资源推荐方法、装置、电子设备及存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及一种资源推荐方法、装置、电子设备、存储介质及程序产品。

背景技术

用户的行为序列可以表征用户短期以及长期的兴趣，基于用户的行为序列的推荐算法，比如深度兴趣网络(Deep Interest Network，DIN)在推荐系统中已经取得较好的推荐效果。

但是对于行为较少的用户(如新用户)，所交互过的资源较少，用户行为序列比较稀疏，难以准确地提取出用户的兴趣，从而会影响对这种用户的资源推荐效果。

发明内容

本公开提供一种资源推荐方法、装置、电子设备、存储介质及程序产品，以至少解决相关技术中在用户行为序列比较稀疏的情况下，难以准确地提取出用户的兴趣特征，影响推荐效果的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种资源推荐方法，包括：

从用户行为异构图中，采样出与目标用户关联的初始资源序列；所述用户行为异构图用于表征多个用户与多个资源之间的交互关系，所述多个用户包括所述目标用户；

将资源语义同构图中与所述初始资源序列所包括的资源相关联的关联资源，添加至所述初始资源序列中，得到拓展资源序列；所述资源语义同构图用于表征资源之间的关联关系；

基于所述目标用户的用户特征、候选资源的资源特征和所述拓展资源序列，确定针对所述目标用户的所述候选资源的资源推荐结果。

在一示例性实施例中，所述从用户行为异构图中，采样出与目标用户关联的初始资源序列，包括：

基于预设的多个行为场景和多个初始采样方式，从所述用户行为异构图中，采样出与所述目标用户关联的多个资源序列；

将所述多个资源序列，确定为所述初始资源序列。

在一示例性实施例中，所述基于预设的多个行为场景和多个初始采样方式，从所述用户行为异构图中，采样出与所述目标用户关联的多个资源序列，包括：

对所述多个行为场景和所述多个初始采样方式进行交叉组合处理，得到多个目标采样方式；其中，每个目标采样方式对应一个行为场景和一个初始采样方式；

根据各个目标采样方式，在所述用户行为异构图中确定出所述目标用户的交互资源，得到所述多个资源序列。

在一示例性实施例中，所述与所述初始资源序列所包括的资源相关联的关联资源的确定过程，包括：

确定针对所述资源语义同构图的采样方式；

按照所述采样方式，从所述资源语义同构图中，采样出与所述初始资源序列所包括的资源相关联的关联资源。

在一示例性实施例中，所述基于所述目标用户的用户特征、候选资源的资源特征和所述拓展资源序列，确定针对所述目标用户的所述候选资源的资源推荐结果，包括：

对所述目标用户的用户特征和所述候选资源的资源特征进行拼接处理，得到拼接特征；

将所述拼接特征和所述拓展资源序列中各资源的资源特征输入资源推荐模型，得到所述目标用户对所述候选资源的交互指标信息；

基于所述候选资源的交互指标信息，确定针对所述目标用户的资源推荐结果。

在一示例性实施例中，所述拓展资源序列包括多个资源序列；所述将所述拼接特征和所述拓展资源序列中各资源的资源特征输入资源推荐模型，得到所述目标用户对所述候选资源的交互指标信息，包括：

针对每个拓展资源序列，将所述拓展资源序列中各资源的资源特征与所述拼接特征输入对应的变换网络，得到所述目标用户的兴趣特征；所述兴趣特征用于表征用户感兴趣资源的资源特征；

将所述拼接特征和所述目标用户的兴趣特征，输入所述资源推荐模型，得到所述目标用户对所述候选资源的交互指标信息。

在一示例性实施例中，所述资源语义同构图通过下述方法构建得到：

获取所述多个资源中各个资源在多个模态下的资源特征；所述模态用于表征所述资源的展示形式；

根据所述多个模态下的资源特征，确定各个资源之间的相似度；

基于所述相似度，构建得到所述资源语义同构图。

根据本公开实施例的第二方面，提供一种资源推荐装置，包括：

采样单元，被配置为执行从用户行为异构图中，采样出与目标用户关联的初始资源序列；所述用户行为异构图用于表征多个用户与多个资源之间的交互关系，所述多个用户包括所述目标用户；

