(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 202210851513.8 (22)申请日 2022.07.19 (71)申请人 北京三快在线科技有限公司 地址 100080 北京市海淀区北四环西路9号 2106-030 (72)发明人 张凯　张梦迪　武威　 (74)专利代理 机构 北京曼威知识产权代理有限 公司 11709 专利代理师 王宏财 (51)Int.Cl. G06F 16/9535(2019.01) G06Q 30/06(2012.01) G06F 16/33(2019.01) G06F 16/36(2019.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种模型训练的方法以及信息 推荐的方法 (57)摘要 本说明书公开了一种模型训练的方法以及 信息推荐的方法， 服务器获取用户针对指定对象 的评论数据以及预先构建的每个评价维度对应 的知识图谱。 其次， 针对每个评价维度， 将评论数 据以及该评价维度下对应的知识图谱输入到待 训练的预测模 型中， 以确定评论数据对应的评价 特征数据以及该评价维度对应的维度特征数据。 而后， 根据该评价维度对应的维度特征数据以及 评价特征数据， 确定用户以该评价维度对指定对 象进行评价的评价结果。 最后， 以最小化各评价 维度对指定对象进行评价的评价结果与评论数 据对应的标签 之间的偏差为优化目标， 对预测模 型进行训练， 本方法可以确定出各评价维度对应 的评价结果， 以此向用户进行信息推荐， 提高了 用户的购买体验。 权利要求书2页 说明书12页 附图4页 CN 115168726 A 2022.10.11 CN 115168726 A 1.一种模型训练的方法， 其特 征在于， 包括： 获取用户针对指定对象的评论数据以及预 先构建的每 个评价维度对应的知识图谱； 针对每个评价维度， 将所述评论数据以及该评价维度下对应的知识图谱输入到待训练 的预测模型中， 以确定所述评论数据对应的评价特征数据以及该评价维度对应的维度特征 数据； 根据该评价维度对应的维度 特征数据以及所述评价特征数据， 确定所述用户以该评价 维度对所述指定对象进行评价的评价结果； 以最小化各评价维度对所述指定对象进行评价的评价结果与所述评论数据对应的标 签之间的偏差为优化目标， 对所述预测模型进行训练。 2.如权利要求1所述的方法， 其特征在于， 预先构建每个评价维度对应的知识图谱， 具 体包括： 获取应用场景 所对应的各评价维度； 根据各评价维度对应的单词， 确定各评价维度对应的中心 节点； 针对每个评价维度， 将所述评论数据以及该评价维度对应的中心节点输入到预先训练 的评分模型， 确定该评价 维度对应的中心节点的一阶邻居节点以及该评价维度对应的中心 节点的二阶邻居节点； 根据该评价维度对应的中心节点、 该评价维度对应的中心节点的一阶邻居节点以及该 评价维度对应的中心 节点的二阶邻居节点， 构建该评价维度对应的知识图谱。 3.如权利要求2所述的方法， 其特征在于， 针对每个评价维度， 将所述评论数据以及该 评价维度对应的中心节点输入到预先训练的评 分模型， 确定该评价 维度对应的中心节点的 一阶邻居节点以及该评价维度对应的中心 节点的二阶邻居节点， 具体包括： 获取通用知识图谱； 针对每个评价维度， 将所述评论数据以及该评价维度对应的中心节点输入到预先训练 的评分模型， 根据该评价维度对应的单词与所述评论数据中的各单词之间的相关性， 确定 所述评论数据中的各单词对应的相关性评 分， 并将所述相关性评分大于设定评 分阈值的单 词， 作为该评价维度对应的中心 节点的一阶邻居节点； 针对每个一阶邻居节点， 在所述通用 知识图谱中查询该一阶邻居节点， 确定查询过程 中出现次数位于设定次数范围内的单词， 作为该评价维度对应的中心节点的二阶邻居节 点。 4.