开云优惠体育网页版入口

专利名称：数据处理方法、装置、介质及电子设备

专利类型：发明专利

专利申请号：CN202111591947.0

专利申请（专利权）人：震坤行工业超市(上海)有限公司
权利人地址：上海市闵行区申滨路36号虹桥丽宝广场4号楼7楼

专利发明（设计）人：宋江涛,王东

专利摘要：本申请公开了数据处理方法、装置、介质及电子设备。该方法用于电子设备，包括：获取预定时间段内的历史数据，包括多个用户各自的行为数据，每个用户的数据构成用户序列；从多个用户序列中排除噪音序列，得到多个有效序列，并对每个有效序列进行划分，得到多个有效子序列；以每个有效子序列中的行为数据作为节点，构建无向图；在无向图中，进行多次游走采样，在每次游走采样过程中，基于无向图中的两两节点之间的权重，得到多个采样节点，并将多个采样节点组合成采样序列；为每个采样序列中的每个采样节点添加辅助信息，得到多个训练序列；将多个训练序列输入训练模型，得到每个采样节点的训练数据。本发明提升了推荐结果的相关性和多样性。

主权利要求：
1.一种数据处理方法，用于电子设备，其特征在于，所述方法包括：
获取步骤，获取预定时间段内的历史数据，所述历史数据包括多个用户各自的一个或多个行为数据，每个所述用户的一个或多个所述行为数据构成用户序列；
预处理步骤，从多个所述用户序列中排除噪音序列，得到多个有效序列，并对每个所述有效序列进行划分，得到多个有效子序列；
构建步骤，以每个所述有效子序列中的一个或多个所述行为数据作为节点，构建无向图；
游走采样步骤，在所述无向图中，进行多次游走采样，其中，在每次游走采样过程中，基于所述无向图中的两两节点之间的权重，得到多个采样节点，并将多个所述采样节点组合成采样序列；
添加步骤，为每个所述采样序列中的每个所述采样节点添加辅助信息，得到多个训练序列；
训练步骤，将多个所述训练序列输入训练模型，得到每个所述采样节点的训练数据，其中，每个所述行为数据包括商品编码，根据所述商品编码确定对应商品的预定级类目，其中，每个所述节点具有对应的所述预定级类目，
其中，所述游走采样步骤包括：
统计步骤，统计属于同一有效子序列内的两两节点的一对所述预定级类目的共现频次，以确定属于同一有效子序列内的每个节点与其他节点之间的类目共现频次，作为所述权重；
阈值确定步骤，基于多个所述类目共现频次中的最大类目共现频次，确定权重阈值；
采样步骤，在每次游走采样过程中，以所述无向图中的任一个节点作为起始节点，游走到与所述起始节点之间具有权重的下一个节点，并将所述起始节点与所述下一个节点之间的所述权重大于等于所述权重阈值的所述起始节点与所述下一个节点作为所述采样节点，其中，在采样步骤中，如果所述起始节点与所述下一个节点之间的所述权重小于所述权重阈值，则判断所述起始节点的所述预定级类目与所述下一个节点的所述预定级类目是否属于预定的同一行业知识图谱，并将属于所述预定的同一行业知识图谱的所述起始节点与所述下一个节点作为所述采样节点。
2.根据权利要求1所述的方法，其特征在于，如果所述起始节点与所述下一个节点不属于预定的同一行业知识图谱，则返回所述起始节点，并游走到与所述起始节点之间具有权重的另一个节点。
3.根据权利要求2所述的方法，其特征在于，在每次游走采样过程中，如果所述采样节点的数量达到预定数量，或者与所述起始节点之间具有权重的所有节点都被游走采样之后，停止游走采样。
4.根据权利要求3所述的方法，其特征在于，在多次所述游走采样之后，得到对应的多个所述采样序列。
5.根据权利要求1?4中任一项所述的方法，其特征在于，同一有效子序列内的相同的一对预定级类目的共现频次不会累加，并且不同有效子序列内的相同的一对预定级类目的共现频次进行累加。
6.根据权利要求5所述的方法，其特征在于，在所述阈值确定步骤中，确定所述最大类目共现频次的预定百分比范围的频次范围，并从所述频次范围内取出一个共现频次，作为所述权重阈值。
7.根据权利要求1所述的方法，其特征在于，将所述行为数据的数量大于第一预定噪音数量的用户序列、或在预定时间内的所述行为数据的数量大于第二预定噪音数量的用户序列作为所述噪音序列进行排除。
8.根据权利要求1所述的方法，其特征在于，以预定数量和/或预定时间间隔的行为数据，对每个所述有效序列进行划分。
9.根据权利要求1所述的方法，其特征在于，进一步包括排序步骤，对每个所述采样节点的训练数据进行计算，得到每个所述采样节点的相似度，并根据多个所述相似度对多个所述采样节点进行排序，以获取多个推荐节点，从而将与每个所述推荐节点对应的商品作为推荐商品。
10.根据权利要求1所述的方法，其特征在于，所述辅助信息是商品的类目、品牌、价格中的一个或多个。
11.一种数据处理装置，用于电子设备，其特征在于，所述装置包括：
获取单元，获取预定时间段内的历史数据，所述历史数据包括多个用户各自的一个或多个行为数据，每个所述用户的一个或多个所述行为数据构成用户序列；
预处理单元，从多个所述用户序列中排除噪音序列，得到多个有效序列，并对每个所述有效序列进行划分，得到多个有效子序列；
