推荐方法、服务器、客户端、计算机介质及设备与流程

1.本技术涉及人工智能技术领域，具体涉及一种推荐方法、服务器、客户端、计算机介质及设备。


背景技术：

2.相关技术中，在对用户进行网络对象推荐时，多基于网络对象相关的订单数量或购买频率确定热门网络对象，进而向用户推荐，通过该方法涉及到的参与分析的数据类型较单一，网络对象推荐的精准度较低，推荐效率较低。


技术实现要素：

3.本技术实施例提供一种推荐方法、服务器、客户端、计算机介质及设备，可以基于异构图中的节点项对应的行为层面进行网络对象推荐，提高网络对象推荐的效率。
4.一方面，提供一种推荐方法，所述方法包括：获取目标对象信息；获取所述目标对象信息对应的异构图，所述异构图中包括多个节点项以及节点项之间的边，所述节点项之间的边表示节点项之间的关联关系，所述多个节点项至少包括两种节点项类型；根据所述异构图，确定所述多个节点项中的至少一个第一对象节点项对应的第一网络对象信息集，以及所述多个节点项中的至少一个第二对象节点项对应的第二网络对象信息集；利用所述第一网络对象信息集与所述第二网络对象信息集向所述目标对象信息对应的目标对象推荐第一目标网络对象；其中，所述第一对象节点项为异构图中对应行为主动方对象的对象节点项，所述第二对象节点项为异构图中对应行为被动方对象的对象节点项。
5.另一方面，提供一种推荐方法，包括：在检测到目标对象针对目标页面的浏览指令时，获取所述目标对象的目标对象信息；向第一设备发送所述目标对象信息；接收并展示所述第一设备针对所述目标对象信息反馈的推荐信息；其中，所述推荐信息为所述第一设备获取所述目标对象信息以及所述目标对象信息对应的异构图，所述异构图中包括多个节点项以及节点项之间的边，所述节点项之间的边表示节点项之间的关联关系，所述多个节点项至少包括两种节点项类型，并根据所述异构图，确定所述多个节点项中的至少一个第一对象节点项对应的第一网络对象信息集，以及所述多个节点项中的至少一个第二对象节点项对应的第二网络对象信息集，以及利用所述第一网络对象信息集与所述第二网络对象信息集，确定所述目标对象对应的第一目标网络对象后反馈的第一目标网络对象对应的推荐信息；其中，所述第一对象节点项为异构图中对应行为主动方对象的对象节点项，所述第二对象节点项为异构图中对应行为被动方对象的对象节点项。
6.另一方面，提供一种服务器，所述服务器包括：第一获取单元，用于获取目标对象信息；第二获取单元，用于获取所述目标对象信息对应的异构图，所述异构图中包括多个节点项以及节点项之间的边，所述节点项之间的边表示节点项之间的关联关系，所述多个节点项至少包括两种节点项类型；确定单元，用于根据所述异构图，确定所述多个节点项中的至少一个第一对象节点项对应的第一网络对象信息集，以及所述多个节点项中的至少一个
第二对象节点项对应的第二网络对象信息集；推荐单元，用于利用所述第一网络对象信息集与所述第二网络对象信息集向所述目标对象信息对应的目标对象推荐第一目标网络对象；其中，所述第一对象节点项为异构图中对应行为主动方对象的对象节点项，所述第二对象节点项为异构图中对应行为被动方对象的对象节点项。
7.另一方面，提供一种客户端，包括：获取单元，用于在检测到目标对象针对目标页面的浏览指令时，获取所述目标对象的目标对象信息；发送单元，用于向第一设备发送所述目标对象信息；接收单元，用于接收并展示所述第一设备针对所述目标对象信息反馈的推荐信息；其中，所述推荐信息为所述第一设备获取所述目标对象信息以及所述目标对象信息对应的异构图，所述异构图中包括多个节点项以及节点项之间的边，所述节点项之间的边表示节点项之间的关联关系，所述多个节点项至少包括两种节点项类型，并根据所述异构图，确定所述多个节点项中的至少一个第一对象节点项对应的第一网络对象信息集，以及所述多个节点项中的至少一个第二对象节点项对应的第二网络对象信息集，以及利用所述第一网络对象信息集与所述第二网络对象信息集，确定所述目标对象对应的第一目标网络对象后反馈的第一目标网络对象对应的推荐信息；其中，所述第一对象节点项为异构图中对应行为主动方对象的对象节点项，所述第二对象节点项为异构图中对应行为被动方对象的对象节点项。
8.另一方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于处理器进行加载，以执行如上任一实施例所述的推荐方法中的步骤。
9.另一方面，提供一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上任一实施例所述的推荐方法中的步骤。
10.另一方面，提供一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行时实现如上任一实施例所述的推荐方法中的步骤。
11.本技术实施例通过获取目标对象信息；获取所述目标对象信息对应的异构图，所述异构图中包括多个节点项以及节点项之间的边，所述节点项之间的边表示节点项之间的关联关系，所述多个节点项至少包括两种节点项类型；根据所述异构图，确定所述多个节点项中的至少一个第一对象节点项对应的第一网络对象信息集，以及所述多个节点项中的至少一个第二对象节点项对应的第二网络对象信息集；利用所述第一网络对象信息集与所述第二网络对象信息集向所述目标对象信息对应的目标对象推荐第一目标网络对象；其中，所述第一对象节点项为异构图中对应行为主动方对象的对象节点项，所述第二对象节点项为异构图中对应行为被动方对象的对象节点项的方案，结合异构图中的节点项对应的对象的行为类型，即主动或被动的特点，对网络对象进行推荐，从对象的行为类型角度出发，引入了个体差异的考虑，提高了网络对象推荐的精准度与网络对象推荐效率。
附图说明
12.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附
图。
13.图1a为本技术实施例提供的推荐系统的结构示意图。
14.图1b为本技术实施例提供的异构图的示意图。
15.图2a为本技术实施例提供的推荐方法的第一流程示意图。
16.图2b为本技术实施例提供的推荐方法的第二流程示意图。
17.图2c为本技术实施例提供的推荐方法的第三流程示意图。
18.图3为本技术实施例提供的推荐方法的第四流程示意图。
19.图4为本技术实施例提供的服务器的结构示意图。
20.图5为本技术实施例提供的客户端的结构示意图。
21.图6为本技术实施例提供的计算机设备的结构示意图。
具体实施方式
22.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
23.本技术实施例可应用于人工智能、机器学习、深度学习等各种场景。
24.本技术实施例提供一种推荐方法、服务器、客户端、计算机介质及设备。具体地，本技术实施例的推荐方法可以由计算机设备执行，其中，该计算机设备可以为终端或者服务器等设备。该终端可以为智能手机、平板电脑、笔记本电脑、台式计算机、智能电视、智能音箱、穿戴式智能设备、智能车载终端等设备，终端还可以包括客户端，该客户端可以是视频客户端、浏览器客户端或即时通信客户端等。服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
25.当该方法运行于终端时，终端需首先下载安装相关的应用程序并存储，终端在实际运行前述方法时，用于呈现相关的页面，以及网络对象推荐内容，并可以通过图形用户界面与用户进行交互。该终端将图形用户界面提供给用户的方式可以包括多种，例如，可以渲染显示在终端的显示屏上，或者，通过全息投影呈现图形用户界面。具体地，终端可以包括触控显示屏和处理器，该触控显示屏用于呈现图形用户界面以及接收用户的页面浏览指令，该图形用户界面包括供用户浏览的页面，该处理器用于运行相关的应用、生成图形用户界面、响应操作指令以及控制图形用户界面在触控显示屏上的显示。
