本公開的實(shí)施方式涉及計(jì)算機(jī)，更具體地，本公開的實(shí)施方式涉及一種推薦方法、裝置、存儲(chǔ)介質(zhì)和計(jì)算設(shè)備。

背景技術(shù)：

1、本部分旨在為本公開的實(shí)施方式提供背景或上下文。此處的描述不因?yàn)榘ㄔ诒静糠种芯统姓J(rèn)是現(xiàn)有技術(shù)。

2、賬號(hào)推薦(account?recommendation)是一種細(xì)分的推薦系統(tǒng)應(yīng)用場(chǎng)景，以賬號(hào)為最細(xì)粒度的內(nèi)容，為用戶推薦有潛在興趣的賬號(hào)集合。

3、在相關(guān)技術(shù)中，賬號(hào)推薦一般采用基于用戶的協(xié)同過濾推薦算法?；谟脩舻膮f(xié)同過濾算法的基本思路就是先找到與當(dāng)前用戶相似的其它用戶，從其它用戶的關(guān)注列表中找出當(dāng)前用戶還未關(guān)注的賬號(hào)，將這些賬號(hào)按照一定的排列順序推薦給當(dāng)前用戶。

4、基于用戶的協(xié)同過濾推薦算法的缺點(diǎn)主要包括擴(kuò)展性和稀疏性問題。隨著用戶和賬號(hào)數(shù)量的增加，計(jì)算用戶之間相似性的開銷也會(huì)顯著增加。

技術(shù)實(shí)現(xiàn)思路

1、在本公開實(shí)施方式的第一方面中，提供了一種推薦方法。所述方法包括：

2、響應(yīng)于針對(duì)目標(biāo)用戶的賬號(hào)推薦，獲取所述目標(biāo)用戶的歷史瀏覽記錄；

3、將所述目標(biāo)用戶以及歷史瀏覽記錄輸入到包含思維鏈的預(yù)訓(xùn)練模型；其中，所述思維鏈位于所述預(yù)訓(xùn)練模型的輸入層和輸出層之間，所述思維鏈用于將預(yù)先學(xué)習(xí)到的被關(guān)注賬號(hào)與關(guān)注者瀏覽記錄之間潛在的對(duì)應(yīng)關(guān)系作為提示信息，引導(dǎo)所述預(yù)訓(xùn)練模型生成所述目標(biāo)用戶感興趣的推薦賬號(hào)；

4、獲取所述預(yù)訓(xùn)練模型輸出的推薦賬號(hào)，并將所述推薦賬號(hào)推薦給所述目標(biāo)用戶。

5、可選的，所述包含思維鏈的預(yù)訓(xùn)練模型通過以下方式訓(xùn)練得到：

6、接收用于構(gòu)建訓(xùn)練樣本集的被關(guān)注賬號(hào)與關(guān)注該賬號(hào)的關(guān)注者集合；

7、獲取關(guān)注者集合中每個(gè)關(guān)注者的歷史興趣類別和瀏覽記錄；其中，所述瀏覽記錄包括所述關(guān)注者在關(guān)注該被關(guān)注賬號(hào)之前瀏覽的該被關(guān)注賬號(hào)發(fā)布的內(nèi)容；

8、構(gòu)建由所述歷史興趣類別和瀏覽記錄作為模型輸入，以及所述被關(guān)注賬號(hào)作為模型輸出的訓(xùn)練樣本集；

9、在所述預(yù)訓(xùn)練模型基于所述模型輸入生成所述模型輸出的訓(xùn)練過程中，利用所述思維鏈學(xué)習(xí)所述被關(guān)注賬號(hào)與關(guān)注者瀏覽記錄之間潛在的對(duì)應(yīng)關(guān)系。

10、可選的，獲取關(guān)注者集合中每個(gè)關(guān)注者的瀏覽記錄，包括：

11、獲取關(guān)注者集合中每個(gè)關(guān)注者對(duì)應(yīng)的瀏覽內(nèi)容序列，其中，所述瀏覽內(nèi)容序列包括關(guān)注者瀏覽的內(nèi)容以及瀏覽時(shí)刻的數(shù)據(jù)對(duì)；