构建单元，以每个所述有效子序列中的一个或多个所述行为数据作为节点，构建无向图；
游走采样单元，在所述无向图中，进行多次游走采样，其中，在每次游走采样过程中，基于所述无向图中的两两节点之间的权重，得到多个采样节点，并将多个所述采样节点组合成采样序列；
添加单元，为每个所述采样序列中的每个所述采样节点添加辅助信息，得到多个训练序列；
训练单元，将多个所述训练序列输入训练模型，得到每个所述采样节点的训练数据，其中，每个所述行为数据包括商品编码，根据所述商品编码确定对应商品的预定级类目，其中，每个所述节点具有对应的所述预定级类目，
其中，所述游走采样单元包括：
统计属于同一有效子序列内的两两节点的一对所述预定级类目的共现频次，以确定属于同一有效子序列内的每个节点与其他节点之间的类目共现频次，作为所述权重；
基于多个所述类目共现频次中的最大类目共现频次，确定权重阈值；
在每次游走采样过程中，以所述无向图中的任一个节点作为起始节点，游走到与所述起始节点之间具有权重的下一个节点，并将所述起始节点与所述下一个节点之间的所述权重大于等于所述权重阈值的所述起始节点与所述下一个节点作为所述采样节点，其中，如果所述起始节点与所述下一个节点之间的所述权重小于所述权重阈值，则判断所述起始节点的所述预定级类目与所述下一个节点的所述预定级类目是否属于预定的同一行业知识图谱，并将属于所述预定的同一行业知识图谱的所述起始节点与所述下一个节点作为所述采样节点。
12.一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指令，所述指令在计算机上执行时使所述计算机执行权利要求1至10中任一项所述的数据处理方法。
13.一种电子设备，其特征在于，包括：
一个或多个处理器；
一个或多个存储器；
其中，所述一个或多个存储器存储有一个或多个程序，当所述一个或者多个程序被所述一个或多个处理器执行时，使得所述电子设备执行权利要求1至10中任一项所述的数据处理方法。 说明书 : 数据处理方法、装置、介质及电子设备技术领域[0001] 本申请涉及一种数据处理方法、装置、介质及电子设备。背景技术[0002] 目前，业界主流的推荐系统算法可大致概括为如下几种：[0003] 1、基于内容的推荐：结合物品本身信息如文本、图片、音视频等来给用户推荐其喜欢商品的相似商品。该算法的优点是具有很强的解释性，同时推荐的商品推荐较为准确，符合用户的兴趣爱好。缺点是推荐的商品同质化严重，缺乏新颖性和惊喜度，无法挖掘用户其它兴趣点。[0004] 2、基于协同过滤推荐：利用用户的历史行为，如浏览、点击、评论、点赞、分享、转发等数据，来挖掘用户和用户、用户和物品、物品和物品之间的相似度，进而给客户推荐其潜在感兴趣的物品。该方法可以进一步分为基于用户的协同过滤推荐、基于物品的协同过滤推荐和隐语义模型推荐，各方法应用场景也有所不同。由于是基于历史行为数据训练，该算法对新用户和物品都存在冷启动问题。[0005] 3、基于深度模型推荐：比如DeepMatch、DSSM等神经网络模型使用物品、用户、上下文(时间、网络等)等数据特征，充分拟合用户和物品的潜在关联关系，来挖掘用户对物品的潜在购买需求。这类算法通常会把用户和物品均转化向量的形式，并通过余弦相似度等相似度计算方式获取最紧邻的商品作推荐。基于稠密向量的计算也导致了深度模型推荐结果的可解释性很差。此外，该类算法通常需要海量的用户历史数据，在稀疏数据场景下的表现会不尽人意。[0006] 4、基于混合推荐的算法：目前主流的推荐系统框架是多路召回结合排序模型，其中多路召回源里面可以包括基于内容的召回方法、基于协同过滤的召回方法和基于深度模型的召回方法等。[0007] 但是，上述每种方法都有各自的缺点，因此需要提供一种改进的数据处理方法来实现改进的商品推荐。发明内容[0008] 本申请实施例提供了一种数据处理方法、装置、介质及电子设备。[0009] 第一方面，本申请实施例提供了一种数据处理方法，用于电子设备，，所述方法包括：获取步骤，获取预定时间段内的历史数据，所述历史数据包括多个用户各自的一个或多个行为数据，每个所述用户的一个或多个所述行为数据构成用户序列；预处理步骤，从多个所述用户序列中排除噪音序列，得到多个有效序列，并对每个所述有效序列进行划分，得到多个有效子序列；构建步骤，以每个所述有效子序列中的一个或多个所述行为数据作为节点，构建无向图；游走采样步骤，在所述无向图中，进行多次游走采样，其中，在每次游走采样过程中，基于所述无向图中的两两节点之间的权重，得到多个采样节点，并将多个所述采样节点组合成采样序列；添加步骤，为每个所述采样序列中的每个所述采样节点添加辅助信息，得到多个训练序列；训练步骤，将多个所述训练序列输入训练模型，得到每个所述采样节点的训练数据。[0010] 在上述第一方面的一种可能的实现中，每个所述行为数据包括商品编码，根据所述商品编码可以确定对应商品的预定级类目，其中，每个所述节点具有对应的所述预定级类目。