拓展单元，被配置为执行将资源语义同构图中与所述初始资源序列所包括的资源相关联的关联资源，添加至所述初始资源序列中，得到拓展资源序列；所述资源语义同构图用于表征资源之间的关联关系；

推荐单元，被配置为执行基于所述目标用户的用户特征、候选资源的资源特征和所述拓展资源序列，确定针对所述目标用户的所述候选资源的资源推荐结果。

在一示例性实施例中，所述采样单元，还被配置为执行基于预设的多个行为场景和多个初始采样方式，从所述用户行为异构图中，采样出与所述目标用户关联的多个资源序列；将所述多个资源序列，确定为所述初始资源序列。

在一示例性实施例中，所述采样单元，还被配置为执行对所述多个行为场景和所述多个初始采样方式进行交叉组合处理，得到多个目标采样方式；其中，每个目标采样方式对应一个行为场景和一个初始采样方式；根据各个目标采样方式，在所述用户行为异构图中确定出所述目标用户的交互资源，得到所述多个资源序列。

在一示例性实施例中，所述拓展单元，还被配置为执行确定针对所述资源语义同构图的采样方式；按照所述采样方式，从所述资源语义同构图中，采样出与所述初始资源序列所包括的资源相关联的关联资源。

在一示例性实施例中，所述推荐单元，还被配置为执行对所述目标用户的用户特征和所述候选资源的资源特征进行拼接处理，得到拼接特征；将所述拼接特征和所述拓展资源序列中各资源的资源特征输入资源推荐模型，得到所述目标用户对所述候选资源的交互指标信息；基于所述候选资源的交互指标信息，确定针对所述目标用户的资源推荐结果。

在一示例性实施例中，所述推荐单元，还被配置为执行针对每个拓展资源序列，将所述拓展资源序列中各资源的资源特征与所述拼接特征输入对应的变换网络，得到所述目标用户的兴趣特征；所述兴趣特征用于表征用户感兴趣资源的资源特征；将所述拼接特征和所述目标用户的兴趣特征，输入所述资源推荐模型，得到所述目标用户对所述候选资源的交互指标信息。

在一示例性实施例中，所述装置还包括同构图构建单元，被配置为执行获取所述多个资源中各个资源在多个模态下的资源特征；根据所述多个模态下的资源特征，确定各个资源之间的相似度；基于所述相似度，构建得到所述资源语义同构图；所述模态用于表征所述资源的展示形式。

根据本公开实施例的第三方面，提供一种电子设备，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如上任一项所述的方法。

根据本公开实施例的第四方面，提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如上任一项所述的方法。

根据本公开实施例的第五方面，提供一种计算机程序产品，所述计算机程序产品中包括指令，所述指令被电子设备的处理器执行时，使得所述电子设备能够执行如上任一项所述的方法。

本公开的实施例提供的技术方案至少带来以下有益效果：

在从用户行为异构图中，确定出与目标用户关联的初始资源序列后，还通过资源语义同构图，对初始资源序列进行拓展，基于得到的拓展资源序列、用户特征及候选资源的资源特征确定对候选资源的推荐结果。该方法通过对用户的初始资源序列的拓展，可发现隐含的用户兴趣特征，从而可以加强对推荐系统用户侧表征的学习，得到更丰富的用户兴趣表征，从而解决用户行为的稀疏性问题，提升推荐结果。另外，通过用户行为异构图和资源语义同构图这种图采样的方式可以克服离线采样行为的时效性问题，建模更好的用户兴趣特征。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。

