[發(fā)明專利]信息推薦方法、裝置和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010794109.2
• 申請日: 2020-08-10
• 公開（公告）號: CN112052386B
• 公開（公告）日: 2023-09-29
• 發(fā)明（設計）人: 陳峭霖;龐炳之;季康
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/955
• 代理公司: 深圳翼盛智成知識產(chǎn)權(quán)事務所(普通合伙) 44300
• 代理人: 李漢亮

1.一種信息推薦方法，其特征在于，包括：

獲取待預測用戶的用戶特征信息、以及目標游戲的游戲特征信息；

將所述用戶特征信息和所述游戲特征信息進行融合，得到原始特征信息；

從多標簽深度森林模型中的多個集成樹模型層確定當前集成樹模型層；

基于所述原始特征信息，采用當前集成樹模型層對所述待預測用戶針對所述目標游戲的注冊行為進行預測，得到所述當前集成樹模型層對應的注冊概率集合；

在當前集成樹模型層為所述多標簽深度森林模型中最后一層時，從所述當前集成樹模型層的注冊概率集合中選取所述待預測用戶注冊所述目標游戲的注冊概率最大值，得到所述待預測用戶對所述目標游戲的注冊概率；

根據(jù)所述待預測用戶對所述目標游戲的注冊概率對所述待預測用戶進行游戲推薦。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述原始特征信息，采用當前集成樹模型層對所述待預測用戶針對所述目標游戲的注冊行為進行預測，包括：

當所述當前集成樹模型層為第一集成樹模型層時，將原始特征信息輸入至當前集成樹模型層，對所述待預測用戶針對所述目標游戲的注冊行為進行預測；

當所述當前集成樹模型層不為第一集成樹模型層時，將上一集成樹模型層的注冊概率集合和原始特征信息輸入至當前集成樹模型層，對所述待預測用戶針對所述目標游戲的注冊行為進行預測。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述當所述當前集成樹模型層不為第一集成樹模型層時，將上一集成樹模型層的注冊概率集合和原始特征信息輸入至當前集成樹模型層，包括：

當所述當前集成樹模型層為第二集成樹模型層時，將第一集成樹模型層的注冊概率集合和原始特征信息進行融合，得到融合后特征信息，將所述融合后特征信息輸入至當前集成樹模型層；

當所述當前集成樹模型層不為第二集成樹模型層時，基于歷史集成樹模型層的注冊概率集合對上一集成樹模型層的注冊概率集合進行更新，得到更新后注冊概率集合，將更新后注冊概率集合和原始特征信息進行融合，得到融合后特征信息，將所述融合后特征信息輸入至當前集成樹模型層。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于歷史集成樹模型層的注冊概率集合對上一集成樹模型層的注冊概率集合進行更新，得到更新后注冊概率集合，包括：

確定所述上一集成樹模型層的特征復用函數(shù)，其中，每個集成樹模型層的特征復用函數(shù)基于所述多標簽深度森林模型的訓練確定；

基于所述特征復用函數(shù)將所述歷史集成樹模型層的注冊概率集合與上一集成樹模型層的注冊概率集合進行特征映射，生成更新后注冊概率集合。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述集成樹模型層包括多個集成樹模型，所述在當前集成樹模型層為所述多標簽深度森林模型中最后一層時，從所述當前集成樹模型層的注冊概率集合中選取所述待預測用戶注冊所述目標游戲的注冊概率最大值，得到所述待預測用戶對所述目標游戲的注冊概率，包括：

在當前集成樹模型層為所述多標簽深度森林模型中最后一層時，所述當前集成樹模型層中每個集成樹模型輸出所述待預測用戶注冊所述目標游戲的注冊概率；

從多個集成樹模型輸出的所述待預測用戶注冊所述目標游戲的注冊概率中獲取注冊概率最大值；

將所述注冊概率最大值確定為所述待預測用戶對所述目標游戲的注冊概率。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述用戶特征信息和所述游戲特征信息進行融合，得到原始特征信息之前，還包括：

獲取多組樣本用戶和樣本游戲；

分別將所述樣本用戶和樣本游戲進行特征提取，得到用戶特征樣本和游戲特征樣本；

利用所述用戶特征樣本和游戲特征樣本對預設多標簽森林模型進行訓練，得到多標簽深度森林模型。