[0011] 在上述第一方面的一种可能的实现中，所述游走采样步骤包括：统计步骤，统计属于同一有效子序列内的两两节点的一对所述预定级类目的共现频次，以确定属于同一有效子序列内的每个节点与其他节点之间的类目共现频次，作为所述权重；阈值确定步骤，基于多个所述类目共现频次中的最大类目共现频次，确定权重阈值；采样步骤，在每次游走采样过程中，以所述无向图中的任一个节点作为起始节点，游走到与所述起始节点之间具有权重的下一个节点，并将所述起始节点与所述下一个节点之间的所述权重大于等于所述权重阈值的所述起始节点与所述下一个节点作为所述采样节点。[0012] 在上述第一方面的一种可能的实现中，在采样步骤中，如果所述起始节点与所述下一个节点之间的所述权重小于所述权重阈值，则判断所述起始节点的所述预定级类目与所述下一个节点的所述预定级类目是否属于预定的同一行业知识图谱，并将属于所述预定的同一行业知识图谱的所述起始节点与所述下一个节点作为所述采样节点。[0013] 在上述第一方面的一种可能的实现中，如果所述起始节点与所述下一个节点不属于预定的同一行业知识图谱，则返回所述起始节点，并游走到与所述起始节点之间具有权重的另一个节点。[0014] 在上述第一方面的一种可能的实现中，在每次游走采样过程中，如果所述采样节点的数量达到预定数量，或者与所述起始节点之间具有权重的所有节点都被游走采样之后，停止游走采样。[0015] 在上述第一方面的一种可能的实现中，在多次所述游走采样之后，得到对应的多个所述采样序列。[0016] 在上述第一方面的一种可能的实现中，同一有效子序列内的相同的一对预定级类目的共现频次不会累加，并且不同有效子序列内的相同的一对预定级类目的共现频次进行累加。[0017] 在上述第一方面的一种可能的实现中，在所述阈值确定步骤中，确定所述最大共现频次的预定百分比范围的频次范围，并从所述频次范围内取出一个共现频次，作为所述权重阈值。[0018] 在上述第一方面的一种可能的实现中，将所述行为数据的数量大于第一预定噪音数量的用户序列、或在预定时间内的所述行为数据的数量大于第二预定噪音数量的用户序列作为所述噪音序列进行排除。[0019] 在上述第一方面的一种可能的实现中，以预定数量和/或预定时间间隔的行为数据，对每个所述有效序列进行划分。[0020] 在上述第一方面的一种可能的实现中，进一步包括排序步骤，对每个所述采样节点的训练数据进行计算，得到每个所述采样节点的相似度，并根据多个所述相似度对多个所述采样节点进行排序，以获取多个推荐节点，从而将与每个所述推荐节点对应的商品作为推荐商品。[0021] 在上述第一方面的一种可能的实现中，所述辅助信息是商品的类目、品牌、价格中的一个或多个。[0022] 第二方面，本申请实施例提供了一种数据处理装置，用于电子设备，其特征在于，所述装置包括：获取单元，获取预定时间段内的历史数据，所述历史数据包括多个用户各自的一个或多个行为数据，每个所述用户的一个或多个所述行为数据构成用户序列；预处理单元，从多个所述用户序列中排除噪音序列，得到多个有效序列，并对每个所述有效序列进行划分，得到多个有效子序列；构建单元，以每个所述有效子序列中的一个或多个所述行为数据作为节点，构建无向图；游走采样单元，在所述无向图中，进行多次游走采样，其中，在每次游走采样过程中，基于所述无向图中的两两节点之间的权重，得到多个采样节点，并将多个所述采样节点组合成采样序列；添加单元，为每个所述采样序列中的每个所述采样节点添加辅助信息，得到多个训练序列；训练单元，将多个所述训练序列输入训练模型，得到每个所述采样节点的训练数据。上述获取单元、预处理单元、构建单元、游走采样单元、添加单元、训练单元可以通过电子设备中具有这些模块或单元功能的处理器实现。[0023] 第三方面，本申请实施例提供了一种计算机可读存储介质，该存储介质上存储有指令，该指令在计算机上执行时使该计算机执行上述第一方面中的数据处理方法。[0024] 第四方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；一个或多个存储器；该一个或多个存储器存储有一个或多个程序，当该一个或者多个程序被该一个或多个处理器执行时，使得该电子设备执行上述第一方面中的数据处理方法。[0025] 本发明，在如上所述的游走采样过程中，融入了关于商品相关性和行业搭配知识图谱的先验知识(先验信息)。一方面可以解决数据稀疏场景下推荐不准、相关性不足的问题。另一方面，行业搭配知识图谱可以极大程度提升推荐的多样性，满足用户的一站式打包购买需求。因此，在数据稀疏时可以极大提升用户体验。[0026] 进一步，在如上所述的游走采样过程中，本发明充分挖掘用户历史行为序列中商品的共现关系，并生成新的训练序列来训练模型。大幅消减了历史数据中数据稀疏、混乱的缺点，减少了对推荐造成的干扰，最终提升了推荐结果的相关性和多样性。