[發明專利]數據處理方法、裝置、電子設備及存儲介質

在審

• 申請號: 201910364590.9
• 申請日: 2019-04-30
• 公開（公告）號: CN111859097A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 常超;劉京鑫;肖戰勇;陳禎揚
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/04;G06N3/08
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 李欣;丁蕓

1.一種數據處理方法，其特征在于，所述方法包括：

獲取表示同一用戶的多個行為特征，每個所述行為特征表示該用戶針對對象發生的用戶行為；

確定所述多個行為特征的均值，作為行為特征均值；

確定每個所述行為特征，與行為特征均值的相似度，作為第一相似度；

確定每個所述行為特征所對應的對象的對象特征，與待推薦對象的對象特征的相似度，作為第二相似度，其中，所對應的對象為所述行為特征所表示的用戶行為所針對的對象；

基于所述第一相似度和所述第二相似度，確定每個行為特征與所述待推薦對象的關聯程度，所述關聯程度與所述第一相似度正相關，并且與所述第二相似度正相關；

從所述多個行為特征中，選取所述關聯程度滿足預設篩選條件的行為特征，作為目標行為特征；

基于所述目標行為特征，確定所述待推薦對象的推薦度。

2.根據權利要求1所述的方法，其特征在于，所述確定每個所述行為特征，與行為特征均值的相似度，作為第一相似度，包括：

將所述多個行為特征的特征向量，與所述多個行為特征所表示的用戶行為的時間參數量化后相加，得到所述用戶的行為特征矩陣，其中，所述時間參數用于表示用戶行為的發生時間與當前時間的時間差；

將所述行為特征矩陣與自身進行矩陣叉乘，得到每個行為特征的第一相似度。

3.根據權利要求2所述的方法，其特征在于，所述確定所述每個所述行為特征，所表示的用戶行為針對的對象的對象特征，與待推薦對象的對象特征的相似度，作為第二相似度，包括：

基于所述行為特征矩陣的維度，對待推薦對象的對象特征的對象特征向量的維度進行擴展，得到對象特征矩陣；

將所述行為特征矩陣，與所述對象特征矩陣進行矩陣點乘，得到第二相似度。

4.根據權利要求1所述的方法，其特征在于，所述從所述多個行為特征中，選取所述關聯程度滿足預設篩選條件的用戶行為，作為目標行為特征，包括：

從所述多個行為特征中，選取按照所述關聯程度由高到低排序時位于前預設數目個的行為特征，作為目標行為特征；或者，

從所述多個行為特征中，選取所述關聯程度高于預設關聯程度閾值的行為特征，作為目標行為特征。

5.根據權利要求1所述的方法，其特征在于，所述待推薦對象為向所述用戶提供的服務內容信息，所述服務內容信息包括視頻信息、書籍信息、廣告信息、商品信息中的一個或多個。

6.根據權利要求1所述的方法，其特征在于，所述基于所述目標行為特征，確定所述待推薦對象的推薦度，包括：

將所述目標行為特征與所述待推薦對象的對象特征，輸入預先經過的訓練的模型，得到所述模型的輸出，作為所述待推薦對象的推薦度。

7.一種數據處理裝置，其特征在于，包括：

行為獲取模塊，被配置為執行獲取表示同一用戶的多個行為特征，每個所述行為特征表示該用戶針對對象發生的用戶行為；

均值模塊，被配置為執行確定所述多個行為特征的均值，作為行為特征均值；

第一相似度模塊，被配置為執行確定每個所述行為特征，與行為特征均值的相似度，作為第一相似度；

第二相似度模塊，被配置為執行確定每個所述行為特征所對應的對象的對象特征，與待推薦對象的對象特征的相似度，作為第二相似度，其中，所對應的對象為所述行為特征所表示的用戶行為所針對的對象；

對象關聯模塊，被配置為執行基于所述第一相似度和所述第二相似度，確定每個行為特征與所述待推薦對象的關聯程度，所述關聯程度與所述第一相似度正相關，并且與所述第二相似度正相關；

行為篩選模塊，被配置為執行從所述多個行為特征中，選取所述關聯程度滿足預設篩選條件的行為特征，作為目標行為特征；

對象推薦模塊，被配置為執行基于所述目標行為特征，確定所述待推薦對象的推薦度。