图1是根据一示例性实施例示出的一种资源推荐方法的流程示意图。

图2是根据一示例性实施例示出的用户行为异构图的示意图。

图3是根据一示例性实施例示出的用于实现资源推荐的推荐模型的结构示意图。

图4是根据另一示例性实施例示出的一种资源推荐方法的流程示意图。

图5是根据一示例性实施例示出的一种资源推荐装置的结构框图。

图6是根据一示例性实施例示出的一种电子设备的框图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。还需要说明的是，本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

在一示例性实施例中，如图1所示，提供了一种资源推荐方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中，该方法包括以下步骤：

在步骤S110中，从用户行为异构图中，采样出与目标用户关联的初始资源序列；用户行为异构图用于表征多个用户与多个资源之间的交互关系，多个用户包括目标用户。

其中，用户行为异构图基于多个用户针对多个资源的交互信息构建得到。

其中，资源的展示形式可以为视频、图像、文本、语音和广告等。

其中，初始资源序列表示由目标用户交互过的资源所形成的序列。

其中，异构图表示图中的节点类型或关系类型多于一种的图，本公开中的用户行为异构图表示节点类型有2种的图，具体的节点类型包括用户和资源。参考图2，为一实施例示出的用户行为异构图的示意图，图中方框形状的节点表示用户，圆形的节点表示资源，两者之间的连接边表示用户与资源进行过交互。在构建用户行为异构图时，可先确定多个用户中每个用户所交互过的资源，在每个用户与交互过的资源之间绘制连接边，由此得到用户行为异构图。

在得到用户行为异构图后，若需要对多个用户中的任一个用户进行资源推荐，可基于用户行为异构图中的连接关系，采样出待进行资源推荐的用户历史交互过的资源，构成初始资源序列。

在步骤S120中，将资源语义同构图中与初始资源序列所包括的资源相关联的关联资源，添加至初始资源序列中，得到拓展资源序列；资源语义同构图用于表征资源之间的关联关系。

其中，同构图与异构图相反，表示图中的节点类型和关系类型都仅有一种的图。在本公开中，资源语义同构图包括的节点类型为资源，关系类型为资源之间的相似性，即相似的资源之间才会建立连接边。具体地，每个资源可用多模态的资源特征进行表征，两个资源是否相似通过对比两个资源的多个模态的资源特征确定，多模态包括文本、视频和图片等

其中，资源语义同构图中包括与用户行为异构图中相同的资源。

具体实现中，确定由目标用户交互过的资源构成的初始资源序列后，为了避免初始资源序列中的资源较少而影响对目标用户的资源推荐结果，本公开还提出了基于资源语义同构图，对初始资源序列进行拓展处理的方法。更具体地，由于资源语义同构图用于表征资源之间的关联关系，因此，针对初始资源序列中的每个资源，可以从资源语义同构图中确定出与该资源相关联的关联资源，将各个资源的关联资源添加至初始资源序列中，得到拓展资源序列。

在步骤S130中，基于目标用户的用户特征、候选资源的资源特征和拓展资源序列，确定针对目标用户的候选资源的资源推荐结果。

其中，交互指标信息为表征目标用户对候选资源的兴趣程度的信息，例如，交互指标信息可以为点击概率、收藏概率、对资源中的产品的购买概率等等。

具体实现中，拓展资源序列可表征用户对各类资源的兴趣情况，因此，可将目标用户的用户特征、候选资源的资源特征和拓展资源序列输入资源推荐模型，预测出目标用户对候选资源的交互指标信息，基于候选资源的交互指标信息，确定针对目标用户的资源推荐结果。

更具体地，交互指标信息对应的指标值越高，表明目标用户对候选资源越感兴趣，反之，指标值越低，表明目标用户对候选资源越不感兴趣。因此，可设定当交互指标信息对应的指标值大于预设的阈值时，确定可以将候选资源推送给目标用户；当交互指标信息对应的指标值小于或等于预设的阈值时，确定不将候选资源推送给目标用户。

