[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

本公開是關于數據處理方法、裝置、電子設備及存儲介質。該方法包括：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；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；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。可以有效降低計算推薦度所花費的計算資源。

技術領域

本公開涉及深度學習算法技術領域，尤其涉及數據處理方法、裝置、電子設備及存儲介質。

背景技術

相關技術中，為準確向用戶推薦用戶感興趣的對象(如文章、視頻等)，可以基于授權獲取到的用戶行為，對用戶的興趣進行分析，以確定用戶對各個對象的感興趣程度，作為向用戶推薦對象時的參考依據。其中，用戶對對象的感興趣程度，可以視為向用戶推薦對象時的推薦度，推薦度可以用于判斷是否向用戶推薦對象，如果對象的推薦度較低，則可以不向用戶推薦對象，如果對象的推薦度較高，則可以向用戶推薦對象。

在對用戶的興趣進行分析的過程中，一個用戶行為的貢獻往往有限。為提高分析的準確性，可以通過大量的用戶行為，對用戶的興趣進行分析。但是通過大量的用戶行為，對用戶的興趣進行分析，可能需要花費較多的計算資源。

發明內容

為克服相關技術中存在的問題，本公開提供一數據處理方法、裝置、電子設備及存儲介質。

根據本公開實施例的第一方面，提供一種數據處理方法，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。

結合第一方面，在第一種可能的實現方式中，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。

結合第一方面的第一種可能的實現方式，在第二種可能的實現方式中，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。