其特征在于,包括:
聚合模块,用于根据目标用户的初始嵌入向量和所述目标用户所对应邻域用户集合对所述目标用户的邻域影响向量进行社交聚合,得到所述目标用户的目标嵌入向量;所述初始嵌入向量是根据所对应用户的用户属性信息和所对应用户的偏好资源信息确定的;
目标特征向量生成模块,用于根据所述目标用户所对应历史偏好资源的资源嵌入向量和所述目标用户的目标嵌入向量,生成所述目标用户的目标特征向量;所述资源嵌入向量是根据所对应资源的资源属性信息和所对应资源的关联用户信息生成的;
偏好权重确定模块,用于根据所述目标用户的目标特征向量和资源集合中各资源的资源嵌入向量,确定所述目标用户对所述资源集合中各资源的偏好权重;
目标资源确定模块,用于根据所述偏好权重在所述资源集合中进行资源筛选,确定向所述目标用户推荐的目标资源;
其中,所述偏好权重确定模块包括:
第二向量连接单元,用于将所述目标用户的目标特征向量与所述资源集合中每一资源的资源嵌入向量进行向量连接,得到所述目标用户相对于每一资源的连接特征向量;
输入单元,用于将所述目标用户相对于每一资源的连接特征向量输入偏好预测模型;
偏好权重输出单元,用于由所述偏好预测模型根据所述目标用户相对于每一资源的连接特征向量进行偏好权重预测,输出所述目标用户对各资源的偏好权重。
9.一种电子设备,其特征在于,包括:
处理器;
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机可读指令,当所述计算机可读指令被处理器执行时,实现如权利要求1-7中任一项所述的方法。