在另一实施方式中，候选资源可能有多个，此时可按照每个候选资源的交互指标信息，对各个候选资源进行排序，将对应的指标值在前几位的候选资源推送给目标用户。

上述资源推荐方法中，在从用户行为异构图中，确定出与目标用户关联的初始资源序列后，还通过资源语义同构图，对初始资源序列进行拓展，基于得到的拓展资源序列、用户特征及候选资源的资源特征确定对候选资源的推荐结果。该方法通过对用户的初始资源序列的拓展，可发现隐含的用户兴趣特征，从而可以加强对推荐系统用户侧表征的学习，得到更丰富的用户兴趣表征，从而解决用户行为的稀疏性问题，提升推荐结果。另外，通过用户行为异构图和资源语义同构图这种图采样的方式可以克服离线采样行为的时效性问题，建模更好的用户兴趣特征。

在一示例性实施例中，在步骤S110中，从用户行为异构图中，采样出与目标用户关联的初始资源序列，具体可以通过以下步骤实现：

在步骤S1101中，基于预设的多个行为场景和多个初始采样方式，从用户行为异构图中，采样出与目标用户关联的多个资源序列；

在步骤S1102中，将多个资源序列，确定为初始资源序列。

其中，行为场景可以理解为产生用户行为的场景，例如，当资源为产品时，行为场景可以为用户与产品进行交互的不同平台，也可以为用户知悉该产品的途径，如他人推荐、直播购买等。

其中，初始采样方式可以理解为采样策略，例如，初始采样方式可包括随机采样、带权采样、最高权重topN采样和最近行为采样等。

其中，随机采样可表示从多个资源中随机选择出若干个资源，组成资源序列。

其中，带权采样表示按照每个资源对应的权重从多个资源中采样出若干个资源，组成资源序列。可以理解的是，每个用户与不同的资源的交互情况都不相同，例如，当资源为视频时，用户对视频A可能只看了该视频的10％，对视频B可能看了该视频的70％，对视频C可能完整观看了该视频，不同的观看时长可表征用户对不同视频的兴趣程度。因此，可根据用户与各个资源的交互信息为每个资源赋予不同的权重，具体可以在构建用户行为异构图时，在用户与资源的连接边标注该资源对应的权重，从而在进行采样时，可直观地按照权重进行资源的采样。

其中，最高权重topN采样表示从多个资源中采样出权重最高的前N个资源，组成资源序列。

其中，最近行为采样表示从多个资源中采样出与用户交互时间最近的若干个资源，组成资源序列。

具体实现中，在采样目标用户的初始资源序列时，为了更好地进行用户兴趣表征，还可以对目标用户交互过的资源按行为场景进行分类，并且采用多种初始采样方式，将多种初始采样方式与多个行为场景相结合，以对目标用户交互过的资源进行采样，从而得到多个资源序列，将多个资源序列确定为与目标用户关联的初始资源序列。

本实施例中，通过多个行为场景和多个初始采样方式对目标用户交互过的资源进行采样，实现了对用户交互过的资源的分类，从而可以使得初始资源序列可以更准确地表征用户兴趣特征，提高后续资源推荐的准确性。

在一示例性实施例中，上述步骤S1102中，基于多个行为场景和多个初始采样方式，从用户行为异构图中，采样出与目标用户关联的多个资源序列，进一步包括：

步骤S1102a，对多个行为场景和多个初始采样方式进行交叉组合处理，得到多个目标采样方式；其中，每个目标采样方式对应一个行为场景和一个初始采样方式；

步骤S1102b，根据各个目标采样方式，在用户行为异构图中确定出目标用户的交互资源，得到多个资源序列。

具体实现中，基于多个行为场景和多个初始采样方式的采样，可以为多个行为场景和多个初始采样方式进行交叉组合后的采样，即在每个行为场景下，均采用多个初始采样方式分别进行采样。若设行为场景的数目为M，初始采样方式的数目为N，则目标采样方式的数目可表示为：M*N。需要说明的是，实际应用中，可根据需求选择目标采样方式，而无需每一种目标采样方式均使用。