12、獲取被關(guān)注賬號(hào)的歷史發(fā)布內(nèi)容序列；其中，所述歷史發(fā)布內(nèi)容序列包括所述被關(guān)注賬號(hào)發(fā)布的內(nèi)容以及發(fā)布時(shí)刻的數(shù)據(jù)對(duì)；

13、根據(jù)所述關(guān)注者關(guān)注所述被關(guān)注賬號(hào)的關(guān)注時(shí)刻，獲取同時(shí)位于所述瀏覽內(nèi)容序列和歷史發(fā)布內(nèi)容序列中且位于所述關(guān)注時(shí)刻之前的目標(biāo)內(nèi)容；

14、將所述目標(biāo)內(nèi)容作為所述關(guān)注者在關(guān)注該被關(guān)注賬號(hào)之前瀏覽的該被關(guān)注賬號(hào)發(fā)布的內(nèi)容。

15、可選的，在所述預(yù)訓(xùn)練模型基于所述模型輸入生成所述模型輸出的訓(xùn)練過程中，通過以下至少四種訓(xùn)練任務(wù)對(duì)所述預(yù)訓(xùn)練模型進(jìn)行模型微調(diào)：

16、關(guān)注者關(guān)注賬號(hào)理由的生成任務(wù)，潛在賬號(hào)的推薦任務(wù)，關(guān)注者畫像的生成任務(wù)，賬號(hào)畫像的生成任務(wù)。

17、可選的，所述預(yù)訓(xùn)練模型的損失函數(shù)包括：

18、

19、其中，x表示模型輸入，y表示模型輸出；|d|表示模型微調(diào)的樣本數(shù)量，|y|表示模型輸出的文本單元個(gè)數(shù)。

20、可選的，所述模型輸入采用整詞詞嵌入表示。

21、可選的，所述預(yù)訓(xùn)練模型包括大語言模型。

22、在本公開實(shí)施方式的第二方面中，提供了一種推薦裝置，所述裝置包括：

23、獲取單元，響應(yīng)于針對(duì)目標(biāo)用戶的賬號(hào)推薦，獲取所述目標(biāo)用戶的歷史瀏覽記錄；

24、計(jì)算單元，將所述目標(biāo)用戶以及歷史瀏覽記錄輸入到包含思維鏈的預(yù)訓(xùn)練模型；其中，所述思維鏈位于所述預(yù)訓(xùn)練模型的輸入層和輸出層之間，所述思維鏈用于將預(yù)先學(xué)習(xí)到的被關(guān)注賬號(hào)與關(guān)注者瀏覽記錄之間潛在的對(duì)應(yīng)關(guān)系作為提示信息，引導(dǎo)所述預(yù)訓(xùn)練模型生成所述目標(biāo)用戶感興趣的推薦賬號(hào)；

25、推薦單元，獲取所述預(yù)訓(xùn)練模型輸出的推薦賬號(hào)，并將所述推薦賬號(hào)推薦給所述目標(biāo)用戶。

26、可選的，所述包含思維鏈的預(yù)訓(xùn)練模型通過訓(xùn)練單元訓(xùn)練得到，所述訓(xùn)練單元進(jìn)一步包括：

27、接收子單元，接收用于構(gòu)建訓(xùn)練樣本集的被關(guān)注賬號(hào)與關(guān)注該賬號(hào)的關(guān)注者集合；

28、獲取子單元，獲取關(guān)注者集合中每個(gè)關(guān)注者的歷史興趣類別和瀏覽記錄；其中，所述瀏覽記錄包括所述關(guān)注者在關(guān)注該被關(guān)注賬號(hào)之前瀏覽的該被關(guān)注賬號(hào)發(fā)布的內(nèi)容；

