(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 202211372848.8 (22)申请日 2022.10.31 (71)申请人 海宁奕斯伟集成电路 设计有限公司 地址 314400 浙江省嘉兴 市海宁市硖石街 道水月亭东路500号鹃湖科技创新园1 幢 申请人 北京奕斯伟计算 技术股份有限公司 (72)发明人 熊寿久　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 金银花 (51)Int.Cl. G06Q 30/06(2012.01) G06N 3/08(2006.01) G06F 17/16(2006.01)G06Q 50/00(2012.01) (54)发明名称 一种资源推荐方法、 装置、 电子设备和存储 介质 (57)摘要 本申请涉及人工智能技术领域， 尤其涉及一 种资源推荐方法、 装置、 电子设备和存储介质， 用 以提高资源推荐 准确性。 其中， 方法包括： 获取基 于多个对象构建的初始对象网络， 该网络中的每 两个节点之间的连接关系是基于该网络的对象 属性特征确定的； 基于预设的变换策略， 将初始 对象网络对应的邻接矩阵进行矩阵转换， 并基于 转换后的邻接矩阵， 获得中间对象网络； 中间对 象网络的节 点数量少于初始对象网络； 基于预设 的节点合并策略， 对中间对象网络进行至少一次 节点合并处理， 获得至少一个目标对象网络； 基 于中间对象网络与目标对象网络中的至少一种， 进行社区划分， 并根据社区划分结果进行资源推 荐。 基于变换和节点合并策略， 可提高资源推荐 准确性。 权利要求书2页 说明书16页 附图11页 CN 115545851 A 2022.12.30 CN 115545851 A 1.一种资源推荐方法， 其特 征在于， 该 方法包括： 获取基于多个对象构建的初始对象网络， 所述初始对象网络 中的每个节点对应一个对 象， 每两个节点之间的连接关系是基于所述初始对象网络的对象属性特 征确定的； 基于预设的变换策略， 将所述初始对象网络对应的邻接矩阵进行矩阵转换， 并基于转 换后的邻接矩阵， 获得与所述初始对 象网络对应的中间对 象网络； 所述中间对 象网络的节 点数量少于所述初始对象网络； 基于预设的节点合并策略， 对所述中间对象网络进行至少一次节点合并处理， 获得至 少一个与所述初始对象网络对应的目标对象网络； 所述目标对象网络的节点数量少于所述 中间对象网络； 基于所述中间对象网络与所述目标对象网络中的至少一种， 进行社区划分， 并根据社 区划分结果进行资源推荐。 2.如权利要求1所述的方法， 其特征在于， 所述对象属性特征包括： 用于表征对象个体 特有属性的局部特 征， 用于表征对象之间共有属性的全局特 征； 通过下列方式确定所述初始对象网络中每两个节点之间的连接关系： 对于任意两个对象， 若基于所述局部特征或所述全局特征， 确定所述两个对象之间存 在至少一种对象属性相关， 则所述两个对象对应的节点之间具有连接关系。 3.如权利要求1所述的方法， 其特征在于， 所述基于转换后的邻接矩阵， 获得与所述初 始对象网络对应的中间对象网络， 包括： 对于所述初始对象网络中的每个节点， 分别执行以下操作： 从转换后的邻接矩阵中确 定与一个节点对应的各目标元素； 将各目标元素中的最大值对应的其他节点与所述一个节 点进行合并； 其中， 每个目标元素表征所述一个节点与相连的一个其他节点之间的关联紧 密度； 将对所述初始对象网络进行节点 合并后的网络， 作为所述中间对象网络 。 4.如权利要求1所述的方法， 其特征在于， 所述预设的节点合并策略为共同邻居节点合 并策略； 所述基于预设的节点合并策略， 对所述中间对象网络进行至少一次节点合并处理， 获 得至少一个与所述初始对象网络对应的目标对象网络， 包括： 基于所述共同邻居节点合并策略， 对所述中间对象网络进行至少一次节点合并处理， 其中， 每次节点 合并处理执行以下过程： 将当前待合并的对象网络中， 具有共 同邻居的至少两个节点进行合并， 并将合并后的 对象网络作为 一个目标对象网络； 其中， 第一次节点合并处理过程中， 所述当前待合并的对象网络为所述中间对象网络； 之后每一次节点合并处理过程中， 所述当前待合并的对象网络为上一次合并获得的目标对 象网络。 5.如权利要求1～4任一项所述的方法， 其特征在于， 所述基于所述中间对象网络与所 述目标对象网络中的至少一种， 对所述多个对象进行 社区划分， 包括以下至少一种： 将所述中间对象网络进行 社区划分； 将任意一个目标对象网络进行 社区划分； 将任意一个目标对象网络进行至少一 次网络还原 处理， 并将任意一个还原获得的候选权　利　要　求　书 1/2 页 2 CN 115545851 A 2对象网络进行 社区划分。 6.如权利要求5所述的方法， 其特征在于， 所述将任意一个目标对象网络进行至少一 次 网络还原处 理， 包括： 基于深度学习模型， 对所述任意一个目标对象网络进行至少一次网络还原处理， 其中， 每次还原处 理执行以下过程： 获取以当前待还原的对象网络的节点表示作为所述深度 学习模型的输入时， 所述深度 学习模型输出的节点表示， 并将 基于所述输出的节点表示确定的对象网络作为一个候选对 象网络； 其中， 第一次网络还原处理过程中， 所述当前待还原 的对象网络为所述任意一个目标 对象网络； 之后每一次网络还原处理过程中， 所述当前待还原的对 象网络为上一次还原获 得的候选对象网络 。 7.一种资源推荐装置， 其特 征在于， 该装置包括： 网络获取单元， 用于获取基于多个对象构建的初始对象网络， 所述初始对象网络中的 每个节点对应一个对象， 每两个节点之 间的连接关系是基于所述初始对象网络的对象属性 特征确定的； 网络转换单元， 用于基于预设的变换策略， 将所述初始对象网络对应的邻接矩阵进行 矩阵转换， 并基于转换后的邻接矩阵， 获得与所述初始对象网络对应的中间对象网络； 所述 中间对象网络的节点数量都少于所述初始对象网络； 节点合并单元， 用于基于预设的节点合并策略， 对所述中间对象网络进行至少一次节 点合并处理， 获得至少一个与所述初始对 象网络对应的目标对 象网络； 所述 目标对象网络 的节点数量少于所述中间对象网络； 资源推荐单元， 用于基于所述中间对象网络与所述目标对象网络中的至少一种， 进行 社区划分， 并根据社区划分结果进行资源推荐。 8.一种电子设备， 其特征在于， 其包括处理器和存储器， 其中， 所述存储器存储有计算 机程序， 当所述计算机程序被所述处理器执行时， 使得所述处理器执行权利要求1～6中任 一所述方法的步骤。 9.一种计算机可读存储介质， 其特征在于， 其包括计算机程序， 当所述计算机程序在电 子设备上运行时， 所述计算机程序用于使 所述电子 设备执行权利要求 1～6中任一所述方法 的步骤。 10.一种计算机程序产品， 其特征在于， 包括计算机程序， 所述计算机程序存储在计算 机可读存储介质中； 当电子 设备的处理器从所述计算机可读存储介质读取所述计算机程序 时， 所述处理器执行所述计算机程序， 使得所述电子设备执行权利要求1～6中任一所述方 法的步骤。权　利　要　求　书 2/2 页 3 CN 115545851 A 3