更具体地，对用户行为异构图的采样过程包括：从用户行为异构图中，确定出目标用户交互过的资源；按照预设的多个行为场景对这些资源进行分类，得到多个行为场景下的资源；针对每个行为场景下的资源，分别按照各个初始采样方式进行一次采样，得到每个行为场景下的多个资源序列，将所有场景下的各个资源序列确定为初始资源序列。

举例说明，设行为场景为：在平台A交互的资源，则从目标用户交互过的资源中确定出属于在平台A交互的资源，采用随机采样、带权采样、最高权重topN采样和最近行为采样等初始采样方式分别对属于在平台A交互的资源进行一次采样，得到在平台A交互的资源的行为场景下的多个资源序列。

需要说明的是，目标用户交互过的资源中可能并不存在某个行为场景下的资源，则在进行采样时，可将该行为场景下的资源序列设为空资源序列。

本实施例中，通过对每个行为场景下的资源，分别采用各个初始采样方式进行一次采样，进一步提高了所得到的资源序列的丰富性，实现了对初始资源序列在表征上的扩展，可以提高初始资源序列对用户兴趣的表征准确性。

在一示例性实施例中，与初始资源序列所包括的资源相关联的关联资源的确定过程，具体包括：

步骤S1201，确定针对资源语义同构图的采样方式；

步骤S1202，按照采样方式，从资源语义同构图中，采样出与初始资源序列所包括的资源相关联的关联资源。

由于针对资源语义同构图的采样目的为拓展初始资源序列，因此，针对资源语义同构图的采样方式可以为随机采样和带权采样等相对限制较少的采样方式，而无需采用最近行为采样和或最高权重topN采样等限制较高的采样方式。

具体实现中，针对初始资源序列中的每个资源，可先根据资源语义同构图中资源之间的连接关系，从资源语义同构图中确定出与该资源相似度较高的资源，即与该资源具有连接边的资源。然后按照随机采样或带权采样的采样方式，从与该资源具有连接边的资源中采样出若干个资源，作为与该资源相关联的关联资源。

需要说明的是，由于初始资源序列包括的序列数有多个，因此，初始资源序列中的每个资源序列都可以按照步骤S1201-步骤S1203的方式进行拓展，从而每个资源序列都可以得到对应的拓展资源序列，拓展资源序列的数目基于针对资源语义同构图的采样方式确定。若设初始资源序列包括的序列数为X，针对资源语义同构图的采样方式为Y,对应地每个资源序列的拓展资源序列也为Y，因此最后得到的拓展资源序列的数目为X*Y。

本实施例中，通过从资源语义同构图中采样出与初始资源序列中的资源相关联的关联资源，添加至初始资源序列中，实现了对初始资源序列的拓展，从而可发现隐含的用户兴趣特征，加强对用户侧特征的表征，解决用户行为的稀疏性问题。

在一示例性实施例中，在步骤S130中，基于目标用户的用户特征、候选资源的资源特征和拓展资源序列，确定针对目标用户的候选资源的资源推荐结果，具体可以通过以下步骤实现：

步骤S1301，对目标用户的用户特征和候选资源的资源特征进行拼接处理，得到拼接特征；

步骤S1302，将拼接特征和拓展资源序列中各资源的资源特征输入资源推荐模型，得到目标用户对候选资源的交互指标信息；

步骤S1303，基于候选资源的交互指标信息，确定针对目标用户的资源推荐结果。

其中，用户特征和资源特征均以向量形式表示。

具体地，可以通过相同参数的编码器对目标用户的用户信息和候选资源进行编码处理，得到目标用户的用户特征向量和候选资源的资源特征向量，以使用户特征向量和资源特征向量的向量维度相同，便于进行拼接处理，得到拼接特征向量，进一步，将拼接特征向量和拓展资源序列输入资源推荐模型，得到目标用户对候选资源的交互指标信息，最后基于候选资源的交互指标信息，从候选资源中选取出推荐资源，推送给目标用户。