26.当该方法运行于服务器时，可以为云推荐。云推荐是指以云计算为基础的推荐方式。在云推荐的运行模式下，推荐应用程序的运行主体和推荐画面呈现主体是分离的，方法的储存与运行是在云推荐服务器上完成的。而推荐画面呈现是在云推荐客户端完成的，云推荐客户端主要用于推荐数据的接收、发送以及推荐画面的呈现，例如，云推荐客户端可以是靠近用户侧的具有数据传输功能的显示设备，如，移动终端、电视机、计算机、掌上电脑、个人数字助理、智能车载终端等显示设备，但是进行推荐数据处理的设备为云端的云推荐
服务器。在进行推荐时，用户操作云推荐客户端向云推荐服务器发送操作指令，云推荐服务器根据操作指令运行推荐，将推荐画面等数据进行编码压缩，通过网络返回云推荐客户端，最后，通过云推荐客户端进行解码并输出推荐页面对应的画面。
27.首先，在对本技术实施例进行描述的过程中出现的部分名词或者术语作如下解释：
28.人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
29.hits算法的全称是hyperlink-induced topic search，在hits算法中，每个页面被赋予两个属性：hub属性和authority属性。同时，网页被分为两种：hub页面和authority页面。hub是中心的意思，hub页面指包含了很多指向authority页面的链接的网页，比如一些门户网站；authority页面则指包含有实质性内容的网页。hits算法的目的是：当用户查询时，返回给用户高质量的authority页面。
30.按照hits算法，用户输入关键词后，算法对返回的匹配页面计算两种值，一种是枢纽值(hub scores)，另一种是权威值(authority scores),该两种值是互相依存、互相影响的。枢纽值，指的是页面上所有导出链接指向页面的权威值之和，权威值是指所有导入链接所在的页面中枢纽之和。
31.注意力机制：源于对人类视觉的研究，在认知科学中，由于信息处理的瓶颈，人类会选择性地关注所有信息的一部分，同时忽略其他可见的信息。上述机制通常被称为注意力机制。人类视网膜不同的部位具有不同程度的信息处理能力，即敏锐度，只有视网膜中央凹部位具有最强的敏锐度。为了合理利用有限的视觉信息处理资源，人类需要选择视觉区域中的特定部分，然后集中关注它。例如，人们在阅读时，通常只有少量要被读取的词会被关注和处理。综上，注意力机制主要有两个方面：决定需要关注输入的哪部分；分配有限的信息处理资源给重要的部分。
32.冷启动问题：如何在没有大量用户数据的情况下设计个性化推荐系统并且让用户对推荐结果满意从而愿意使用推荐系统，就是冷启动的问题。冷启动问题主要分为三类：1)用户冷启动:用户冷启动主要解决如何给新用户做个性化推荐的问题；2)系统冷启动:系统冷启动主要解决如何在一个新开发的网站上设计个性化推荐系统；3)物品冷启动:物品冷启动主要解决如何将新的物品推荐给可能对它感兴趣的用户这一问题。
33.相关技术中，在网络对象推荐场景中，多基于网络对象相关的订单数量，或购买频率确定热门网络对象，进而向用户推荐，通过该方法涉及到的参与分析的数据类型较单一，网络对象推荐的精准度较低，推荐效率较低。
34.并且，发明人发现，通过异构图神经网络聚合邻居节点信息时，一般将节点表征的向量相似性作为注意力权重，未考虑对象在社交网络中的影响力；另外，冷启动的方案更多依赖网络对象信息的本身，未考虑更多维度；相关技术中进行网络对象推荐的效率较低。
35.另外，发明人通过研究发现，hits算法，本质是通过链接发掘话题。hits算法想要解决的问题是，在海量的网页中找到与用户查询主题相关的高质量权威)页面与目录页面，
尤其是权威页面，因为这些页面代表了满足用户查询的高质量内容，搜索引擎就以此作为搜索结果返回给用户。它的两个重要假设是：一个高质量的权威页面会被很多高质量的目录页面所指向。一个高质量的目录页面会指向很多高质量的权威页面。
36.本技术提供的实施例中，发明人基于对hits算法的分析，结合社交关系的特点与用户在其社交圈中的影响力，将其作为网络对象推荐的依据数据，以提升个性化的推荐效果，提高了网络对象推荐的精准度，提升了网络对象的推荐效率。
37.可选地，上述推荐方法可以但不限于应用于如图1a所示的系统中，图1a为本技术实施例提供的推荐系统的结构示意图，该推荐系统包括多个终端10以及服务器20等；不同的终端10之间通过服务器20与网络进行连接，以及终端10与服务器20之间通过网络连接，网络连接方式可以为有线或无线等。
38.其中，多个终端10之间可以基于网络与服务器20进行通讯，多个终端10中的任一终端10既为通信数据发送方设备也可为通信数据接收方设备。
39.终端10中包含有存储器，用于存储交互数据、处理器，用于处理交互数据。服务器20中包含有数据库与处理引擎，其中，数据库用于存储交互数据；处理引擎用于处理交互数据。终端10可以用于显示图形用户界面，通过图形用户界面与用户进行交互。具体地，终端可通过下载安装相应的客户端并运行，显示图像用户界面，还可通过调用相应的小程序并运行，显示图像用户界面，还可基于相应的登录网站呈现相应的图像用户界面。
40.在本技术的一些可选的实施例中，终端10在在检测到目标对象针对目标页面的浏览指令时，获取所述目标对象的目标对象信息；向服务器20发送所述目标对象信息；接收并展示所述服务器20针对所述目标对象信息反馈的第一目标网络对象对应的推荐信息。服务器20接收客户端10发送的目标对象信息后，获取所述目标对象信息对应的异构图；所述异构图中包括多个节点项以及节点项之间的边，所述节点项之间的边表示节点项之间的关联关系；根据所述异构图，确定所述多个节点项中的至少一个第一对象节点项对应的第一网络对象信息集，以及所述多个节点项中的至少一个第二对象节点项对应的第二网络对象信息集；利用所述第一网络对象信息集与所述第二网络对象信息集，确定所述目标对象对应的第一目标网络对象，并反馈的第一目标网络对象对应的推荐信息。其中，所述第一对象节点项为异构图中对应行为主动方对象的对象节点项，所述第二对象节点项为异构图中对应行为被动方对象的对象节点项。具体地，可将针对所述目标对象信息的，第一目标网络对象对应的推荐信息反馈至所述客户端10。
41.可选地，所述多个节点项至少包括两种节点项类型：对象节点项与网络对象节点项，节点项类型还可包括网络对象类目节点项。
42.可选地，前述异构图可参见图1b所示，节点项之间的边可以表示边两侧的节点项的关联关系，如，对象节点项与对象节点项之间的关联关系可包括：关注、私聊分享、卡片点赞等，对象节点项与网络对象节点项之间的关联关系可包括：群聊分享、私聊分享、卡片分享、购买、点击等。
43.可选地，本技术中的对象可以为用户，前述目标对象信息可以指待推荐商品的被推荐对象的对象名称、对象账号等对象标识。可选地，前述网络对象可包括商品、店铺、网络服务等。
44.可选地，对象节点项与网络对象节点项之间的关联关系还可包括浏览、查看详情、
关注、加购物车、评论中的至少一种。其中，网络对象类目节点项可以解决异构图中的数据稀疏性问题。
45.可选地，上述服务器20可以为物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn、以及大数据和人工智能平台等基础云计算服务的云服务器。终端10可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表、智能车载终端等，但并不局限于此。
46.以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优先顺序的限定。
47.本技术各实施例提供了一种推荐方法，该方法可以由终端或服务器执行，也可以由终端和服务器共同执行。本技术实施例以推荐方法由服务器侧执行为例来进行说明，图2a为本技术实施例提供的推荐方法的第一流程示意图，该方法可应用于服务器，该方法包括：
48.s201、获取目标对象信息；