附图说明[0027] 图1根据本申请的一些实施例，示出了数据处理方法的流程示意图；[0028] 图2根据本申请的一些实施例，示出了游走采样步骤的具体流程示意图；[0029] 图3根据本申请的一些实施例，示出了多个用户序列的示意图；[0030] 图4根据本申请的一些实施例，示出了无向图的示意图；[0031] 图5根据本申请的一些实施例，示出了多个采样序列的示意图；[0032] 图6根据本申请的一些实施例，示出了数据处理装置的示意图；[0033] 图7根据本申请的一些实施例，示出了电子设备的示意图。具体实施方式[0034] 本申请的说明性实施例包括但不限于为数据处理方法、装置、介质及电子设备。[0035] 下面将结合附图对本申请的实施例作进一步地详细描述。[0036] 如图1所示，示出了本申请实施例的数据处理方法的流程图，该数据处理方法用于电子设备(图未示)。电子设备例如是计算机、服务器、移动终端等等。[0037] 如图1所示，在获取步骤S101，电子设备获取预定时间段内的历史数据，历史数据包括多个用户各自的一个或多个行为数据，每个用户的一个或多个行为数据构成用户序列。[0038] 电子设备例如从某个购物网站上获取最近半年内的多个用户各自的行为数据，每个用户可以具有一个或多个行为数据。每个行为数据包括在该购物网站上的每个商品的商品编码。可以理解的是，每个商品具有唯一的商品编码。[0039] 图3示出了根据本申请的一些实施例的用户序列的示意图。如图3所示，示出了用户1、用户2、用户3各自的用户序列1、用户序列2和用户序列3。用户序列1包括行为数据D、A、B等等，用户序列2包括行为数据E、C、B、B、A等等，用户序列3包括行为数据B、E、D、E、F等等。可以理解的是，图3中示出的用户序列的数量以及每个用户序列中的行为数据的数量仅仅用于示例，可以是任意数量，而不受限制。[0040] 可以理解的是，行为数据包括用户在该购物网站上点击和/或购买的商品的商品编码。[0041] 进一步，根据商品编码，电子设备可以确定该商品的预定级类目。对于每个商品，具有多级类目，每级类目表示对商品的不同等级的分类。例如商品“3M口罩”，其一级类目是“个人防护”，二级类目是“呼吸防护”，三级类目是“口罩”，四级类目是“一次性口罩”。而例如商品“杜邦防护服”，其一级类目是“个人防护”，二级类目是“身体防护”，三级类目是“防护服”，四级类目是“轻型防护服”。[0042] 在本实施例中，例如根据商品编码可以确定对应商品的三级类目，因此每个用户序列中的每个行为数据具有对应商品的三级类目。[0043] 在预处理步骤S12，电子设备从多个用户序列中排除噪音序列，得到多个有效序列，并对每个有效序列进行划分，得到多个有效子序列。[0044] 具体的，将行为数据的数量大于第一预定噪音数量的用户序列、或在预定时间内的行为数据的数量大于第二预定噪音数量的用户序列作为噪音序列进行排除。[0045] 例如，第一预定噪音数量是800，第二预定噪音数量是300，如果用户序列1中的行为数据的数量大于800，或者用户序列1中的行为数据在1个小时内的数量大于300，则用户序列1是被认定为噪音序列，即，用户序列1被认定为爬虫行为，并将用户序列1排除。[0046] 可以理解的是，本实施例中，用户序列2和3是有效序列。然后，以预定数量和/或预定时间间隔的行为数据，对每个有效序列进行划分。[0047] 例如，预定数量是16，那么将用户序列2中每16个行为数据划分为一个有效子序列。另外，例如，预定时间间隔是30分钟，那么将用户序列2中每30分钟内的那些行为数据划分为一个有效子序列。[0048] 例如，如果序列2的长度是20，则将序列2中的前16个行为序列划分为有效子序列2?1，将序列2后面的4个行为序列划分为有效子序列2?2。另外，例如序列3中一共有21个行为数据，如果序列3内的第1个行为数据到第10个行为数据都在前30分钟内，而第11个行为数据到第21个行为数据都在后30分钟内，则将第1?10个行为数据划分为有效子序列3?1，将第11?21个行为数据划分为有效子序列3?2。[0049] 另外，可以理解的是，对于同一个用户序列，只要行为数据达到预定数量或预定时间间隔，就可以进行划分(即，截断)，也就是说，对于同一个序列，可以同时按照行为数据的预定数量和预定时间间隔来进行划分。[0050] 例如，一个用户一次性购买了80个商品，因此该用户的用户序列包括80个行为数据，口罩、防护目镜、防护服、洗手液、一次性手套...........、梅花扳手、钳子、卷尺等，前几个商品口罩、防护目镜、防护服等是个人防护使用的，属于相关搭配。而最后面的梅花扳手、钳子、卷尺是跟用户的业务场景相关而购买的。因此要尽可能把这个序列进行拆分，使相关搭配的商品在同一个序列内，不相关搭配的商品不在同一个序列内。按照上述划分方式，本发明可以把一个大而杂的用户序列划分成多个内部更相关搭配的有效子序列。[0051] 参见图3，虚值线表示对用户序列的划分，例如，本实施例中，用户序列2被划分为有效子序列2?1(包括行为数据A、C、B)和有效子序列2?2(包括行为数据B、A)，用户序列3被划分为有效子序列3?1(包括行为数据B、E、D、C、F)和有效子序列3?2(包括行为数据D、E、F)。