(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210504526.8 (22)申请日 2022.05.10 (71)申请人 杭州网易云音乐科技有限公司 地址 310052 浙江省杭州市萧 山区钱江世 纪城奔竞大道353号杭州国际博览中 心A座1201室 (72)发明人 展丽霞　肖强　李勇　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 张芳　臧建明 (51)Int.Cl. G06F 16/9536(2019.01) G06F 16/9535(2019.01) G06F 16/36(2019.01) G06F 16/35(2019.01)G06F 16/335(2019.01) (54)发明名称 推荐方法、 介质、 装置和计算设备 (57)摘要 本公开的实施方式提供了一种推荐 方法。 包 括： 基于图神经网络模型， 根据候选对象的自身 节点及其邻居节点的第一表征向量， 获取候选对 象的最终表征向量； 根据用户历史行为列表中至 少一个历史对象的自身节点及其邻居节点的第 一表征向量， 获取至少一个历史对象的最终表征 向量， 进而获取用户表征向量； 根据候选对象的 最终表征向量与用户表征向量的相似度， 确定推 荐对象。 本公开的方法中， 对象的最终表征向量 融合了自身及其邻居节点的第一表征向量， 增强 了表达能力； 根据历史对象获取实时的用户表征 向量， 有利于及时捕获用户偏好进行个性化推 荐， 进而提高推荐质量， 实现准确有效推送。 此 外， 本公开的实施方式提供了一种介质、 装置和 计算设备。 权利要求书2页 说明书20页 附图7页 CN 114780867 A 2022.07.22 CN 114780867 A 1.一种推荐方法， 其特 征在于， 包括： 将候选对象的自身节点及其邻居节点的第一表征向量作为预先训练的图神经网络模 型的输入， 获取 所述图神经网络模型输出的所述 候选对象的最终表征向量； 将用户的历史行为列表中至少一个历史对象的自身节点及其邻居节点的第一表征向 量作为所述图神经网络模型的输入， 获取所述图神经网络模型输出的至少一个所述历史对 象的最终表征向量； 根据至少一个所述历史对 象的最终表征向量， 获取所述用户的用户表 征向量； 根据所述候选对象的最终表征向量与所述用户表征向量的相似度， 确定所述候选对象 中的推荐对象。 2.根据权利要求1所述的方法， 其特 征在于， 所述第一表征向量包括属性特 征向量； 所述将候选对象的自身节点及其邻居节点的第一表征向量作为预先训练的图神经网 络模型的输入之前， 还 包括： 预先建立知识图谱， 将所述候选对象作为目标节点， 基于所述知识图谱， 获取所述目标 节点的邻居节点； 获取所述目标节点及其邻居节点的属性特征向量； 将所述目标节点的所述属性特征向 量作为所述目标节点的第一表征向量； 将所述目标节点的邻居节点的所述属性特征向量作 为所述目标节点的邻居节点的第一表征向量。 3.根据权利要求2所述的方法， 其特 征在于， 所述第一表征向量还 包括ID特征向量； 所述将候选对象的自身节点及其邻居节点的第一表征向量作为预先训练的图神经网 络模型的输入之前， 还 包括： 获取所述目标节点及其邻居节点的所述ID特征向量； 对所述目标节点的所述属性特征 向量和所述ID特征向量进行拼接， 将拼接结果作为所述目标节点的第一表征向量； 对所述 目标节点的邻居节 点的所述属性特征向量和所述ID特征向量进 行拼接， 将拼接结果作为所 述目标节点的邻居节点的第一表征向量。 4.根据权利要求2所述的方法， 其特 征在于， 所述预 先建立知识图谱， 包括： 根据业务数据， 确定实体节点； 所述实体节点包括非用户实体节点和用户实体节点； 对所述用户实体节点进行聚类形成多个聚类簇， 构建多个用户组抽象节点与 所述多个 聚类簇一一对应， 所述聚类簇的聚类中心特征向量作为所述用户组抽象节点的属性特征向 量； 抽取所述非用户实体节点及所述用户组抽象节点之间的关系， 建立所述知识图谱。 5.根据权利要求1所述的方法， 其特征在于， 所述将候选对象的自身节点及其邻居节点 的第一表征向量作为预先训练的图神经网络模 型的输入， 获取所述图神经网络模型输出的 所述候选对象的最终表征向量， 包括： 将所述候选对象作为目标节点， 所述目标节点的邻居节点包括所述目标节点的一阶邻 居节点至N阶邻居节点； 其中， N 为大于2的正整数； 将所述目标节点的N ‑1阶邻居节点及其对应的所述N阶邻居节点的第一表征向量作为 所述图神经网络模型的输入层的输入， 获取所述输入层输出 的所述N‑1阶邻居节点的第二 表征向量； 将所述N‑1阶邻居节点的第二表征向量以及从所述目标节点至N ‑2阶邻居节点的每个权　利　要　求　书 1/2 页 2 CN 114780867 A 2节点的第一表征向量作为所述图神经网络模型的聚合层的输入， 获取所述聚合层输出的关 于所述候选对象的最终表征向量。 6.根据权利要求5所述的方法， 其特征在于， 所述将所述N ‑1阶邻居节点的第二表征向 量以及从所述目标节点至N ‑2阶邻居节点的每个节点的第一表征向量作为所述图神经网络 模型的聚合层的输入， 获取 所述聚合层输出的关于所述 候选对象的最终表征向量， 包括： 每一聚合层将当前层的节点的第一表征向量和上一层中与当前层的节点所对应的节 点的第二表征向量进行聚合， 将聚合后的向量作为所述当前层的节点的第二表征向量； 将所述当前层的节点的第二表征向量输入下一聚合层并与对应下一聚合层的节点的 第一表征向量进行聚合， 直至从最后一聚合层聚合输出关于所述候选对象的最终表征向 量。 7.根据权利要求6所述的方法， 其特征在于， 每一 聚合层采用如下至少一种技术进行聚 合： 注意力技 术、 特征交叉技 术、 图卷积技 术。 8.一种介质， 其特征在于， 包括： 一种计算机可读存储介质， 包括： 所述计算机可读存储 介质中存储有计算机执行指令， 所述计算机执行指 令被处理器执行时用于实现如权利要求 1至7中任一项所述的方法。 9.一种推荐装置， 其特 征在于， 包括： 处理模块， 用于将候选对象的自身节点及其邻居节点的第 一表征向量作为预先训练 的 图神经网络模型的输入， 获取 所述图神经网络模型输出的所述 候选对象的最终表征向量； 所述处理模块， 还用于将用户的历史行为列表中至少一个历史对象的自身节点及其邻 居节点的第一表征向量作为所述图神经网络模 型的输入， 获取所述图神经网络模型输出的 至少一个所述历史对 象的最终表征向量； 根据至少一个所述历史对 象的最终表征向量， 获 取所述用户的用户表征向量； 确定模块， 用于根据所述候选对象的最终表征向量与所述用户表征向量的相似度， 确 定所述候选对象中的推荐对象。 10.一种计算设备， 其特 征在于， 包括： 至少一个处 理器； 以及与所述至少一个处 理器通信连接的存 储器； 其中， 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， 以使所述计算设备 执行如权利要求1至7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114780867 A 3