49.s202、获取所述目标对象信息对应的异构图，所述异构图中包括多个节点项以及节点项之间的边，所述节点项之间的边表示节点项之间的关联关系，所述多个节点项至少包括两种节点项类型；
50.s203、根据所述异构图，确定所述多个节点项中的至少一个第一对象节点项对应的第一网络对象信息集，以及所述多个节点项中的至少一个第二对象节点项对应的第二网络对象信息集；
51.s204、利用所述第一网络对象信息集与所述第二网络对象信息集向所述目标对象信息对应的目标对象推荐第一目标网络对象；其中，所述第一对象节点项为异构图中对应行为主动方对象的对象节点项，所述第二对象节点项为异构图中对应行为被动方对象的对象节点项。
52.可选地，本技术中的对象可以为用户，前述目标对象信息可以指待推荐商品的被推荐对象的对象名称、对象账号等对象标识。
53.可选地，前述网络对象可包括商品、店铺、网络服务等。
54.可选地，前述异构图为根据预设时间段内的对象行为信息集构建的异构图。所述异构图中包括多个节点项以及节点项之间的边，所述节点项之间的边表示节点项之间的关联关系，所述多个节点项至少包括两种节点项类型；该两种节点项类型包括对象节点项与网络对象节点项，节点项类型还可包括网络对象类目节点项。
55.可选地，前述行为主动方对象为对其他节点项对应的对象作出主动行为的对象，例如，行为主动方对象为向其他节点项对应的对象分享网络对象的对象，和/或向其他节点项对应的对象发起聊天的对象。
56.可选地，前述行为被动方对象为被其他节点项对应的对象作出主动行为的对象，例如，行为被动方对象为被其他节点项对应的对象分享网络对象的对象，和/或被其他节点项对应的对象发起聊天的对象。
57.可选地，前述行为主动方对象还包括被其它节点项对应的对象关注的对象。前述行为被动方对象还包括关注其它节点项对应的对象的对象。
58.例如，异构图中，节点项n1对应的对象target1关注了节点项n2对应的对象target12，target1为行为被动方对象，target12为行为主动方对象。
59.可选地，前述第一网络对象信息集为至少一个第一对象节点项中各第一对象节点项对应的第一网络对象信息组成的集合，第一对象节点项与第一网络对象信息一一对应。
60.可选地，前述第二网络对象信息集为至少一个第二对象节点项中各第二对象节点项对应的第二网络对象信息组成的集合，第二对象节点项与第二网络对象信息一一对应。
61.可选地，第一对象节点项对应的第一网络对象信息包括：第一对象节点项的至少一个第一聚合网络对象项，各第一聚合网络对象项包括第一网络对象名称，以及第一网络对象名称对应的第一网络对象聚合权重。
62.可选地，第一对象节点项与其对应的第一网络对象信息的对应关系可存储于预设信息库中。
63.可选地，第二对象节点项对应的第二网络对象信息包括：第二对象节点项的至少一个第二聚合网络对象项，各第二聚合网络对象项包括第二网络对象名称，以及第二网络对象名称对应的第二网络对象聚合权重。
64.可选地，第二对象节点项与其对应的第二网络对象信息的对应关系可存储于预设信息库中。
65.在本技术的一些可选的实施例中，前述s203中，根据所述异构图，确定所述多个节点项中的至少一个第一对象节点项对应的第一网络对象信息集包括：
66.s2031、针对所述至少一个第一对象节点项中的各第一对象节点项，根据所述异构图确定所述第一对象节点项与所述第一对象节点项的第一近邻网络对象节点项之间的第一网络对象关联权重；
67.s2032、根据所述异构图确定所述第一对象节点项的第一近邻对象节点项与所述第一对象节点项之间的第一对象关联权重，以及所述第一近邻对象节点项与所述第一近邻对象节点项的第二近邻网络对象节点项之间的第二网络对象关联权重；
68.s2033、基于所述第一对象节点项的第一近邻网络对象节点项、所述第一网络对象关联权重、所述第一近邻对象节点项的第二近邻网络对象节点项、所述第二网络对象关联权重，以及所述第一对象关联权重，确定所述第一对象节点项对应的第一网络对象信息；
69.s2034、利用所述各第一对象节点项对应的第一网络对象信息确定所述至少一个第一对象节点项对应的第一网络对象信息集。
70.可选地，前述s2031中，根据所述异构图确定所述第一对象节点项与所述第一对象节点项的第一近邻网络对象节点项之间的第一网络对象关联权重可包括：
71.根据所述异构图中节点项之间的边，确定第一对象节点项与所述第一对象节点项的第一近邻网络对象节点项的第一网络对象关联关系；
72.基于所述第一网络对象关联关系与预设的权重赋值规则，确定所述第一对象节点项与所述第一对象节点项的第一近邻网络对象节点项之间的第一网络对象关联权重。
73.可选地，前述s2032中，根据所述异构图确定所述第一对象节点项的第一近邻对象节点项与所述第一对象节点项之间的第一对象关联权重，以及所述第一近邻对象节点项与所述第一近邻对象节点项的第二近邻网络对象节点项之间的第二网络对象关联权重包括：
74.根据所述异构图中节点项之间的边，确定第一对象节点项与所述第一对象节点项
的第一近邻对象节点项的第一对象关联关系；
75.基于所述第一对象关联关系与预设的权重赋值规则，确定第一对象节点项与所述第一对象节点项的第一近邻对象节点项的之间的第一对象关联权重；
76.根据所述异构图中节点项之间的边，确定所述第一近邻对象节点项与所述第一近邻对象节点项的第二近邻网络对象节点项之间的第二网络对象关联关系；
77.基于所述第二网络对象关联关系与预设的权重赋值规则，确定第一近邻对象节点项与所述第一近邻对象节点项的第二近邻网络对象节点项之间的第二网络对象关联权重。
78.可选地，前述第一近邻对象节点项的个数可以为1个也可以为多个，可以包括第一对象节点项的一度近邻对象节点项，也可以包括第一对象节点项的二度近邻对象节点项，还可以包括第一对象节点项的更高度的近邻对象节点项。
79.其中，本方案中的度指近邻距离，具体地，一度指通过一条边直接连接，二度指通过两条边间接连接，n度指通过n条边间接连接，例如，第一对象节点项的一度近邻对象节点项，即通过一条边直接与第一对象节点项连接的对象节点项，第一对象节点项的二度近邻对象节点项，指通过两条边，与第一对象节点项间接连接的对象节点项，依次类推，第一对象节点项的n度近邻对象节点项，指通过n条边，与第一对象节点项间接连接的对象节点项。
80.可选地，前述第一近邻网络对象节点项的个数可以为1个也可以为多个，可以包括第一对象节点项的一度近邻网络对象节点项，也可以包括第一对象节点项的二度近邻网络对象节点项，还可以包括第一对象节点项的更高度的近邻网络对象节点项。
81.可选地，前述第二近邻网络对象节点项的个数可以为1个也可以为多个，可以包括第一近邻对象节点项的一度近邻网络对象节点项，也可以包括第一近邻对象节点项的二度近邻网络对象节点项，还可以包括第一近邻对象节点项的更高度的近邻网络对象节点项。
82.可选地，一个第一近邻对象节点项，对应一个第一对象关联权重。
83.可选地，前述s2033中，基于所述第一对象节点项的第一近邻网络对象节点项、所述第一网络对象关联权重、所述第一近邻对象节点项的第二近邻网络对象节点项、所述第二网络对象关联权重，以及所述第一对象关联权重，确定所述第一对象节点项对应的第一网络对象信息包括：
84.基于所述第一对象节点项的第一近邻网络对象节点项与所述第一网络对象关联权重确定所述第一对象节点项的第一初始网络对象信息；
85.基于所述第一近邻对象节点项的第二近邻网络对象节点项与所述第二网络对象关联权重确定所述第一近邻对象节点项的第一近邻网络对象信息；
86.利用所述第一初始网络对象信息、所述第一近邻网络对象信息，以及所述第一对象关联权重确定所述第一对象节点项对应的第一网络对象信息。
87.在本技术的一些可选的实施例中，前述s2033中，基于所述第一对象节点项的第一近邻网络对象节点项、所述第一网络对象关联权重、所述第一近邻对象节点项的第二近邻网络对象节点项、所述第二网络对象关联权重，以及所述第一对象关联权重，确定所述第一对象节点项对应的第一网络对象信息可通过以下公式进行实现：