如权利要求1所述的方法， 其特 征在于， 所述维度特 征数据包括整体维度特 征数据； 针对每个评价维度， 将所述评论数据以及该评价维度下对应的知识图谱输入到待训练 的预测模型中， 以确定所述评论数据对应的评价特征数据以及该评价维度对应的维度特征 数据， 具体包括： 针对每个评价维度， 将所述评论数据以及该评价维度下对应的知识图谱输入到待训练 的预测模型中， 以确定所述评论数据对应的评价特征数据以及该评价维度对应的知识图谱 中的各节点的特 征数据； 将该评价维度对应的知识图谱中的各节点的特征数据进行拼接， 确定该评价维度对应 的整体维度特 征数据。 5.如权利要求4所述的方法， 其特征在于， 所述维度特征数据包括中心维度特征数据，权　利　要　求　书 1/2 页 2 CN 115168726 A 2所述预测模型中包括多通道图卷积网络， 不同通道对应有不同评价维度对应的知识图谱； 针对每个评价维度， 将所述评论数据以及该评价维度下对应的知识图谱输入到待训练 的预测模型中， 以确定所述评论数据对应的评价特征数据以及该评价维度对应的维度特征 数据， 具体包括： 针对每个评价维度， 将所述评论数据以及该评价维度下对应的知识图谱输入到待训练 的预测模型中， 以确定所述评论数据对应的评价特征数据以及该评价维度对应的知识图谱 中的各节点的特 征数据； 将该评价维度对应的知识图谱中的各节点的特征数据输入所述多通道图卷积网络中 的该评价 维度对应的通道， 根据该知识图谱中的各节点之 间的关联关系以及各节点对应的 特征数据， 确定该评价维度对应的中心维度特 征数据。 6.如权利要求5所述的方法， 其特征在于， 所述预测模型中包含有多个关联权重层， 不 同评价维度对应有不同的关联权 重层； 根据该评价维度对应的维度 特征数据以及所述评价特征数据， 确定所述用户以该评价 维度对所述指定对象进行评价的评价结果， 具体包括： 将该评价维度对应的整体维度特征数据以及所述评价特征数据输入该评价维度对应 的关联权 重层， 确定该评价维度对应的关联 特征数据； 根据该评价维度对应的关联特征数据以及该评价维度对应的中心维度 特征数据， 确定 所述用户以该评价维度对所述指定对象进行评价的评价结果。 7.如权利要求6所述的方法， 其特征在于， 根据该评价维度对应的关联特征数据以及该 评价维度对应的中心维度特征数据， 确定所述用户以该评价 维度对所述指 定对象进行评价 的评价结果， 具体包括： 获取各评价维度对应的特征权重， 所述特征权重用于平衡各评价维度对应的关联特征 数据与各评价维度对应的中心维度特 征数据对评价结果的影响； 针对每个评价维度， 根据该评价维度对应的关联特征数据、 该评价维度对应的中心维 度特征数据以及该评价维度对应的特 征权重， 确定该评价维度对应的融合特 征数据； 根据该评价维度对应的融合特征数据， 确定所述用户以该评价维度对所述指定对象进 行评价的评价结果。 8.一种信息推荐的方法， 其特 征在于， 包括： 获取用户针对指定对象的评论数据以及预 先构建的每 个评价维度对应的知识图谱； 针对每个评价维度， 将所述评论数据以及该评价维度对应的知识图谱输入到训练后的 预测模型中， 以确定所述评论数据对应的评价特征数据以及该评价 维度对应的维度特征数 据， 所述预测模型 是通过上述权利要求1～7任一项的方法训练得到的； 根据该评价维度对应的维度 特征数据以及所述评价特征数据， 确定所述用户以该评价 维度对所述指定对象进行评价的评价结果； 根据各评价维度对所述指定对象进行评价的评价结果， 向用户进行信息推荐。 9.一种计算机可读存储介质， 其特征在于， 所述存储介质存储有计算机程序， 所述计算 机程序被处 理器执行时实现上述权利要求1～8任一项所述的方法。 10.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现上述权利要求1～8任一项所述的 方法。权　利　要　求　书 2/2 页 3 CN 115168726 A 3