[0052] 在步骤S13，电子设备以每个有效子序列中的一个或多个行为数据作为节点，构建无向图。[0053] 图4是根据本发明的一些实施例的无向图的示意图。在本实施例中，以有效子序列2?1、2?2、3?1、3?2中的行为数据A、B、C、D、E、F作为节点，构建出图4所示的无向图。即，图4所示的无向图中包含节点A、B、C、D、E、F。[0054] 可以理解的是，节点A、B、C、D、E、F中的每个节点具有对应商品的三级类目。[0055] 在游走采样步骤S14，在图4中的无向图中，电子设备进行多次游走采样，其中，在每次游走采样过程中，基于无向图中的两两节点之间的权重，得到多个采样节点，并将多个采样节点组合成采样序列。[0056] 图2是图1中的游走采样步骤S14的具体流程图，参见图2，游走采样步骤S14包括统计步骤S141、阈值确定步骤S142、采样步骤S143。[0057] 在统计步骤S141，电子设备统计属于同一有效子序列内的两两节点的一对预定级类目的共现频次，以确定属于同一有效子序列内的每个节点与其他节点之间的类目共现频次，作为权重。其中，同一有效子序列内的相同的一对预定级类目的共现频次不会累加，并且不同有效子序列内的相同的一对预定级类目的共现频次进行累加。[0058] 具体的，例如节点A、B、F的三级类目均是口罩，节点C、D的三级类目均是防护服，节点E的三级类目是玩具。[0059] 在有效子序列2?1(包含节点A、B、C)内，节点A和节点B的一对三级类目是“口罩_口罩”，则“口罩_口罩”的共现频次是1；节点B和节点C的一对三级类目是“口罩_防护服”，则“口罩_防护服”的共现频次1；节点A和节点C的一对三级类目是“口罩_防护服”。这里，因为有效子序列2?1中已经出现了“口罩_防护服”，不会进行累加，所以“口罩_防护服”的共现频次仍为1。[0060] 如此，从有效子序列2?1得到了多对三级类目，每一对三级类目可以称为共现类目，因此从有效子序列2?1中得到的共现类目及其共现频次为：{口罩_口罩：1，口罩_防护服:1}。[0061] 同样，从有效子序列3?1得到的共现类目及其共现频次为：{口罩_口罩：1，口罩_防护服：1，口罩_玩具：1，防护服_防护服：1，防护服_玩具：1}。[0062] 将从有效子序列2?1和3?1得到的相同的共现类目的共现频次进行累加，得到共现类目及其累加的共现频次为：{口罩_口罩：2，口罩_防护服：2，口罩_玩具：1，防护服_防护服：1，防护服_玩具：1}。[0063] 这里，为了描述方便，仅统计了有效子序列2?1和3?1。可以理解的是，对有效子序列2?2和3?2以及其他的有效子序列进行类似的统计，然后进行累加。例如，最终得到所有的共现类目及其最终共现频次为：{口罩_口罩：340，口罩_防护服：550，口罩_玩具：35，防护服_防护服：270，防护服_玩具：20}。[0064] 根据所有的共现类目及其最终共现频次，可以确定每个节点与其他节点之间的类目共现频次，作为权重。[0065] 例如，节点A和节点B的共现类目“口罩_口罩”的类目共现频次是340，即，节点A和节点B之间的权重是340；节点A和节点C的共现类目“口罩_防护服”的类目共现频次是550，即，节点A和节点C之间的权重是550。可以理解的是，节点A和节点B之间的权重是节点A和节点B之间的直连边(或，直连线)的权重。如此，可以确定属于同一有效子序列中的每个节点与其他节点之间的权重。[0066] 可以理解的是，只有属于同一有效子序列中的两两节点之间具有权重。也就是说，属于不同有效子序列中的两两节点之间可以不具有权重。本实施例中，节点A和节点F之间没有权重，即节点A和节点F之间没有直连边。[0067] 在阈值确定步骤S142，电子设备基于上述多个类目共现频次中的最大类目共现频次，确定权重阈值。[0068] 其中，取出上述多个类目共现频次中的最大类目共现频次，确定最大共现频次的预定百分比范围的频次范围，并从频次范围内取出一个共现频次，作为权重阈值。[0069] 例如，最大类目共现频次为550，预定百分比分为是5％?15％，如此确定最大共现频次的预定百分比范围的频次范围是27.5到82.5。进行统计分析后，从27.5到82.5的频次范围内取出例如50作为权重阈值。这里，统计分析的方式和现有技术中的相同，因此这里不再详述。[0070] 在采样步骤S143，在每次游走采样过程中，电子设备以无向图中的任一个节点作为起始节点，游走到与起始节点之间具有权重的下一个节点，并将起始节点与下一个节点之间的权重大于等于权重阈值的起始节点与下一个节点作为采样节点。[0071] 下面详细说明游走采样过程。参见图4，在一次游走采样过程中，例如以节点A为起始节点，游走到与节点A之间具有权重的下一个节点，例如节点B，并判断节点A和节点B之间的权重是否大于等于权重阈值。本实施例中，如上所述，节点A和节点B之间的权重是340，权重阈值例如是50，因此，节点A和节点B之间的权重340大于权重阈值50，那么将节点A和节点B作为采样节点。