[0088][0089]
其中，i1为第一对象节点项，j1为第一对象节点项的第一近邻对象节点项，attr1
[i1]为第一初始网络对象信息，具体为第一对象节点项的第一近邻网络对象节点项与第一网络对象关联权重的组合信息、hub1[j1]为第一对象节点项的第一近邻对象节点项的第一近邻网络对象信息，具体为所述第一近邻对象节点项的第二近邻网络对象节点项与所述第二网络对象关联权重的组合信息，w1[j1][i1]为第一对象关联权重，auth1[i1]为第一对象节点项对应的第一网络对象信息，n1为第一对象节点项的第一近邻对象节点项的个数。
[0090]
可选地，前述s2034中，利用所述各第一对象节点项对应的第一网络对象信息确定所述至少一个第一对象节点项对应的第一网络对象信息集可包括：
[0091]
将各第一对象节点项对应的第一网络对象信息的集合作为至少一个第一对象节点项对应的第一网络对象信息集。
[0092]
可选地，第一聚合网络对象节点项为近邻网路对象节点项，第一网络对象聚合权重为根据第一对象节点项与其近邻网络对象节点项的关联关系确定的第一对象节点项与其近邻网络对象节点项之间的关联权重。
[0093]
在本技术的一些可选的实施例中，一第一网络对象信息可以为茶杯a1、权重wa1；另一第一网络对象信息可以为红枣a2、权重wa2；另一第一网络对象信息为伞a3、权重wa3；则第一网络对象信息集为{茶杯a1、权重wa1；红枣a2、权重wa2；伞a3、权重wa3}。
[0094]
在本技术的一些可选的实施例中，前述s203中，根据所述异构图，确定所述多个节点项中的至少一个第二对象节点项对应的第二网络对象信息集包括：
[0095]
s231、针对所述至少一个第二对象节点项中的各第二对象节点项，根据所述异构图确定所述第二对象节点项与所述第二对象节点项的第三近邻网络对象节点项之间的第三网络对象关联权重；
[0096]
s232、根据所述异构图确定所述第二对象节点项的第二近邻对象节点项与所述第二对象节点项之间的第二对象关联权重，以及所述第二近邻对象节点项与所述第二近邻对象节点项的第四近邻网络对象节点项之间的第四网络对象关联权重；
[0097]
s233、基于所述第二对象节点项的第三近邻网络对象节点项、所述第三网络对象关联权重、所述第二近邻对象节点项的第四近邻网络对象节点项、所述第四网络对象关联权重，以及所述第二对象关联权重，确定所述第二对象节点项对应的第二网络对象信息；
[0098]
s234、利用所述各第二对象节点项对应的第二网络对象信息确定所述至少一个第二对象节点项对应的第二网络对象信息集。
[0099]
可选地，前述s231中，根据所述异构图确定所述第二对象节点项与所述第二对象节点项的第三近邻网络对象节点项之间的第三网络对象关联权重可包括：
[0100]
根据所述异构图中节点项之间的边，确定第二对象节点项与所述第二对象节点项的第三近邻网络对象节点项的第三网络对象关联关系；
[0101]
基于所述第二网络对象关联关系与预设的权重赋值规则，确定所述第二对象节点项与所述第二对象节点项的第三近邻网络对象节点项之间的第三网络对象关联权重。
[0102]
可选地，前述s232中，根据所述异构图确定所述第二对象节点项的第二近邻对象节点项与所述第二对象节点项之间的第二对象关联权重，以及所述第二近邻对象节点项与所述第二近邻对象节点项的第四近邻网络对象节点项之间的第四网络对象关联权重包括：
[0103]
根据所述异构图中节点项之间的边，确定第二对象节点项与所述第二对象节点项的第二近邻对象节点项的第二对象关联关系；
[0104]
基于所述第二对象关联关系与预设的权重赋值规则，确定第二对象节点项与所述第二对象节点项的第二近邻对象节点项的之间的第二对象关联权重；
[0105]
根据所述异构图中节点项之间的边，确定所述第二近邻对象节点项与所述第二近邻对象节点项的第四近邻网络对象节点项之间的第四网络对象关联关系；
[0106]
基于所述第四网络对象关联关系与预设的权重赋值规则确定第二近邻对象节点项与所述第二近邻对象节点项的第四近邻网络对象节点项之间的第四网络对象关联权重。
[0107]
可选地，前述第二近邻对象节点项的个数可以为1个也可以为多个，可以包括第二对象节点项的一度近邻对象节点项，也可以包括第二对象节点项的二度近邻对象节点项，还可以包括第二对象节点项的更高度的近邻对象节点项。
[0108]
可选地，前述第三近邻网络对象节点项的个数可以为1个也可以为多个，可以包括第二对象节点项的一度近邻网络对象节点项，也可以包括第二对象节点项的二度近邻网络对象节点项，还可以包括第二对象节点项的更高度的近邻网络对象节点项。
[0109]
可选地，前述第四近邻网络对象节点项的个数可以为1个也可以为多个，可以包括第二近邻对象节点项的一度近邻网络对象节点项，也可以包括第二近邻对象节点项的二度近邻网络对象节点项，还可以包括第二近邻对象节点项的更高度的近邻网络对象节点项。
[0110]
可选地，一个第二近邻对象节点项，对应一个第二对象关联权重。
[0111]
可选地，前述233中，基于所述第二对象节点项的第三近邻网络对象节点项、所述第三网络对象关联权重、所述第二近邻对象节点项的第四近邻网络对象节点项、所述第四网络对象关联权重，以及所述第二对象关联权重，确定所述第二对象节点项对应的第二网络对象信息包括：
[0112]
基于所述第二对象节点项的第三近邻网络对象节点项与所述第三网络对象关联权重确定所述第二对象节点项的第二初始网络对象信息；
[0113]
基于所述第二近邻对象节点项的第四近邻网络对象节点项与所述第四网络对象关联权重确定所述第二近邻对象节点项的第二近邻网络对象信息；
[0114]
利用所述第二初始网络对象信息、所述第二近邻网络对象信息，以及所述第二对象关联权重确定所述第二对象节点项对应的第二网络对象信息。
[0115]
在本技术的一些可选的实施例中，前述s233中，基于所述第二对象节点项的第三近邻网络对象节点项、所述第三网络对象关联权重、所述第二近邻对象节点项的第四近邻网络对象节点项、所述第四网络对象关联权重，以及所述第二对象关联权重，确定所述第二对象节点项对应的第二网络对象信息可通过以下公式进行实现：
[0116][0117]
其中，i2为第二对象节点项，j2为第二对象节点项的第二近邻对象节点项，att2[i2]为第二初始网络对象信息，具体为第二对象节点项的第三近邻网络对象节点项与第三网络对象关联权重的组合信息、auth2[j]为第二对象节点项的第二近邻对象节点项的第二近邻网络对象信息，具体为所述第二近邻对象节点项的第四近邻网络对象节点项与所述第四网络对象关联权重的组合信息，w2[j2][i2]为第二对象关联权重，hub2[i2]为第二对象节点项对应的第二网络对象信息，n2为第二对象节点项的第二近邻对象节点项的个数。
[0118]
可选地，前述s234中，利用所述各第二对象节点项对应的第二网络对象信息确定
所述至少一个第二对象节点项对应的第二网络对象信息集可包括：
[0119]
将各第二对象节点项对应的第二网络对象信息的集合作为至少一个第二对象节点项对应的第二网络对象信息集。
[0120]
可选地，前述s204中，利用所述第一网络对象信息集与所述第二网络对象信息集向所述目标对象信息对应的目标对象推荐第一目标网络对象包括：
[0121]
s2041、利用所述第一网络对象信息集与所述第二网络对象信息集确定所述多个节点项对应的目标网络对象信息集；
[0122]
s2042、基于所述目标网络对象信息集向所述目标对象信息对应的目标对象推荐第一目标网络对象。
[0123]
具体地，所述多个节点项中的至少一个节点项同时属于第一对象节点项与第二对象节点项；利用所述第一网络对象信息集与所述第二网络对象信息集确定所述多个节点项对应的目标网络对象信息集包括：
[0124]
