[發明專利]推薦方法、裝置、計算機設備及存儲介質

有效

• 申請號: 201911026124.6
• 申請日: 2019-10-25
• 公開（公告）號: CN110795625B
• 公開（公告）日: 2021-11-23
• 發明（設計）人: 丁子揚;馬文曄
• 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;G06Q30/06
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 邢惠童

本申請公開了一種推薦方法、裝置、計算機設備及存儲介質，屬于計算機技術領域。該方法包括：獲取第一對象的第一特征信息；基于映射模型，將第一特征信息映射至目標空間，得到第一對象在所述目標空間中對應的第一映射向量；根據目標空間中任兩個映射向量之間的距離，獲取與第一映射向量之間的距離小于預設距離的第二映射向量對應的第二對象，基于第一對象及第二對象進行推薦。該方法在已知第一對象時，將第一對象映射至目標空間，選取與第一對象屬于不同類別的第二對象進行推薦，不需要獲取除第一對象之外的其他對象，在應用時不受其他對象的限制，擴展了應用范圍。

技術領域

本申請實施例涉及計算機技術領域，特別涉及一種推薦方法、裝置、計算機設備及存儲介質。

背景技術

隨著計算機技術的發展，越來越多的用戶使用電子設備購買商品、閱讀文章或者觀看視頻等，而隨著數據規模的逐漸擴大，如何為用戶推薦用戶喜歡的商品、文章或者視頻等數據，成為亟待解決的問題。

在為用戶推薦數據時，可以選取多個數據，確定該多個數據中的任兩個數據是否相似，則獲取與用戶之前處理過的數據相似的數據，這些數據可以認為是用戶感興趣的數據，將獲取到的數據推薦給用戶。例如可以將與用戶之前購買過的商品相似的商品推薦給用戶。

采用上述方案必須要獲取多個數據的相似性以及用戶之前處理過的數據，才能進行推薦，局限性強。針對新的用戶，無法獲取用戶之前處理過的數據，也就無法為用戶推薦數據，或者針對新的數據，無法獲取到該數據與其他數據的相似性，也無法將該數據推薦給用戶，因此上述方案的應用范圍小。

發明內容

本申請實施例提供了一種推薦方法、裝置、計算機設備及存儲介質，解決了相關技術中的推薦方法局限性強和應用范圍小的問題。所述技術方案如下：

一方面，提供了一種推薦方法，所述方法包括：

獲取第一對象的第一特征信息，所述第一對象屬于用戶標識或備選數據；

基于映射模型，將所述第一特征信息映射至目標空間，得到所述第一對象在所述目標空間中對應的第一映射向量，所述目標空間中包括與用戶標識對應的用戶映射向量和與備選數據對應的數據映射向量；

根據所述目標空間中任兩個映射向量之間的距離，基于所述第一對象及第二對象進行推薦，所述第二對象在所述目標空間中對應的第二映射向量與所述第一映射向量之間的距離小于預設距離，且所述第二映射向量與所述第一映射向量屬于不同類別。

另一方面，提供了一種推薦裝置，所述裝置包括：

第一信息獲取模塊，用于獲取第一對象的第一特征信息，所述第一對象屬于用戶標識或備選數據；

第一映射模塊，用于基于映射模型，將所述第一特征信息映射至目標空間，得到所述第一對象在所述目標空間中對應的第一映射向量，所述目標空間中包括與用戶標識對應的用戶映射向量和與備選數據對應的數據映射向量；

推薦模塊，用于根據所述目標空間中任兩個映射向量之間的距離，基于所述第一對象及第二對象進行推薦，所述第二對象在所述目標空間中對應的第二映射向量與所述第一映射向量之間的距離小于預設距離，且所述第二映射向量與所述第一映射向量屬于不同類別。

可選地，所述第二推薦單元還用于基于反映射模型，對所述第二映射向量進行反映射，得到所述第二映射向量對應的第二特征信息，確定所述第二特征信息所屬的第二對象。

可選地，所述裝置還包括用于訓練所述映射模型的損失函數，包括以下至少一個：

其中，L_neck為所述映射模型的第一損失值，λ_margin為預設參數，為所述樣本標簽，為所述樣本用戶標識對應的映射向量，為所述樣本數據對應的映射向量；