进一步地，在一示例性实施例中，拓展资源序列包括多个资源序列；步骤S1302进一步包括：

步骤S1302a，针对每个拓展资源序列，将该拓展资源序列中各资源的资源特征与拼接特征输入对应的变换网络，得到目标用户的兴趣特征；兴趣特征用于表征用户感兴趣资源的资源特征；

步骤S1302b，将拼接特征和目标用户的兴趣特征，输入资源推荐模型，得到目标用户对候选资源的交互指标信息。

其中，变换网络为Transformer网络。

参考图3，为一实施例示出的用于实现资源推荐的推荐模型的结构示意图，得到用户特征与资源特征的拼接特征后，将拼接特征分别与一个拓展资源序列一起输入一个Transformer网络(变换网络)，输出目标用户的兴趣特征，之后将目标用户的兴趣特征和拼接特征输入资源推荐模型，预测输出目标用户对候选资源的交互指标信息。

上述实施例，通过用户特征与资源特征的拼接特征，分别与各个资源拓展序列联合得到目标用户的兴趣特征，提高了所确定的目标用户的用户特征的准确性，从而提高了预测得到的交互指标信息的准确性。

在一示例性实施例中，资源语义同构图通过下述方法构建得到：

步骤S111，获取多个资源中各个资源在多个模态下的资源特征；模态用于表征所述资源的展示形式；

步骤S112，根据多个模态下的资源特征，确定各个资源之间的相似度；

步骤S113，基于相似度，构建得到资源语义同构图。

其中，多个模态可包括文本、图像、视频和音频等。

具体实现中，每个资源可用多模态的资源特征进行表征，对两两资源的多个模态的资源特征进行比对，得到两两资源之间的相似度。针对任意两个资源，若这两个资源之间的相似度大于相似度阈值，则在这两个资源之间建立连接边，以此类推，得到可表征资源之间相似性的资源语义同构图。

本实施例中，通过对各个资源进行多模态表征，加强了资源表征的丰富性和准确性，从而可以提高基于多个模态下的资源特征确定的各个资源之间的相似度的准确性，以便于提高后续根据构建资源语义同构图拓展的拓展资源序列的有效性和准确性。

在另一示例性实施例中，如图4所示，是根据一示例性实施例示出的另一种资源推荐方法的流程图，本实施例中，该方法包括以下步骤：

步骤S410，获取预设的多个行为场景和多个初始采样方式；

步骤S420，对多个行为场景和多个初始采样方式进行交叉组合处理，得到多个目标采样方式；其中，每个目标采样方式对应一个行为场景和一个初始采样方式；

步骤S430，根据各个目标采样方式，在用户行为异构图中确定出目标用户的交互资源，得到多个资源序列，作为初始资源序列；

步骤S440，将资源语义同构图中与初始资源序列所包括的资源相关联的关联资源，添加至初始资源序列中，得到拓展资源序列；拓展资源序列包括多个资源序列；

步骤S450，对目标用户的用户特征和候选资源的资源特征进行拼接处理，得到拼接特征；

步骤S460，针对每个拓展资源序列，将拓展资源序列中各资源的资源特征与拼接特征输入对应的变换网络，得到目标用户的兴趣特征；

步骤S470，将拼接特征和目标用户的兴趣特征，输入资源推荐模型，得到目标用户对候选资源的交互指标信息；

步骤S480，基于候选资源的交互指标信息，确定针对目标用户的资源推荐结果。

本实施例提供的资源推荐方法，通过对用户的初始资源序列的拓展，从而可发现隐含的用户兴趣特征，从而可以加强对推荐系统用户侧表征的学习，得到更丰富的用户兴趣表征，从而解决用户行为的稀疏性问题。另外，通过用户行为异构图和资源语义同构图这种图采样的方式可以克服离线采样行为的时效性问题，建模更好的用户兴趣特征。