[0072] 然后，以节点B为起始节点，游走到与节点B之间具有权重的下一个节点，例如节点C，节点B和节点C之间的权重是550，大于权重阈值50，因此类似的，将节点B和节点C作为采样节点。[0073] 另外，如果起始节点与下一个节点之间的权重小于权重阈值，则判断起始节点与下一个节点是否属于预定的同一行业知识图谱，并将属于预定的同一行业知识图谱的起始节点与下一个节点作为采样节点。[0074] 接着，以节点C为起始节点，游走到与节点C之间具有权重的下一个节点，例如节点E，节点C和节点E之间的权重是20，小于权重阈值50，即，节点C和节点E之间的权重是20小于权重阈值50，此时判断节点C的三级类目和节点E的三级类目是否属于预定的同一行业知识图谱。[0075] 行业知识图谱是针对不同行业预定的知识图谱，例如，针对医疗行业，口罩、头套、防护服和手套经常搭配使用，它们属于医疗行业知识图谱；针对工业行业，切割机、切割片、防护眼镜和防割手套经常搭配使用，它们属于工业行业知识图谱。可以理解的是，针对不同行业可以预定对应的行业知识图谱。[0076] 本实施例中，节点C的三级类目是防护服，节点E的三级类目是玩具，其中例如节点C的三级类目属于医疗行业知识图谱，节点E的三级类目属于玩具行业知识图谱，因此判断出节点C的三级类目和节点E的三级类目不属于同一行业知识图谱。此时，返回到节点C，并游走到与节点C之间具有权重的另一个节点，例如节点F。与上述类似的，节点C和节点F之间的权重是550，大于权重阈值50，因此，将节点C和节点F作为采样节点。[0077] 然后以节点F为起始节点，例如游走到节点D。与上述类似的，节点F和节点D之间的权重是550，大于权重阈值50，因此，将节点F和节点D作为采样节点。[0078] 可以理解的是，如果节点C的三级类目和节点E的三级类目属于同一行业知识图谱，那么将节点C和节点E作为采样节点，然后以节点E为起始节点，游走到下一个节点，例如F，并判断节点E和节点F之间的权重是否大于等于权重阈值。[0079] 在每次游走采样过程中，如果采样节点的数量达到预定数量，或者与起始节点之间具有权重的所有节点都被游走采样之后，停止游走采样。[0080] 本实施例中，例如在上述一次游走采样过程中，采样节点是A、B、C、F、D，一共是5个采样节点，预定数量例如是16，可见采样节点的数量5尚未达到预定数量16。另外，在对节点D进行采样后，以节点D为起始节点进行游走，但是此时，与节点D之间具有权重的所有节点(即，B、C、E、F)如上所述都已经被游走采样过，因此，停止这一次的游走采样。[0081] 可以理解是，在一次游走采样中，不会对同一节点重复进行游走采样。[0082] 可以理解的是，针对这一次的游走采样，得到采样节点A、B、C、F、D，将采样节点A、B、C、F、D组合成采样序列1，如图5所示。[0083] 按照上述方式，在第二次、第三次、第四次游走采样之后，可以得到图5所示的采样序列2、3、4。可以理解的是，图5示出的4个采样序列仅仅用于示例，而非限制，采样序列的个数不受限制。[0084] 可以理解的是，每个采样序列中的采样节点不重复，统一采样节点可以出现在不同的采样序列中。[0085] 在一些实施例中，以无向图中的每个节点为起始节点，开始一次游走采样，每个节点可以作为一次游走采样的起始节点的次数例如是6次，那么一共可以得到6×N个采样序列，其中N表示无向图中的节点数量。[0086] 可以理解的是，重新组成的多个采样序列是按照不同用户来组合的，即，采样序列与用户无关，重新组成的多个采样序列是所有用户的用户序列交织共同采样的结果。[0087] 在添加步骤S15，电子设备为每个采样序列中的每个采样节点添加辅助信息，得到多个训练序列。辅助信息是商品的类目、品牌、价格等等中的一个或多个。[0088] 在一些实施例中，辅助信息是商品的类目。例如，对于采样序列1中的采样节点A、B、C、F、D，为每个采样节点添加例如三级类目，得到训练序列1：{A+口罩，B+口罩，C+防护服，F+口罩，D+防护服}。[0089] 类似的，对于其他每个采样序列，为每个采样节点添加例如三级类目，得到对应的训练序列。[0090] 可以理解的是，本文中所述的节点包括上述商品编码。[0091] 通过添加辅助信息，在后续模型中进行训练后，可以使同一类目下的商品更相关，既丰富了推荐的多样性，有增加了模型的可解释性。[0092] 在训练步骤S16，电子设备将多个训练序列输入训练模型，得到每个采样节点的训练数据。[0093] 例如，将多个训练序列输入训练模型(例如，skip?gram模型)进行训练，并输出每个训练序列中的每个采样节点的训练数据，即，每个采样节点的64维向量。具体模型训练的过程和现有技术相同，这里不再详述。[0094] 较佳地，本发明还包括排序步骤S16，例如使用余弦相似度方法对，对每个采样节点的64维向量进行计算，得到每个采样节点的相似度。[0095] 然后，根据相似度对多个采样节点按照从大到小的顺序进行排序，将排在最前面的例如1?10个采样节点作为推荐节点，并将与每个推荐节点对应的商品作为推荐商品。