s41、将所述第一网络对象信息集中，所述至少一个第一对象节点项中不属于第二对象节点项的第一目标对象节点项对应的第一网络对象信息，作为所述第一目标对象节点项对应的节点项对应的网络对象信息；
[0125]
s42、将所述第二网络对象信息集中，所述至少一个第二对象节点项中不属于第一对象节点项的第二目标对象节点项对应的第二网络对象信息，作为所述第二目标对象节点项对应的节点项对应的网络对象信息；
[0126]
s43、针对所述多个节点项中的同时属于第一对象节点项与第二对象节点项的重复节点项，则基于所述第一网络对象信息集中所述重复节点项对应的第一网络对象信息、第一预设权重、所述第二网络对象信息集中所述重复节点项对应的第二网络对象信息，以及第二预设权重确定所述重复节点项对应的节点项对应的网络对象信息；
[0127]
s44、利用所述第一目标对象节点项对应的节点项对应的网络对象信息、所述第二目标对象节点项对应的节点项对应的网络对象信息，以及所述重复节点项对应的节点项对应的网络对象信息，确定所述多个节点项对应的目标网络对象信息集。
[0128]
可选地，前述s43中，基于所述第一网络对象信息集中所述重复节点项对应的第一网络对象信息、第一预设权重、所述第二网络对象信息集中所述重复节点项对应的第二网络对象信息，以及第二预设权重确定所述重复节点项对应的节点项对应的网络对象信息包括：
[0129]
计算所述第一网络对象信息与所述第一预设权重的乘积；
[0130]
计算所述第二网络对象信息与所述第二预设权重的乘积；
[0131]
将所述第一网络对象信息与所述第一预设权重的乘积与所述第二网络对象信息与所述第二预设权重的乘积的和作为重复节点项对应的节点项对应的网络对象信息。
[0132]
可选地，基于所述第一网络对象信息集中所述重复节点项对应的第一网络对象信息、第一预设权重、所述第二网络对象信息集中所述重复节点项对应的第二网络对象信息，以及第二预设权重确定所述重复节点项对应的节点项对应的网络对象信息可通过以下公式进行实现：
[0133]
result[i]＝α*auth3[i3] β*hub3[i]
[0134]
其中，α为第一预设权重，β为第二预设权重，α与β的和为1，auth3[i3]为重复节点
项对应的第一网络对象信息，hub3[i3]为重复节点项对应的第二网络对象信息，result[i]为重复节点项对应的节点项对应的网络对象信息。
[0135]
在本技术的一些可选的实施例中，基于所述目标网络对象信息集向所述目标对象信息对应的目标对象推荐第一目标网络对象包括：
[0136]
从所述多个节点项中查询出与所述目标对象信息匹配的候选节点项；
[0137]
基于所述候选节点项以及所述目标网络对象信息集确定所述候选节点项对应的目标网络对象信息；
[0138]
根据所述目标网络对象信息向所述目标对象推荐第一目标网络对象。
[0139]
其中，与所述目标对象信息匹配的候选节点项为多个节点项中，对应的对象信息与所述目标对象信息相同的节点项。
[0140]
基于所述候选节点项以及所述目标网络对象信息集确定所述候选节点项对应的目标网络对象信息包括：
[0141]
查询所述目标网络对象信息集中，对应的节点项与候选节点项相同的网络对象信息；具体地，目标网络对象信息集中各网络对象信息与其对应的节点项的对应关系可包含于异构图，也可存储于预设的数据库中。
[0142]
将对应的节点项与候选节点项相同的网络对象信息作为所述目标网络对象信息。
[0143]
根据所述目标网络对象信息向所述目标对象推荐第一目标网络对象包括：
[0144]
将所述目标网络对象信息中对应的网络对象权重大于预设值的网络对象名称对应的网络对象作为第一目标网络对象推荐至所述目标对象。
[0145]
可选地，在本技术的一些可选的实施例中，为了进一步提高用户体验，上述方法还包括：
[0146]
若检测到所述目标对象针对所述第一目标网络对象的操作信息符合预设条件，则根据所述异构图确定所述第一目标网络对象对应的网络对象节点项连接的目标网络对象类目节点项；
[0147]
获取所述目标网络对象类目节点项的目标近邻网络对象节点项；
[0148]
利用所述目标近邻网络对象节点项向所述目标对象推荐第二目标网络对象。
[0149]
可选地，所述操作信息为以下任一种或多种时，视为操作信息符合预设条件：
[0150]
操作信息为点击操作、操作信息为浏览操作、操作信息为点赞操作、操作信息为收藏操作。
[0151]
可选地，目标网络对象类目节点项的目标近邻网络对象节点项为目标网络对象类目节点项的多个近邻网络对象节点项中，除所述第一目标网络对象节点项的其他一个或多个网络对象节点项。
[0152]
可选地，利用所述目标近邻网络对象节点项向所述目标对象信息对应的目标对象推荐第二目标网络对象包括：
[0153]
获取所述目标近邻网络对象节点项对应的网络对象；
[0154]
将所述目标近邻网络对象节点项对应的网络对象作为所述第二目标网络对象推荐至所述目标对象。
[0155]
其中，本技术中的“多个”指大于或等于2个。
[0156]
可选地，为了进一步提高网络对象推荐的精准度，所述方法还包括：
[0157]
s51、获取所述多个节点项中，各节点项对应的属性信息；
[0158]
s52、针对所述各节点项，根据所述节点项对应的属性信息与所述节点项的近邻节点项的属性信息，确定所述节点项与其所述近邻节点项之间的属性关联权重；
[0159]
s53、基于所述目标网络对象信息集向所述目标对象信息对应的目标对象推荐第一目标网络对象包括：基于所述目标网络对象信息集、所述多个节点项中各节点项对应的属性信息，以及所述各节点项与其近邻节点项之间的属性关联权重向目标对象信息对应的目标对象推荐第一目标网络对象。
[0160]
可选地，当节点项为对象节点项时，节点项对应的属性信息包括：对象的个体信息，或对象的个体信息与偏好信息。当节点项为网络对象节点项时，节点项对应的属性信息包括：网络对象价格、网络对象类型等网络对象特征信息。
[0161]
需要说明的是，本技术中涉及的节点项对应的属性信息，为在得到对应的对象的授权后获取的信息。
[0162]
可选地，对象的属性信息可以自异构图对应的原始数据库获取，也可以包含于异构图中，从异构图获取。
[0163]
前述s52中，针对所述各节点项，根据所述节点项对应的属性信息与所述节点项的近邻节点项的属性信息，确定所述节点项与其所述近邻节点项之间的属性关联权重可基于注意力机制实现。
[0164]
具体地，基于所述目标网络对象信息集、所述多个节点项中各节点项对应的属性信息，以及与所述各节点项与其近邻节点项之间的属性关联权重向目标对象信息对应的目标对象推荐第一目标网络对象包括：
[0165]
s61、根据所述异构图确定所述多个节点项中，各节点项与其近邻节点项之间的第一节点关联权重；
[0166]
s62、利用所述目标网络对象信息集、所述各节点项与其近邻节点项之间的第一节点关联权重、所述多个节点项中各节点项对应的属性信息，以及与所述各节点项与其近邻节点项之间的属性关联权重确定所述多个节点项中各节点项对应的嵌入表示，得到所述多个节点项对应的嵌入表示集；
[0167]
s63、基于所述嵌入表示集向所述目标对象信息对应的目标对象推荐第一目标网络对象。
[0168]
其中，前述s62中，利用所述目标网络对象信息集、所述各节点项与其近邻节点项之间的第一节点关联权重、所述多个节点项中各节点项对应的属性信息，以及与所述各节点项与其近邻节点项之间的属性关联权重确定所述多个节点项中各节点项对应的嵌入表示包括：
[0169]
针对所述各节点项，执行以下步骤：
[0170]
s621、根据所述目标网络对象信息集确定节点项对应的网络对象信息；
[0171]
s622、利用所述网络对象信息、所述节点项对应的属性信息，以及所述节点项的近邻节点项的属性信息确定第一结果；
[0172]
s623、根据所述节点项与其近邻节点项之间的属性关联权重、所述节点项对应的属性信息，以及所述节点项的近邻节点项的属性信息确定第二结果；
