[發(fā)明專利]一種對象推薦方法、裝置、設(shè)備及介質(zhì)

在審

• 申請?zhí)枺?/td>: 201911229205.6
• 申請日: 2019-12-04
• 公開（公告）號: CN111143543A
• 公開（公告）日: 2020-05-12
• 發(fā)明（設(shè)計）人: 張志偉;林靖
• 申請（專利權(quán)）人: 北京達(dá)佳互聯(lián)信息技術(shù)有限公司
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06F16/35;G06K9/62;G06F40/284
• 代理公司: 北京同達(dá)信恒知識產(chǎn)權(quán)代理有限公司 11291
• 代理人: 孟柯

1.一種對象推薦方法，其特征在于，所述方法包括：

確定待向終端中當(dāng)前賬戶展示的多個對象；

利用預(yù)先訓(xùn)練的對象排序模型確定所述多個對象中每個對象展示后被選中的選擇評價參數(shù)，其中，所述對象排序模型是基于預(yù)先確定的所述當(dāng)前賬戶的屬性特征、所述當(dāng)前賬戶歷史搜索文本的文本特征、為所述當(dāng)前賬戶歷史展示對象的對象特征以及所述當(dāng)前賬戶對歷史展示對象的選擇結(jié)果訓(xùn)練生成的，所述選擇評價參數(shù)表征所述對象與所述當(dāng)前賬戶對歷史展示對象的選擇結(jié)果為選中的全部對象的相關(guān)度；

基于每個對象展示后被選中的選擇評價參數(shù)，確定所述多個對象的展示順序，并以所述展示順序向所述當(dāng)前賬戶推薦所述多個對象。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多個對象為與所述當(dāng)前賬戶輸入的用于搜索對象的搜索文本相匹配的對象。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述預(yù)先訓(xùn)練的對象排序模型采用如下步驟訓(xùn)練：

將預(yù)先確定的所述當(dāng)前賬戶的屬性特征、所述當(dāng)前賬戶歷史搜索文本的文本特征、為所述當(dāng)前賬戶歷史展示對象的對象特征作為第一深度神經(jīng)網(wǎng)絡(luò)模型的輸入特征，并將所述當(dāng)前賬戶對歷史展示對象的選擇結(jié)果作為所述第一深度神經(jīng)網(wǎng)絡(luò)模型輸出特征，對所述第一深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，將訓(xùn)練生成的第一深度神經(jīng)網(wǎng)絡(luò)模型作為所述對象排序模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述預(yù)先確定的所述當(dāng)前賬戶的屬性特征、所述當(dāng)前賬戶歷史搜索文本的文本特征、為所述當(dāng)前賬戶歷史展示對象的對象特征采用如下步驟確定：

從所述當(dāng)前賬戶的賬戶日志中獲取所述當(dāng)前賬戶標(biāo)識ID、所述當(dāng)前賬戶歷史搜索文本、為所述當(dāng)前賬戶歷史展示對象的對象ID、以及所述當(dāng)前賬戶對歷史展示對象的選擇結(jié)果；

利用預(yù)先訓(xùn)練的第二深度神經(jīng)網(wǎng)絡(luò)模型對所述對象ID所標(biāo)識的對象進(jìn)行分類，確定所述當(dāng)前賬戶的屬性特征和所述對象ID所標(biāo)識對象的對象特征，其中，所述第二深度神經(jīng)網(wǎng)絡(luò)模型是基于所述當(dāng)前賬戶ID、為所述當(dāng)前賬戶歷史展示對象、以及所述當(dāng)前賬戶對歷史展示對象的選擇結(jié)果訓(xùn)練生成的；

對所述當(dāng)前賬戶歷史搜索文本進(jìn)行分詞處理，將分詞后得到多個詞的平均詞向量作為所述當(dāng)前賬戶歷史搜索文本的文本特征。

5.一種對象推薦裝置，其特征在于，所述裝置包括：

確定單元，被配置為執(zhí)行確定待向終端中當(dāng)前賬戶展示的多個對象；

處理單元，被配置為執(zhí)行利用預(yù)先訓(xùn)練的對象排序模型確定所述多個對象中每個對象展示后被選中的選擇評價參數(shù)，其中，所述對象排序模型是基于預(yù)先確定的所述當(dāng)前賬戶的屬性特征、所述當(dāng)前賬戶歷史搜索文本的文本特征、為所述當(dāng)前賬戶歷史展示對象的對象特征以及所述當(dāng)前賬戶對歷史展示對象的選擇結(jié)果訓(xùn)練生成的，所述選擇評價參數(shù)表征所述對象與所述當(dāng)前賬戶對歷史展示對象的選擇結(jié)果為選中的全部對象的相關(guān)度；

展示單元，被配置為執(zhí)行基于每個對象展示后被選中的選擇評價參數(shù)，確定所述多個對象的展示順序，并以所述展示順序向所述當(dāng)前賬戶推薦所述多個對象。

6.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述多個對象為與所述當(dāng)前賬戶輸入的用于搜索對象的搜索文本相匹配的對象。

7.根據(jù)權(quán)利要求5或6所述的裝置，其特征在于，所述處理單元被配置為預(yù)先采用如下步驟訓(xùn)練所述對象排序模型：

將預(yù)先確定的所述當(dāng)前賬戶的屬性特征、所述當(dāng)前賬戶歷史搜索文本的文本特征、為所述當(dāng)前賬戶歷史展示對象的對象特征作為第一深度神經(jīng)網(wǎng)絡(luò)模型的輸入特征，并將所述當(dāng)前賬戶對歷史展示對象的選擇結(jié)果作為所述第一深度神經(jīng)網(wǎng)絡(luò)模型輸出特征，對所述第一深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，將訓(xùn)練生成的第一深度神經(jīng)網(wǎng)絡(luò)模型作為所述對象排序模型。