[發明專利]信息推薦及模型的訓練方法、裝置、設備以及存儲介質

在審

• 申請號: 201910326702.1
• 申請日: 2019-04-23
• 公開（公告）號: CN110162700A
• 公開（公告）日: 2019-08-23
• 發明（設計）人: 劉書凱;陳磊;張博;劉祺;商甜甜;林樂宇;劉毅;饒君;蘇舟;孫振龍;王良棟;丘志杰;梁銘霏
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 崔曉嵐;張穎玲

本發明實施例提供一種信息推薦方法及裝置、信息推薦模型的訓練方法及裝置以及存儲介質，信息推薦方法包括：接收客戶端的對應目標用戶的推薦請求；提取所述目標用戶對應的不同類型的用戶特征，根據所述不同類型的用戶特征組合形成所述目標用戶的用戶向量；提取物品的不同類型的物品特征，根據所述不同類型的物品特征組合形成所述物品的物品向量；根據物品向量與用戶向量之間的距離，確定與所述用戶向量的向量距離滿足條件的物品；基于滿足條件的所述物品向所述客戶端發送對應的推薦信息。本發明實施例能夠全面準確地進行個性化推薦。

技術領域

本發明涉及信息處理技術領域，特別涉及一種信息推薦方法及裝置、信息推薦模型的訓練方法及裝置、計算機設備以及存儲介質。

背景技術

隨著信息技術的日益發展，信息推薦已經成為目前網絡技術應用的一項重要內容。例如，在用戶瀏覽新聞時時推薦可能感興趣的內容，在用戶瀏覽商品時推薦傾向購買的商品，等等。

學習用戶的個性化信息是信息推薦模型的核心，這樣才能進行信息的精準推薦。雖然相關技術提供的信息推薦模型類型多樣，但是在個性化推薦方面都存在局限性。

發明內容

本發明實施例提供一種信息推薦方法及裝置、信息推薦模型的訓練方法及裝置、計算機設備以及存儲介質，能夠全面準確地進行個性化推薦。

本發明實施例的技術方案是這樣實現的：

本發明實施例提供一種信息推薦方法，包括：接收客戶端的對應目標用戶的推薦請求；提取所述目標用戶對應的不同類型的用戶特征，根據所述不同類型的用戶特征組合形成所述目標用戶的用戶向量；提取物品的不同類型的物品特征，根據所述不同類型的物品特征組合形成所述物品的物品向量；根據所述物品向量與所述用戶向量之間的距離，確定與所述用戶向量的向量距離滿足條件的物品；基于滿足條件的所述物品向所述客戶端發送對應的推薦信息。

本發明實施例提供一種信息推薦模型的訓練方法，包括：獲取訓練樣本集，所述訓練樣本集中的訓練樣本包括樣本用戶的不同類型特征、以及所述樣本用戶針對所述物品的實際評分；通過所述信息推薦模型的第一組合層，將所述樣本用戶的不同類型的用戶特征的編碼向量進行組合，得到樣本用戶的用戶向量；通過所述信息推薦模型的第二組合層，將所述物品的不同類型的物品特征的編碼向量進行組合，得到樣本物品的物品向量；通過所述信息推薦模型的根據所述用戶向量和所述樣本物品之間的向量距離確定所述樣本用戶對所述樣本物品的預測評分；根據所述預測評分與所述實際評分的誤差更新所述信息推薦模型的參數，直至所述信息推薦模型的損失函數收斂。

本發明實施例提供一種信息推薦裝置，包括：接收模塊，用于接收客戶端的對應目標用戶的推薦請求；用戶向量模塊，用于提取所述目標用戶對應的不同類型的用戶特征，根據所述不同類型的用戶特征組合形成所述目標用戶的用戶向量；物品向量模塊，用于提取物品的不同類型的物品特征，根據所述不同類型的物品特征組合形成所述物品的物品向量；查詢模塊，用于根據所述物品向量與所述用戶向量之間的距離，確定與所述用戶向量的向量距離滿足條件的物品；推薦模塊，用于基于滿足條件的所述物品向所述客戶端發送對應的推薦信息。

本發明實施例提供一種信息推薦模型的訓練裝置，包括：樣本模塊，用于獲取訓練樣本集，所述訓練樣本集中的訓練樣本包括樣本用戶的不同類型特征、以及所述樣本用戶針對所述物品的實際評分；用戶編碼模塊，用于通過所述信息推薦模型的第一組合層，將所述樣本用戶的不同類型的用戶特征的編碼向量進行組合，得到樣本用戶的用戶向量；物品編碼模塊，用于通過所述信息推薦模型的第二組合層，將所述物品的不同類型的物品特征的編碼向量進行組合，得到樣本物品的物品向量；評分模塊，用于通過所述信息推薦模型的根據所述用戶向量和所述樣本物品之間的向量距離確定所述樣本用戶對所述樣本物品的預測評分；收斂模塊，用于根據所述預測評分與所述實際評分的誤差更新所述信息推薦模型的參數，直至所述信息推薦模型的損失函數收斂。