[發明專利]信息推薦方法、裝置和存儲介質

有效

• 申請號: 202010794109.2
• 申請日: 2020-08-10
• 公開（公告）號: CN112052386B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 陳峭霖;龐炳之;季康
• 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;G06F16/955
• 代理公司: 深圳翼盛智成知識產權事務所(普通合伙) 44300
• 代理人: 李漢亮

本發明實施例公開了一種信息推薦方法、裝置和存儲介質；本發明實施例可以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，將用戶特征信息和游戲特征信息進行融合，再通過多標簽深度森林模型中的多個集成樹模型層依次對待預測用戶針對目標游戲的注冊行為進行預測，得到每一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最后一層時，從當前集成樹模型層的注冊概率集合中選取待預測用戶注冊目標游戲的注冊概率最大值，得到待預測用戶對目標游戲的注冊概率，再根據該注冊概率對該待預測用戶進行游戲推薦。該方案可以有效地提高預測用戶注冊游戲行為的覆蓋率，進而提高信息推薦效率。

技術領域

本發明涉及通信技術領域，具體涉及一種信息推薦方法、裝置和存儲介質。

背景技術

隨著互聯網技術的蓬勃發展，各種手機游戲、客戶端游戲開始不斷的豐富著人們的日常生活。很多游戲廠商想要從自己海量的游戲中，針對不同的用戶推薦他感興趣并可能注冊預測體驗的多款游戲。

多標簽深度森林模型(Multi-Label?Learning?with?Deep?Forest，MLDF)，是近年來提出的一種可以替代傳統的神經網絡多標簽模型的方法。該模型是一個多層模型，每一層由若干的傳統的集成樹模型構成，最后通過層級的不斷加深，實現更加準確的標簽輸出。但是在真實的游戲注冊業務中，這種方法存在著輸出少標簽甚至無標簽的結果。這主要是因為用戶游戲注冊的場景，存在極高的稀疏性，也就是用于針對海量的游戲可能只有幾個游戲注冊，從而達不到有效的標簽預測結果。

發明內容

本發明實施例提供一種信息推薦方法、裝置和存儲介質，可以有效地提高預測用戶注冊游戲行為的覆蓋率。

本發明實施例提供一種信息推薦方法，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；

基于所述原始特征信息，通過多標簽深度森林模型中的多個集成樹模型層依次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，得到每一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。

相應的，本發明實施例還提供一種信息推薦裝置，包括：

獲取單元，用于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；

融合單元，用于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；

預測單元，用于基于所述原始特征信息，通過多標簽深度森林模型中的多個集成樹模型層依次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，得到每一集成樹模型層對應的注冊概率集合；

選取單元，用于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對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；

推薦單元，用于根據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。

可選的，在一些實施例中，所述預測單元可以包括確定子單元和預測子單元，如下：

所述確定子單元，用于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；