[0173]
s624、根据所述节点项与其近邻节点项之间的第一节点关联权重、所述节点项对
应的属性信息，以及所述节点项的近邻节点项的属性信息确定第三结果；
[0174]
s625、基于所述第一结果、第二结果，以及第三结果确定出所述节点项的嵌入表示。
[0175]
其中，节点项的嵌入表示可以为第一结果、第二结果与第三结果的拼接结果，或与第一结果、第二结果与第三结果相关的其他信息。其中，嵌入表示具体可以为向量表示。
[0176]
可选地，确定多个节点项中的一节点项的嵌入表示的方式可通过预设异构图神经网络实现。
[0177]
可选地，预设异构图神经网络的输入信息可包括：
[0178]
根据节点项对应的网络对象信息确定的节点项与节点项的近邻节点项的之间的第二节点关联权重；
[0179]
节点项与其近邻节点项之间的属性关联权重；
[0180]
节点项与其近邻节点项之间的第一节点关联权重；
[0181]
所述节点项对应的属性信息，以及其近邻节点项的属性信息。
[0182]
通过预设异构图神经网络基于节点级注意力机制对前述输入信息处理时，异构图神经网络可通过以下公式确定节点项对应的嵌入表示：
[0183][0184]
其中，δ为与异构图神经网络相关的非线性激活函数，w
p
为异构图神经网络中的全连接层的参数，u表示当前节点项，k表示当前节点项的近邻节点项，xk为近邻节点项对应的属性信息相关的向量表示，为节点项与节点项对应的近邻节点项之间的第二节点关联权重，指节点项类型为t的节点项的全部近邻节点项，b
p
为异构图神经网络中的偏置项。为节点项与节点项对应的近邻节点项之间的属性关联权重、为节点项与其近邻节点项之间的第一节点关联权重。为拼接，为节点项的嵌入表示。其中，在计算过程，节点项自身也可视为节点项的一近邻节点项。
[0185]
在本技术的另一些可选的实施例中，还可通过预设异构图神经网络基于类型级注意力机制对前述输入信息处理，通过预设异构图神经网络基于类型级注意力机制对前述输入信息处理时，异构图神经网络可通过以下公式确定节点项对应的嵌入表示：
[0186][0187]
其中，为节点项类型为t的节点项对应的嵌入表示，β
tu
为当前节点项与t类型的节点项之间的权重信息，t为全部节点项的类型，wh为基于类型级注意力机制的异构图神经网络中的全连接层的参数，hu为基于类型级注意力机制的异构图神经网络得到的节点项类型为t的节点项的的嵌入表示。
[0188]
相应地，基于类型级注意力机制的异构图神经网络还可确定其它节点项类型的节点项的嵌入表示，具体处理过程与节点项类型t的节点项的嵌入表示的确定方式类似。
[0189]
在本技术的一些可选的实施例中，参见图2b所示，本技术的方案可基于权重计算模块，通过异构图确定前述第一节点关联权重与第二节点关联权重，并基于各节点项的属
性信息计算出节点项与其近邻节点项之间的属性关联权重；并且通过异构图神经网络，对前述的异构图神经网络的输入信息进行处理，执行异构图神经网络则得到各节点项对应的嵌入表示。
[0190]
可选地，前述异构图神经网络模型为机器学习模型，各节点项对应的嵌入向量组成多个节点项对应的嵌入表示集；
[0191]
可选地，前述基于所述嵌入表示集向所述目标对象信息对应的目标对象推荐第一目标网络对象包括：
[0192]
从所述嵌入表示集中确定出所述目标对象信息对应的目标嵌入表示；
[0193]
将所述多个节点项对应的嵌入表示集中，除所述目标嵌入表示之外的，与所述目标嵌入表示的相似度大于预设相似度的嵌入表示对应的网络对象作为第一目标网络对象推荐至所述目标对象。
[0194]
可选地，本技术的方案还可适用于社交小圈子的网络对象推荐，另外，由于新用户不存在或存在较少的信息，无法悉知其兴趣偏好，通过给该部分客户推荐小圈子中有代表性或者传播度较好的网络对象，能有效缓解冷启动的问题。
[0195]
可选地，在异构图中，找到被多组相连的用户交互过的网络对象，说明该网络对象在用户之间频繁出现，容易在社交圈子中进行传播，可将被多组相连的用户交互过的网络对象作为第一目标网络对象。
[0196]
可选地，用户紧密度越高，互相都购买或分享过的网络对象就越重要，证明网络对象在小圈子的传播度较好。因此，本技术实施例还可计算每个网络对象节点项的近邻对象节点项的平均紧密度，选择近邻对象节点项之间的对象关联权重值最高的第一预设数量的网络对象作为第一目标网络对象。
[0197]
在本技术的一些可选的实施例中，还可获取异构图中的第一对象节点项的各近邻网络对象节点项的平均权重，将前述第一预设数量的网络对象中，平均权重最高的第二预设数量的网络对象作为第一目标网络对象。最后，可将第一目标网络对象作为小圈子的热门、传播度、高质量网络对象，推荐给新用户。
[0198]
本技术实施例通过获取目标对象信息；获取所述目标对象信息对应的异构图，所述异构图中包括多个节点项以及节点项之间的边，所述节点项之间的边表示节点项之间的关联关系，所述多个节点项至少包括两种节点项类型；根据所述异构图，确定所述多个节点项中的至少一个第一对象节点项对应的第一网络对象信息集，以及所述多个节点项中的至少一个第二对象节点项对应的第二网络对象信息集；利用所述第一网络对象信息集与所述第二网络对象信息集向所述目标对象信息对应的目标对象推荐第一目标网络对象；其中，所述第一对象节点项为异构图中对应行为主动方对象的对象节点项，所述第二对象节点项为异构图中对应行为被动方对象的对象节点项的方案，结合异构图中的节点项对应的对象的行为类型，即主动或被动的特点，对网络对象进行推荐，从对象的行为类型角度出发，引入了个体差异的考虑，提高了网络对象推荐的精准度与网络对象推荐效率。可为用户提供个性化推荐，能有效提升线上活跃用户，以及交易成交率等指标。
[0199]
并且，对于冷启动问题，本技术实施例将社交小圈子中普遍传播和转化比较好的网络对象，用作冷启动网络对象召回池子，利用社交电商中独有的社交元素，为解决电商推荐中的冷启动难问题，提供了创新解决方案，并可保证网络对象推荐的高质量、多样性、准
确性，可解释性等，进而提升用户对推荐结果的满意度和接受度。
[0200]
以下结合场景对本技术的方案做进一步描述：
[0201]
参见图2c所示，可首先获取对象行为信息集、所述对象行为信息集包括：多个对象的属性信息、多个网络对象(可以为商品)的属性信息，以及对象与网络对象之间的关联关系信息、对象与对象之间的关联关系信息；
[0202]
通过关系提取器提取对象与网络对象之间的关联关系信息、对象与对象之间的关联关系信息，并通过异构图生成器构建对应的异构图；
[0203]
通过特征提取器提取多个对象的属性信息与多个网络对象的属性信息；
[0204]
根据异构图计算节点项与其近邻节点项之间的第一节点关联权重；
[0205]
根据对象的类型计算节点项与节点项的近邻节点项的之间的第二节点关联权重；
[0206]
根据节点项的属性信息，计算节点项与其近邻节点项之间的属性关联权重；
[0207]
将前述第二节点关联权重、属性关联权重、第一节点关联权重，以及所述节点项对应的属性信息，以及其近邻节点项的属性信息输入异构图神经网络模型，执行该异构图神经网络模型，即可进一步可实现网络对象推荐。
[0208]
图3为本技术实施例提供的推荐方法的第二流程示意图，该实施例以推荐方法由客户端执行为例进行说明，该方法包括：
[0209]
s301、在检测到目标对象针对目标页面的浏览指令时，获取所述目标对象的目标对象信息；
[0210]
s302、向第一设备发送所述目标对象信息；
[0211]
s303、接收并展示所述第一设备针对所述目标对象信息反馈的推荐信息；
[0212]