29、構(gòu)建子單元，構(gòu)建由所述歷史興趣類別和瀏覽記錄作為模型輸入，以及所述被關(guān)注賬號(hào)作為模型輸出的訓(xùn)練樣本集；

30、訓(xùn)練子單元，在所述預(yù)訓(xùn)練模型基于所述模型輸入生成所述模型輸出的訓(xùn)練過程中，利用所述思維鏈學(xué)習(xí)所述被關(guān)注賬號(hào)與關(guān)注者瀏覽記錄之間潛在的對(duì)應(yīng)關(guān)系。

31、可選的，所述獲取子單元，進(jìn)一步包括：

32、獲取關(guān)注者集合中每個(gè)關(guān)注者對(duì)應(yīng)的瀏覽內(nèi)容序列，其中，所述瀏覽內(nèi)容序列包括關(guān)注者瀏覽的內(nèi)容以及瀏覽時(shí)刻的數(shù)據(jù)對(duì)；

33、獲取被關(guān)注賬號(hào)的歷史發(fā)布內(nèi)容序列；其中，所述歷史發(fā)布內(nèi)容序列包括所述被關(guān)注賬號(hào)發(fā)布的內(nèi)容以及發(fā)布時(shí)刻的數(shù)據(jù)對(duì)；

34、根據(jù)所述關(guān)注者關(guān)注所述被關(guān)注賬號(hào)的關(guān)注時(shí)刻，獲取同時(shí)位于所述瀏覽內(nèi)容序列和歷史發(fā)布內(nèi)容序列中且位于所述關(guān)注時(shí)刻之前的目標(biāo)內(nèi)容；

35、將所述目標(biāo)內(nèi)容作為所述關(guān)注者在關(guān)注該被關(guān)注賬號(hào)之前瀏覽的該被關(guān)注賬號(hào)發(fā)布的內(nèi)容。

36、可選的，所述訓(xùn)練子單元還用于通過以下至少四種訓(xùn)練任務(wù)對(duì)所述預(yù)訓(xùn)練模型進(jìn)行模型微調(diào)：

37、關(guān)注者關(guān)注賬號(hào)理由的生成任務(wù)，潛在賬號(hào)的推薦任務(wù)，關(guān)注者畫像的生成任務(wù)，賬號(hào)畫像的生成任務(wù)。

38、可選的，所述預(yù)訓(xùn)練模型的損失函數(shù)包括：

39、

40、其中，x表示模型輸入，y表示模型輸出；|d|表示模型微調(diào)的樣本數(shù)量，|y|表示模型輸出的文本單元個(gè)數(shù)。

41、可選的，所述模型輸入采用整詞詞嵌入表示。

42、可選的，所述預(yù)訓(xùn)練模型包括大語言模型。

43、在本公開實(shí)施方式的第三方面中，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，包括：

44、當(dāng)所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中的指令由電子設(shè)備的處理器執(zhí)行時(shí)，使得電子設(shè)備能夠執(zhí)行如前任一項(xiàng)所述的推薦方法。

45、在本公開實(shí)施方式的第四方面中，提供了一種計(jì)算設(shè)備，包括：

46、處理器；

47、用于存儲(chǔ)所述處理器可執(zhí)行指令的存儲(chǔ)器；

48、其中，所述處理器被配置為執(zhí)行所述可執(zhí)行指令，以實(shí)現(xiàn)如前任一項(xiàng)所述的推薦方法。

49、根據(jù)本公開實(shí)施方式提供的推薦方案，將思維鏈技術(shù)應(yīng)用到用于賬號(hào)推薦的預(yù)訓(xùn)練模型中，通過思維鏈學(xué)習(xí)被關(guān)注賬號(hào)與關(guān)注者瀏覽記錄之間潛在的對(duì)應(yīng)關(guān)系，并將所述潛在的對(duì)應(yīng)關(guān)系作為預(yù)訓(xùn)練模型的提示信息，從而引導(dǎo)預(yù)訓(xùn)練模型生成所述目標(biāo)用戶感興趣的推薦賬號(hào)。