如此，可以获得10个推荐商品，用于推荐给用户。[0096] 本发明，在如上所述的游走采样过程中，融入了关于商品相关性和行业搭配知识图谱的先验知识(先验信息)。一方面可以解决数据稀疏场景下推荐不准、相关性不足的问题。另一方面，行业搭配知识图谱可以极大程度提升推荐的多样性，满足用户的一站式打包购买需求。因此，在数据稀疏时可以极大提升用户体验。[0097] 进一步，在如上所述的游走采样过程中，本发明充分挖掘用户历史行为序列中商品的共现关系，并生成新的训练序列来训练模型。大幅消减了历史数据中数据稀疏、混乱的缺点，减少了对推荐造成的干扰，最终提升了推荐结果的相关性和多样性。[0098] 本发明还提供一种数据处理装置60，如图6所示，数据处理装置60包括：获取单元601、预处理单元602、构建单元603、游走采样单元604、添加单元605、训练单元606。获取单元601获取预定时间段内的历史数据，所述历史数据包括多个用户各自的一个或多个行为数据，每个所述用户的一个或多个所述行为数据构成用户序列。预处理单元602从多个所述用户序列中排除噪音序列，得到多个有效序列，并对每个所述有效序列进行划分，得到多个有效子序列。构建单元603以每个所述有效子序列中的一个或多个所述行为数据作为节点，构建无向图。游走采样单元604在所述无向图中进行多次游走采样，其中，在每次游走采样过程中，基于所述无向图中的两两节点之间的权重，得到多个采样节点，并将多个所述采样节点组合成采样序列。添加单元605为每个所述采样序列中的每个所述采样节点添加辅助信息，得到多个训练序列。训练单元606将多个所述训练序列输入训练模型，得到每个所述采样节点的训练数据。[0099] 优选地，数据处理装置60还包括排序单元607，排序单元607对每个所述采样节点的训练数据进行计算，得到每个所述采样节点的相似度，并根据多个所述相似度对多个所述采样节点进行排序，以获取多个推荐节点，从而将与每个所述推荐节点对应的商品作为推荐商品。[0100] 可以理解的是，获取单元601、预处理单元602、构建单元603、游走采样单元604、添加单元605、训练单元606、以及推荐可以通过电子设备中具有这些模块或单元功能的处理器实现。[0101] 本发明还提供一种计算机可读存储介质，存储介质上存储有指令，该指令在计算机上执行时使计算机执行图1中所示的为设备推荐备件的方法。[0102] 现在参考图7，图7示意性地示出了根据本发明的实施例的示例电子设备1400。在一个实施例中，电子设备1400可以包括一个或多个处理器1404，与处理器1404中的至少一个连接的系统控制逻辑1408，与系统控制逻辑1408连接的系统内存1412，与系统控制逻辑1408连接的非易失性存储器(NVM)1416，以及与系统控制逻辑1408连接的网络接口1420。[0103] 在一些实施例中，处理器1404可以包括一个或多个单核或多核处理器。在一些实施例中，处理器1404可以包括通用处理器和专用处理器(例如，图形处理器，应用处理器，基带处理器等)的任意组合。处理器1404可以被配置为执行各种符合的实施例，例如，如图1所示的实施例。[0104] 在一些实施例中，系统控制逻辑1408可以包括任意合适的接口控制器，以向处理器1404中的至少一个和/或与系统控制逻辑1408通信的任意合适的设备或组件提供任意合适的接口。[0105] 在一些实施例中，系统控制逻辑1408可以包括一个或多个存储器控制器，以提供连接到系统内存1412的接口。系统内存1412可以用于加载以及存储数据和/或指令。在一些实施例中电子设备1400的内存1412可以包括任意合适的易失性存储器，例如合适的动态随机存取存储器(DRAM)。[0106] NVM/存储器1416可以包括用于存储数据和/或指令的一个或多个有形的、非暂时性的计算机可读介质。在一些实施例中，NVM/存储器1416可以包括闪存等任意合适的非易失性存储器和/或任意合适的非易失性存储设备，例如HDD(HardDiskDrive，硬盘驱动器)，CD(CompactDisc，光盘)驱动器，DVD(DigitalVersatileDisc，数字通用光盘)驱动器中的至少一个。[0107] NVM/存储器1416可以包括安装电子设备1400的装置上的一部分存储资源，或者它可以由设备访问，但不一定是设备的一部分。例如，可以经由网络接口1420通过网络访问NVM/存储器1416。[0108] 特别地，系统内存1412和NVM/存储器1416可以分别包括：指令1424的暂时副本和永久副本。指令1424可以包括：由处理器1404中的至少一个执行时导致电子设备1400实施如图2所示的方法的指令。在一些实施例中，指令1424、硬件、固件和/或其软件组件可另外地/替代地置于系统控制逻辑1408，网络接口1420和/或处理器1404中。[0109] 网络接口1420可以包括收发器，用于为电子设备1400提供无线电接口，进而通过一个或多个网络与任意其他合适的设备(如前端模块，天线等)进行通信。