其中，所述推荐信息为所述第一设备获取所述目标对象信息以及所述目标对象信息对应的异构图，所述异构图中包括多个节点项以及节点项之间的边，所述节点项之间的边表示节点项之间的关联关系，所述多个节点项至少包括两种节点项类型，并根据所述异构图，确定所述多个节点项中的至少一个第一对象节点项对应的第一网络对象信息集，以及所述多个节点项中的至少一个第二对象节点项对应的第二网络对象信息集，以及利用所述第一网络对象信息集与所述第二网络对象信息集，确定所述目标对象对应的第一目标网络对象后反馈的第一目标网络对象对应的推荐信息；其中，所述第一对象节点项为异构图中对应行为主动方对象的对象节点项，所述第二对象节点项为异构图中对应行为被动方对象的对象节点项。
[0213]
可选地，前述第一设备可以为服务器，本实施例对应的具体实施方式可参见前述内容，此处不再赘述。
[0214]
上述所有的技术方案，可以采用任意结合形成本技术的可选实施例，在此不再一一赘述。
[0215]
为便于更好的实施本技术实施例的推荐方法，本技术实施例还提供一种服务器。请参阅图4，图4为本技术实施例提供的服务器的第一结构示意图。其中，该服务器40包括：
[0216]
第一获取单元41，用于获取目标对象信息；
[0217]
第二获取单元42，用于获取所述目标对象信息对应的异构图，所述异构图中包括多个节点项以及节点项之间的边，所述节点项之间的边表示节点项之间的关联关系，所述多个节点项至少包括两种节点项类型；
[0218]
确定单元43，用于根据所述异构图，确定所述多个节点项中的至少一个第一对象节点项对应的第一网络对象信息集，以及所述多个节点项中的至少一个第二对象节点项对应的第二网络对象信息集；
[0219]
推荐单元44，用于利用所述第一网络对象信息集与所述第二网络对象信息集向所述目标对象信息对应的目标对象推荐第一目标网络对象；其中，所述第一对象节点项为异构图中对应行为主动方对象的对象节点项，所述第二对象节点项为异构图中对应行为被动方对象的对象节点项。
[0220]
可选地，所述服务器40在用于根据所述异构图，确定所述多个节点项中的至少一个第一对象节点项对应的第一网络对象信息集时，具体用于：针对所述至少一个第一对象节点项中的各第一对象节点项，根据所述异构图确定所述第一对象节点项与所述第一对象节点项的第一近邻网络对象节点项之间的第一网络对象关联权重；根据所述异构图确定所述第一对象节点项的第一近邻对象节点项与所述第一对象节点项之间的第一对象关联权重，以及所述第一近邻对象节点项与所述第一近邻对象节点项的第二近邻网络对象节点项之间的第二网络对象关联权重；基于所述第一对象节点项的第一近邻网络对象节点项、所述第一网络对象关联权重、所述第一近邻对象节点项的第二近邻网络对象节点项、所述第二网络对象关联权重，以及所述第一对象关联权重，确定所述第一对象节点项对应的第一网络对象信息；利用所述各第一对象节点项对应的第一网络对象信息确定所述至少一个第一对象节点项对应的第一网络对象信息集。
[0221]
可选地，服务器40在用于基于所述第一对象节点项的第一近邻网络对象节点项、所述第一网络对象关联权重、所述第一近邻对象节点项的第二近邻网络对象节点项、所述第二网络对象关联权重，以及所述第一对象关联权重，确定所述第一对象节点项对应的第一网络对象信息时，具体用于：基于所述第一对象节点项的第一近邻网络对象节点项与所述第一网络对象关联权重确定所述第一对象节点项的第一初始网络对象信息；基于所述第一近邻对象节点项的第二近邻网络对象节点项与所述第二网络对象关联权重确定所述第一近邻对象节点项的第一近邻网络对象信息；利用所述第一初始网络对象信息、所述第一近邻网络对象信息，以及所述第一对象关联权重确定所述第一对象节点项对应的第一网络对象信息。
[0222]
可选地，服务器40在用于利用所述第一网络对象信息集与所述第二网络对象信息集向所述目标对象信息对应的目标对象推荐第一目标网络对象时，具体用于：利用所述第一网络对象信息集与所述第二网络对象信息集确定所述多个节点项对应的目标网络对象信息集；基于所述目标网络对象信息集向所述目标对象信息对应的目标对象推荐第一目标网络对象。
[0223]
可选地，所述多个节点项中的至少一个节点项同时属于第一对象节点项与第二对象节点项；服务器40在用于利用所述第一网络对象信息集与所述第二网络对象信息集确定所述多个节点项对应的目标网络对象信息集时，具体用于：将所述第一网络对象信息集中，所述至少一个第一对象节点项中不属于第二对象节点项的第一目标对象节点项对应的第一网络对象信息，作为所述第一目标对象节点项对应的节点项对应的网络对象信息；将所述第二网络对象信息集中，所述至少一个第二对象节点项中不属于第一对象节点项的第二目标对象节点项对应的第二网络对象信息，作为所述第二目标对象节点项对应的节点项对
应的网络对象信息；针对所述多个节点项中的同时属于第一对象节点项与第二对象节点项的重复节点项，则基于所述第一网络对象信息集中所述重复节点项对应的第一网络对象信息、第一预设权重、所述第二网络对象信息集中所述重复节点项对应的第二网络对象信息，以及第二预设权重确定所述重复节点项对应的节点项对应的网络对象信息；利用所述第一目标对象节点项对应的节点项对应的网络对象信息、所述第二目标对象节点项对应的节点项对应的网络对象信息，以及所述重复节点项对应的节点项对应的网络对象信息，确定所述多个节点项对应的目标网络对象信息集。
[0224]
可选地，服务器40在用于基于所述目标网络对象信息集向所述目标对象信息对应的目标对象推荐第一目标网络对象时，具体用于：从所述多个节点项中查询出与所述目标对象信息匹配的候选节点项；
[0225]
基于所述候选节点项以及所述目标网络对象信息集确定所述候选节点项对应的目标网络对象信息；根据所述目标网络对象信息向所述目标对象推荐第一目标网络对象。
[0226]
可选地，所述服务器40还用于：获取所述多个节点项中，各节点项对应的属性信息；针对所述各节点项，根据所述节点项对应的属性信息与所述节点项的近邻节点项的属性信息，确定所述节点项与所述近邻节点项之间的属性关联权重；
[0227]
基于所述目标网络对象信息集向所述目标对象信息对应的目标对象推荐第一目标网络对象包括：基于所述目标网络对象信息集、所述多个节点项中各节点项对应的属性信息，以及所述各节点项与其近邻节点项之间的属性关联权重向目标对象信息对应的目标对象推荐第一目标网络对象。
[0228]
可选地，服务器40在用于基于所述目标网络对象信息集、所述多个节点项中各节点项对应的属性信息，以及所述各节点项与其近邻节点项之间的属性关联权重向目标对象信息对应的目标对象推荐第一目标网络对象时，具体用于：根据所述异构图确定所述多个节点项中，各节点项与其近邻节点项之间的第一节点关联权重；利用所述目标网络对象信息集、所述各节点项与其近邻节点项之间的第一节点关联权重、所述多个节点项中各节点项对应的属性信息，以及所述各节点项与其近邻节点项之间的属性关联权重确定所述多个节点项中各节点项对应的嵌入表示，得到所述多个节点项对应的嵌入表示集；基于所述嵌入表示集向所述目标对象信息对应的目标对象推荐第一目标网络对象。
[0229]
可选地，服务器40在还用于：若检测到所述目标对象针对所述第一目标网络对象的操作信息符合预设条件，则根据所述异构图确定所述第一目标网络对象对应的网络对象节点项连接的目标网络对象类目节点项；获取所述目标网络对象类目节点项的目标近邻网络对象节点项；利用所述目标近邻网络对象节点项向所述目标对象推荐第二目标网络对象。
[0230]
本实施例对应的具体实施方式可参见前述内容，此处不再赘述。
[0231]
为便于更好的实施本技术实施例的推荐方法，本技术实施例还提供一种客户端。请参阅图5，图5为本技术实施例提供的客户端的第一结构示意图。其中，该客户端50包括：
[0232]
获取单元51，用于在检测到目标对象针对目标页面的浏览指令时，获取所述目标对象的目标对象信息；
[0233]
发送单元52，用于向第一设备发送所述目标对象信息；
[0234]
接收单元53，用于接收并展示所述第一设备针对所述目标对象信息反馈的推荐信
息；
[0235]
