[發(fā)明專利]推薦信息處理方法、裝置、設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201811251040.8
• 申請日: 2018-10-25
• 公開（公告）號: CN109460512B
• 公開（公告）日: 2022-04-22
• 發(fā)明（設(shè)計）人: 梁超;崔瑞;李天浩
• 申請（專利權(quán)）人: 騰訊科技（北京）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京勵誠知識產(chǎn)權(quán)代理有限公司 11647
• 代理人: 賈玉姣

1.一種推薦信息處理方法，其特征在于，包括：

獲取目標(biāo)對象的屬性信息，及對應(yīng)的初始類目得分集；

基于所述屬性信息及所述初始類目得分集，利用預(yù)設(shè)的預(yù)測模型，確定所述目標(biāo)對象在預(yù)設(shè)的每個候選類目的得分，所述預(yù)設(shè)的預(yù)測模型，為利用樣本對象的屬性信息及類目得分集訓(xùn)練得到的，其中，所述樣本對象的類目得分集中包含的類目得分的數(shù)量滿足預(yù)設(shè)條件；

根據(jù)所述目標(biāo)對象在預(yù)設(shè)的每個候選類目的得分，向所述目標(biāo)對象推送推薦信息；

其中，所述獲取目標(biāo)對象對應(yīng)的初始類目得分集，包括：

若所述目標(biāo)對象為首次注冊對象，則在所述目標(biāo)對象瀏覽首屏信息，且在首屏并未點(diǎn)擊任何類目對應(yīng)的信息，而是直接點(diǎn)擊刷新后，根據(jù)預(yù)設(shè)的類目得分集確定所述目標(biāo)對象對應(yīng)的初始類目得分集；

若所述目標(biāo)對象為首次注冊對象，則在所述目標(biāo)對象瀏覽首屏信息，且在首屏點(diǎn)擊了至少一種類目對應(yīng)的信息后，再點(diǎn)擊刷新，根據(jù)所述目標(biāo)對象的點(diǎn)擊行為確定所述目標(biāo)對象對應(yīng)初始類目得分集。

2.如權(quán)利要求1所述的方法，其特征在于，所述確定所述目標(biāo)對象在預(yù)設(shè)的每個候選類目的得分之前，還包括：

獲取所述目標(biāo)對象對應(yīng)的初始標(biāo)簽得分集；

所述確定所述目標(biāo)對象在預(yù)設(shè)的每個候選類目的得分，包括：

基于所述屬性信息、所述初始類目得分集及所述初始標(biāo)簽得分集，利用預(yù)設(shè)的預(yù)測模型，確定所述目標(biāo)對象在預(yù)設(shè)的每個候選類目的得分。

3.如權(quán)利要求1所述的方法，其特征在于，若所述目標(biāo)對象的初始類目得分集中包含的類目得分的數(shù)量大于第一閾值，則所述確定所述目標(biāo)對象在預(yù)設(shè)的每個候選類目的得分之前，還包括：

按照預(yù)設(shè)的規(guī)則，從所述初始類目得分集中抽取參考類目得分集；

所述確定所述目標(biāo)對象在預(yù)設(shè)的每個候選類目的得分，包括：

基于所述屬性信息及參考類目得分集，利用預(yù)設(shè)的預(yù)測模型，確定所述目標(biāo)對象在預(yù)設(shè)的每個候選類目的得分。

4.如權(quán)利要求1所述的方法，其特征在于，所述確定所述目標(biāo)對象在預(yù)設(shè)的每個候選類目的得分之前，還包括：

根據(jù)所述初始類目得分集中包含的類目得分的數(shù)量，確定類目得分向量；

所述確定所述目標(biāo)對象在預(yù)設(shè)的每個候選類目的得分，包括：

基于所述類目得分向量、所述屬性信息及所述初始類目得分集，利用預(yù)設(shè)的預(yù)測模型，確定所述目標(biāo)對象在預(yù)設(shè)的每個候選類目的得分。

5.如權(quán)利要求4所述的方法，其特征在于，所述確定所述目標(biāo)對象在預(yù)設(shè)的每個候選類目的得分，包括：

確定所述屬性信息對應(yīng)的屬性向量，及所述初始類目得分集中每個類目對應(yīng)的類目向量；

根據(jù)所述每個類目對應(yīng)的類目向量及每個類目對應(yīng)的得分，確定所述目標(biāo)對象對應(yīng)的總類目向量；

基于所述類目得分向量、所述屬性向量及所述總類目向量，利用預(yù)設(shè)的預(yù)測模型，確定所述目標(biāo)對象在預(yù)設(shè)的每個候選類目的得分。

6.如權(quán)利要求1-5任一所述的方法，其特征在于，所述確定所述目標(biāo)對象在預(yù)設(shè)的每個候選類目的得分之前，還包括：

根據(jù)每個歷史注冊對象的歷史行為數(shù)據(jù)，確定每個歷史注冊對象對應(yīng)的類目得分集；

根據(jù)每個歷史注冊對象對應(yīng)的類目得分集中包含的類目得分的數(shù)量，從所述歷史注冊對象中獲取樣本對象；

獲取所述樣本對象的屬性信息；

利用所述樣本對象的屬性信息及對應(yīng)的類目得分集，對初始模型進(jìn)行訓(xùn)練，以生成所述預(yù)設(shè)的預(yù)測模型。

7.如權(quán)利要求6所述的方法，其特征在于，所述利用所述樣本對象的屬性信息及對應(yīng)的類目得分集，對初始模型進(jìn)行訓(xùn)練，包括：

利用每個樣本對象的屬性信息及對應(yīng)的類目得分集，對初始模型進(jìn)行訓(xùn)練，確定每個樣本對象在預(yù)設(shè)的每個候選類目的預(yù)測得分；

根據(jù)每個樣本對象在預(yù)設(shè)的每個候選類目的預(yù)測得分，與每個樣本對象對應(yīng)的類目得分集中類目得分的差異，確定預(yù)測誤差值；

根據(jù)所述預(yù)測誤差值，對所述初始模型進(jìn)行反向傳播修正，以生成所述預(yù)設(shè)的預(yù)測模型。