在一示例性实施例中，为了便于本领域技术人员理解本公开实施例，以下将以广告作为资源为例，对本公开的资源推荐方法进行说明，包括以下步骤：

步骤1：基于多个用户与多个广告的交互信息构建用户行为异构图，基于多个广告的广告特征构建广告语义同构图。

具体地，获取用户行为(如点击、付费和激活等)，基于用户行为将每个用户与交互过的广告建立连接关系，得到用户行为异构图。

广告语义同构图基于广告内容本身构建，具体可基于每个广告的内容的多模态表征，计算广告之间的相似度，基于相似度构建图连接，若两个广告内容之间的相似度大于相似度阈值，则在这两个广告之间建立连接边。

步骤2：基于不同策略的图实时采样，产生不同的拓展广告序列。

拓展广告序列的产生分为两步

2.1、直接行为的采样-U2I

基于不同的采样策略，可以获得不同的行为序列。本步骤中，通过用户的M个行为场景以及N个初始采样方式的交叉组合，得到M*N个初始广告序列。

例如，行为场景1-随机采样序列

行为场景1-最近行为采样序列

行为场景2-带权采样序列。

2.2、行为的语义拓展-I2I

同样地，基于不同的采样策略，可以得到不同的拓展序列。本步骤中，设计随机采样和带权采样两种采样方式，则得到的拓展广告序列的数目为2*M*N个。

步骤3：基于Target-Attention(目标注意)的方式建模用户拓展兴趣序列。

通过步骤2.1的U2I采样和步骤2.2的I2I采样，共得到2*M*N个拓展广告序列。然后采用如图3所示的Target-Attention(目标注意)的序列建模方式，将拓展广告序列的序列特征融合进排序模型参与广告预估。其中，Target代表用户和广告的特征，序列建模基于Target的指导，可以获得更准确的预估特征。最后把各个拓展广告序列的特征和原始用户和广告的特征拼接后送到资源推荐模型参与广告的预估。

本公开提供的资源推荐方法，在技术上，通过图实时采样可以克服离线采样行为的时效性问题，建模更好的用户兴趣特征；通过图关系拓展广告序列，从而可解决用户行为的稀疏性问题。在业务上：通过端到端的形式拓展用户兴趣，从而可在业务上提升资源预估效果。

应该理解的是，虽然如上所述的各实施例所涉及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，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

可以理解的是，本说明书中上述方法的各个实施例之间相同/相似的部分可互相参见，每个实施例重点说明的是与其他实施例的不同之处，相关之处参见其他方法实施例的说明即可。

基于同样的发明构思，本公开实施例还提供了一种用于实现上述所涉及的资源推荐方法的资源推荐装置。

图5是根据一示例性实施例示出的一种资源推荐装置的结构框图。参照图5，该装置包括：

采样单元510，被配置为执行从用户行为异构图中，采样出与目标用户关联的初始资源序列；用户行为异构图用于表征多个用户与多个资源之间的交互关系，多个用户包括目标用户；

拓展单元520，被配置为执行将资源语义同构图中与初始资源序列所包括的资源相关联的关联资源，添加至初始资源序列中，得到拓展资源序列；资源语义同构图用于表征资源之间的关联关系；

推荐单元530，被配置为执行基于目标用户的用户特征、候选资源的资源特征和拓展资源序列，确定针对目标用户的候选资源的资源推荐结果。

在一示例性实施例中，采样单元510，还被配置为执行基于预设的多个行为场景和多个初始采样方式，从用户行为异构图中，采样出与目标用户关联的多个资源序列；将多个资源序列，确定为初始资源序列。

在一示例性实施例中，采样单元510，还被配置为执行对多个行为场景和多个初始采样方式进行交叉组合处理，得到多个目标采样方式；其中，每个目标采样方式对应一个行为场景和一个初始采样方式；根据各个目标采样方式，在用户行为异构图中确定出目标用户的交互资源，得到多个资源序列。

在一示例性实施例中，拓展单元520，还被配置为执行确定针对资源语义同构图的采样方式；按照采样方式，从资源语义同构图中，采样出与初始资源序列所包括的资源相关联的关联资源。

