[發(fā)明專利]一種信息推薦方法和裝置

在審

• 申請?zhí)枺?/td>: 201710243429.7
• 申請日: 2017-04-14
• 公開（公告）號: CN108509466A
• 公開（公告）日: 2018-09-07
• 發(fā)明（設計）人: 姚伶伶;何琪;王芊;郭永;項則遠;陳驥遠
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06N3/04;G06N3/08
• 代理公司: 北京派特恩知識產(chǎn)權代理有限公司 11270
• 代理人: 蔣雅潔;張穎玲

1.一種信息推薦方法，其特征在于，包括：

若檢測到用戶針對目標對象執(zhí)行目標事件，則獲取所述目標對象的目標圖像；

識別所述目標圖像的分類，并在預設信息對象庫中查找圖像分類與所述目標圖像的分類相同，且圖像與所述目標圖像的相似度滿足預設條件的N個信息對象，其中，所述預設信息對象庫中每個信息對象包括至少一張圖像，所述N為大于或者等于1的整數(shù)；

向所述用戶推薦所述N個信息對象中的信息對象。

2.根據(jù)權利要求1所述的方法，其特征在于，所述方法還包括：

獲取所述N個信息對象的參數(shù)信息；

基于所述N個信息對象的參數(shù)信息，在所述N個信息對象中選擇M個信息對象，所述M為小于或者等于所述N的正整數(shù)；

所述向所述用戶推薦所述N個信息對象中的信息對象的步驟，包括：

向所述用戶推薦所述M個信息對象。

3.根據(jù)權利要求2所述的方法，其特征在于，所述參數(shù)信息包括曝光參數(shù)和點擊參數(shù)中的至少一項，所述基于所述N個信息對象的參數(shù)信息，在所述N個信息對象中選擇M個信息對象的步驟，包括：使用所述N個信息對象各自的所述參數(shù)信息，預估各信息對象的點擊率預測值，按照點擊率預測值從高到低的排序，從所述N個信息對象中選擇前M個信息對象。

4.根據(jù)權利要求1至3中任一項所述的方法，其特征在于，所述預設信息對象庫中各信息對象按照圖像的分類進行存儲，所述識別所述目標圖像的分類，并在預設信息對象庫中查找圖像分類與所述目標圖像的分類相同，且圖像與所述目標圖像的相似度滿足預設條件的N個信息對象的步驟，包括：

識別所述目標圖像的分類，并在所述預設信息對象庫中查找所述分類下的若干張候選圖像；

分別計算各候選圖像與所述目標圖像的相似度；

在所述若干張候選圖像中，選擇N張圖像，所述N張圖像為所述若干張候選圖像中按照相似度從高到低的排序中前N張圖像，或者所述N張圖像為所述若干張候選圖像中與所述目標圖像的相似度大于預設閾值的N張圖像；

在所述預設信息對象庫中，選擇所述N張圖像對應的N個信息對象。

5.根據(jù)權利要求4所述的方法，其特征在于，所述分別計算各候選圖像與所述目標圖像的相似度的步驟，包括：

使用預先獲取的神經(jīng)網(wǎng)絡模型對所述目標圖像進行特征提取操作，獲取所述神經(jīng)網(wǎng)絡模型中目標層針對所述目標圖像提取的特征數(shù)據(jù)，其中，所述目標層包括所述神經(jīng)網(wǎng)絡模型中的至少一個卷積層和/或至少一個全連接層；

獲取所述神經(jīng)網(wǎng)絡模型中所述目標層對各候選圖像提取的特征數(shù)據(jù)；

將各候選圖像的特征數(shù)據(jù)分別與所述目標圖像的特征數(shù)據(jù)進行相似度比較，基于各候選圖像的特征數(shù)據(jù)與所述目標圖像的特征數(shù)據(jù)的相似度，獲取所述各候選圖像與所述目標圖像的相似度。

6.根據(jù)權利要求5所述的方法，其特征在于，所述目標層包括至少兩個卷積層或者至少兩個全連接層，或者所述目標層包括至少一個卷積層和至少一個全連接層，所述將各候選圖像的特征數(shù)據(jù)分別與所述目標圖像的特征數(shù)據(jù)進行相似度比較，基于各候選圖像的特征數(shù)據(jù)與所述目標圖像的特征數(shù)據(jù)的相似度，獲取所述各候選圖像與所述目標圖像的相似度的步驟，包括：

針對每一候選圖像，將該候選圖像的特征數(shù)據(jù)與所述目標圖像的特征數(shù)據(jù)按層進行相似度比較，得到該候選圖像與所述目標圖像在各層的相似度；

將該候選圖像與所述目標圖像在各層的相似度分別與各層對應的預設權重進行相乘，得到該候選圖像與所述目標圖像在各層的權重相似度；

將該候選圖像與所述目標圖像在各層的權重相似度相加，得到該候選圖像與所述目標圖像的相似度。

7.根據(jù)權利要求6所述的方法，其特征在于，所述目標層包括所述神經(jīng)網(wǎng)絡模型中向全連接層輸出特征數(shù)據(jù)的卷積層，以及還包括所述神經(jīng)網(wǎng)絡模型的各全連接層。