其中，所述推荐信息为所述第一设备获取所述目标对象信息以及所述目标对象信息对应的异构图，所述异构图中包括多个节点项以及节点项之间的边，所述节点项之间的边表示节点项之间的关联关系，所述多个节点项至少包括两种节点项类型，并根据所述异构图，确定所述多个节点项中的至少一个第一对象节点项对应的第一网络对象信息集，以及所述多个节点项中的至少一个第二对象节点项对应的第二网络对象信息集，以及利用所述第一网络对象信息集与所述第二网络对象信息集，确定所述目标对象对应的第一目标网络对象后反馈的第一目标网络对象对应的推荐信息；其中，所述第一对象节点项为异构图中对应行为主动方对象的对象节点项，所述第二对象节点项为异构图中对应行为被动方对象的对象节点项。
[0236]
本实施例对应的具体实施方式可参见前述内容，此处不再赘述。
[0237]
上述各个单元可全部或部分通过软件、硬件及其组合来实现。上述各个单元可以以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行上述各个单元对应的操作。
[0238]
可选的，本技术还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0239]
图6为本技术实施例提供的计算机设备的结构示意图，该计算机设备可以是图1所示的终端或服务器。如图6所示，该计算机设备600可以包括：通信接口601，存储器602，处理器603和通信总线604。通信接口601，存储器602，处理器603通过通信总线604实现相互间的通信。通信接口601用于装置700与外部设备进行数据通信。存储器602可用于存储软件程序以及模块，处理器603通过运行存储在存储器602的软件程序以及模块，例如前述方法实施例中的相应操作的软件程序。
[0240]
可选的，该处理器603可以调用存储在存储器602的软件程序以及模块执行如下操作：获取目标对象信息；获取所述目标对象信息对应的异构图，所述异构图中包括多个节点项以及节点项之间的边，所述节点项之间的边表示节点项之间的关联关系，所述多个节点项至少包括两种节点项类型；根据所述异构图，确定所述多个节点项中的至少一个第一对象节点项对应的第一网络对象信息集，以及所述多个节点项中的至少一个第二对象节点项对应的第二网络对象信息集；利用所述第一网络对象信息集与所述第二网络对象信息集向所述目标对象信息对应的目标对象推荐第一目标网络对象；其中，所述第一对象节点项为异构图中对应行为主动方对象的对象节点项，所述第二对象节点项为异构图中对应行为被动方对象的对象节点项。
[0241]
可选的，该处理器603还可以调用存储在存储器602的软件程序以及模块执行如下操作：在检测到目标对象针对目标页面的浏览指令时，获取所述目标对象的目标对象信息；向第一设备发送所述目标对象信息；接收并展示所述第一设备针对所述目标对象信息反馈的推荐信息；其中，所述推荐信息为所述第一设备获取所述目标对象信息以及所述目标对象信息对应的异构图，所述异构图中包括多个节点项以及节点项之间的边，所述节点项之间的边表示节点项之间的关联关系，所述多个节点项至少包括两种节点项类型，并根据所述异构图，确定所述多个节点项中的至少一个第一对象节点项对应的第一网络对象信息集，以及所述多个节点项中的至少一个第二对象节点项对应的第二网络对象信息集，以及
利用所述第一网络对象信息集与所述第二网络对象信息集，确定所述目标对象对应的第一目标网络对象后反馈的第一目标网络对象对应的推荐信息；其中，所述第一对象节点项为异构图中对应行为主动方对象的对象节点项，所述第二对象节点项为异构图中对应行为被动方对象的对象节点项。
[0242]
本技术还提供了一种计算机可读存储介质，用于存储计算机程序。该计算机可读存储介质可应用于计算机设备，并且该计算机程序使得计算机设备执行本技术实施例中的推荐方法中的相应流程，为了简洁，在此不再赘述。
[0243]
本技术还提供了一种计算机程序产品，该计算机程序产品包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得计算机设备执行本技术实施例中的推荐方法中的相应流程，为了简洁，在此不再赘述。
[0244]
本技术还提供了一种计算机程序，该计算机程序包括计算机指令，计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得计算机设备执行本技术实施例中的推荐方法中的相应流程，为了简洁，在此不再赘述。
[0245]
应理解，本技术实施例的处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
[0246]
可以理解，本技术实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，rom)、可编程只读存储器(programmable rom，prom)、可擦除可编程只读存储器(erasable prom，eprom)、电可擦除可编程只读存储器(electrically eprom，eeprom)或闪存。易失性存储器可以是随机存取存储器(random access memory，ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(static ram，sram)、动态随机存取存储器(dynamic ram，dram)、同步动态随机存取存储器(synchronous dram，sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram，ddr sdram)、增强型同步动态随机存取存储器(enhanced sdram，esdram)、同步连接动态随机存取存储器(synchlink dram，sldram)和直接内存总线随机存取存储器(direct rambus ram，dr ram)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
[0247]
应理解，上述存储器为示例性但不是限制性说明，例如，本技术实施例中的存储器还可以是静态随机存取存储器(static ram，sram)、动态随机存取存储器(dynamic ram，dram)、同步动态随机存取存储器(synchronous dram，sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram，ddr sdram)、增强型同步动态随机存取存储器(enhanced sdram，esdram)、同步连接动态随机存取存储器(synch link dram，sldram)以及直接内存总线随机存取存储器(direct rambus ram，dr ram)等等。也就是说，本技术实施例中的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
[0248]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0249]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0250]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0251]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0252]
另外，在本技术实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0253]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0254]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应所述以权利要求的保护范围为准。