在一示例性实施例中，推荐单元530，还被配置为执行对目标用户的用户特征和候选资源的资源特征进行拼接处理，得到拼接特征；将拼接特征和拓展资源序列中各资源的资源特征输入资源推荐模型，得到目标用户对候选资源的交互指标信息；基于候选资源的交互指标信息，确定针对目标用户的资源推荐结果。

在一示例性实施例中，推荐单元530，还被配置为针对每个拓展资源序列，将拓展资源序列中各资源的资源特征与拼接特征输入对应的变换网络，得到目标用户的兴趣特征；兴趣特征用于表征用户感兴趣资源的资源特征；将拼接特征和目标用户的兴趣特征，输入资源推荐模型，得到目标用户对候选资源的交互指标信息。

在一示例性实施例中，装置还包括同构图构建单元，被配置为执行获取多个资源中各个资源在多个模态下的资源特征；根据多个模态下的资源特征，确定各个资源之间的相似度；基于相似度，构建得到资源语义同构图；模态用于表征资源的展示形式。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图6是根据一示例性实施例示出的一种用于实现资源推荐方法的电子设备600的框图。例如，电子设备600可以是移动电话、计算机、数字广播终端、消息收发设备、游戏控制台、平板设备、医疗设备、健身设备、个人数字助理等。

参照图6，电子设备600可以包括以下一个或多个组件：处理组件602、存储器604、电源组件606、多媒体组件608、音频组件610、输入/输出(I/O)的接口612、传感器组件614以及通信组件616。

处理组件602通常控制电子设备600的整体操作，诸如与显示、电话呼叫、数据通信、相机操作和记录操作相关联的操作。处理组件602可以包括一个或多个处理器620来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件602可以包括一个或多个模块，便于处理组件602和其他组件之间的交互。例如，处理组件602可以包括多媒体模块，以方便多媒体组件608和处理组件602之间的交互。

存储器604被配置为存储各种类型的数据以支持在电子设备600的操作。这些数据的示例包括用于在电子设备600上操作的任何应用程序或方法的指令、联系人数据、电话簿数据、消息、图片、视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)、电可擦除可编程只读存储器(EEPROM)、可擦除可编程只读存储器(EPROM)、可编程只读存储器(PROM)、只读存储器(ROM)、磁存储器、快闪存储器、磁盘、光盘或石墨烯存储器。

电源组件606为电子设备600的各种组件提供电力。电源组件606可以包括电源管理系统，一个或多个电源，及其他与为电子设备600生成、管理和分配电力相关联的组件。

多媒体组件608包括在所述电子设备600和用户之间的提供输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件608包括前置摄像头和/或后置摄像头。当电子设备600处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件610被配置为输出和/或输入音频信号。例如，音频组件610包括麦克风(MIC)，当电子设备600处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件616发送。在一些实施例中，音频组件610还包括扬声器，用于输出音频信号。

I/O接口612为处理组件602和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件614包括一个或多个传感器，用于为电子设备600提供各个方面的状态评估。例如，传感器组件614可以检测到电子设备600的打开/关闭状态，组件的相对定位，例如所述组件为电子设备600的显示器和小键盘，传感器组件614还可以检测电子设备600或电子设备600组件的位置改变，用户与电子设备600接触的存在或不存在，设备600方位或加速/减速和电子设备600的温度变化。传感器组件614可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件614还可以包括加速度传感器、陀螺仪传感器、磁传感器、压力传感器或温度传感器。

通信组件616被配置为便于电子设备600和其他设备之间有线或无线方式的通信。电子设备600可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件616还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在一示例性实施例中，还提供了一种包括指令的计算机可读存储介质，例如包括指令的存储器604，上述指令可由电子设备600的处理器620执行以完成上述方法。例如，计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

在一示例性实施例中，还提供了一种计算机程序产品，所述计算机程序产品中包括指令，上述指令可由电子设备600的处理器620执行以完成上述方法。

需要说明的，上述的装置、电子设备、计算机可读存储介质、计算机程序产品等根据方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。