在一些实施例中，网络接口1420可以集成于电子设备1400的其他组件。例如，网络接口1420可以集成于处理器1404的，系统内存1412，NVM/存储器1416，和具有指令的固件设备(未示出)中的至少一种，当处理器1404中的至少一个执行所述指令时，电子设备1400实现如图1所示的方法。[0110] 网络接口1420可以进一步包括任意合适的硬件和/或固件，以提供多输入多输出无线电接口。例如，网络接口1420可以是网络适配器，无线网络适配器，电话调制解调器和/或无线调制解调器。[0111] 在一个实施例中，处理器1404中的至少一个可以与用于系统控制逻辑1408的一个或多个控制器的逻辑封装在一起，以形成系统封装(SiP)。在一个实施例中，处理器1404中的至少一个可以与用于系统控制逻辑1408的一个或多个控制器的逻辑集成在同一管芯上，以形成片上系统(SoC)。[0112] 电子设备1400可以进一步包括：输入/输出(I/O)设备1432。I/O设备1432可以包括用户界面，使得用户能够与电子设备1400进行交互；外围组件接口的设计使得外围组件也能够与电子设备1400交互。在一些实施例中，电子设备1400还包括传感器，用于确定与电子设备1400相关的环境条件和位置信息的至少一种。[0113] 在一些实施例中，用户界面可包括但不限于显示器(例如，液晶显示器，触摸屏显示器等)，扬声器，麦克风，一个或多个相机(例如，静止图像照相机和/或摄像机)，手电筒(例如，发光二极管闪光灯)和键盘。[0114] 本申请公开的机制的各实施例可以被实现在硬件、软件、固件或这些实现方法的组合中。本申请的实施例可实现为在可编程系统上执行的计算机程序或程序代码，该可编程系统包括至少一个处理器、存储系统(包括易失性和非易失性存储器和/或存储元件)、至少一个输入设备以及至少一个输出设备。[0115] 可将程序代码应用于输入指令，以执行本申请描述的各功能并生成输出信息。可以按已知方式将输出信息应用于一个或多个输出设备。为了本申请的目的，处理系统包括具有诸如例如数字信号处理器(DSP)、微控制器、专用集成电路(ASIC)或微处理器之类的处理器的任何系统。[0116] 程序代码可以用高级程序化语言或面向对象的编程语言来实现，以便与处理系统通信。在需要时，也可用汇编语言或机器语言来实现程序代码。事实上，本申请中描述的机制不限于任何特定编程语言的范围。在任一情形下，该语言可以是编译语言或解释语言。[0117] 在一些情况下，所公开的实施例可以以硬件、固件、软件或其任何组合来实现。所公开的实施例还可以被实现为由一个或多个暂时或非暂时性机器可读(例如，计算机可读)存储介质承载或存储在其上的指令，其可以由一个或多个处理器读取和执行。例如，指令可以通过网络或通过其他计算机可读介质分发。因此，机器可读介质可以包括用于以机器(例如，计算机)可读的形式存储或传输信息的任何机制，包括但不限于，软盘、光盘、光碟、只读存储器(CD?ROM)、磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、磁卡或光卡、闪存、或用于利用因特网以电、光、声或其他形式的传播信号来传输信息(例如，载波、红外信号数字信号等)的有形的机器可读存储器。因此，机器可读介质包括适合于以机器(例如，计算机)可读的形式存储或传输电子指令或信息的任何类型的机器可读介质。[0118] 在附图中，可以以特定布置和/或顺序示出一些结构或方法特征。然而，应该理解，可能不需要这样的特定布置和/或排序。而是，在一些实施例中，这些特征可以以不同于说明性附图中所示的方式和/或顺序来布置。另外，在特定图中包括结构或方法特征并不意味着暗示在所有实施例中都需要这样的特征，并且在一些实施例中，可以不包括这些特征或者可以与其他特征组合。[0119] 需要说明的是，本申请各设备实施例中提到的各单元/模块都是逻辑单元/模块，在物理上，一个逻辑单元/模块可以是一个物理单元/模块，也可以是一个物理单元/模块的一部分，还可以以多个物理单元/模块的组合实现，这些逻辑单元/模块本身的物理实现方式并不是最重要的，这些逻辑单元/模块所实现的功能的组合才是解决本申请所提出的技术问题的关键。此外，为了突出本申请的创新部分，本申请上述各设备实施例并没有将与解决本申请所提出的技术问题关系不太密切的单元/模块引入，这并不表明上述设备实施例并不存在其它的单元/模块。[0120] 需要说明的是，在本专利的示例和说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。[0121] 虽然通过参照本申请的某些优选实施例，已经对本申请进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种改变，而不偏离本申请的精神和范围。

专利地区：上海

专利申请日期：2021-12-23

专利公开日期：2024-11-29

专利公告号：CN114254204B