[發明專利]基于人工智能的推薦信息推薦方法、裝置及電子設備

有效

• 申請號: 202010905089.1
• 申請日: 2020-09-01
• 公開（公告）號: CN111767466B
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 嚴超
• 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;G06N20/00;G06Q30/02
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 趙翠萍;張穎玲

1.一種基于人工智能的推薦信息推薦方法，其特征在于，包括：

獲取待接收推薦信息的對象的對象特征，并獲取符合所述對象特征的推薦信息；其中，所述推薦信息包括多個推薦模式；

針對應用所述推薦模式的所述推薦信息，確定歷史推薦記錄中的歷史對象特征與歷史推薦結果之間的關聯關系；

根據所述對象特征、以及所述推薦模式對應的關聯關系進行預測處理，得到所述推薦模式的預測推薦結果的置信區間界限；

根據所述置信區間界限對多個所述推薦模式進行篩選處理，并

根據應用有篩選出的推薦模式的所述推薦信息，執行針對所述對象的推薦操作。

2.根據權利要求1所述的推薦信息推薦方法，其特征在于，所述根據所述置信區間界限對多個所述推薦模式進行篩選處理，包括：

在多個所述推薦模式的置信區間界限的降序排序中，將排序在前的第一設定數量的推薦模式，確定為候選推薦模式；其中，所述第一設定數量為大于1的整數；

根據所述對象特征、所述推薦信息的內容特征、所述推薦信息的展示位置特征、以及所述候選推薦模式的素材特征進行預測處理，并

對得到的預測觸發率和預測轉化率進行融合處理，得到第一評分；

根據所述第一評分，對所述候選推薦模式進行篩選處理，得到一個推薦模式以作為篩選出的推薦模式。

3.根據權利要求2所述的推薦信息推薦方法，其特征在于，所述根據所述第一評分，對所述候選推薦模式進行篩選處理，得到一個推薦模式以作為篩選出的推薦模式，包括：

將所述候選推薦模式中曝光量小于或等于曝光量閾值的推薦模式，添加至第一集合，并

將所述候選推薦模式中曝光量大于所述曝光量閾值的推薦模式，添加至第二集合；

根據選擇概率對所述第一集合和所述第二集合進行選擇處理；其中，所述第一集合的選擇概率與所述第二集合的選擇概率的加和為1；

當選擇的所述第一集合為非空集合、或者所述第二集合為空集合時，對所述第一集合內的推薦模式的第一評分進行歸一化處理，得到歸一化概率，并

根據所述歸一化概率，對所述第一集合內的推薦模式進行選擇處理，得到一個推薦模式以作為篩選出的推薦模式；

當選擇的所述第二集合為非空集合、或者所述第一集合為空集合時，將所述第二集合內的、第一評分最高的推薦模式，作為篩選出的推薦模式。

4.根據權利要求2所述的推薦信息推薦方法，其特征在于，所述根據應用有篩選出的推薦模式的所述推薦信息，執行針對所述對象的推薦操作，包括：

在多個所述推薦信息的、篩選出的推薦模式的第一評分的降序排序中，將排序在前的第二設定數量的推薦信息，確定為目標推薦信息；其中，所述第二設定數量為大于0的整數；

根據應用有篩選出的推薦模式的所述目標推薦信息，執行針對所述對象的推薦操作。

5.根據權利要求2所述的推薦信息推薦方法，其特征在于，還包括：

通過人工智能模型，對歷史推薦記錄中的歷史對象特征、樣本推薦信息的內容特征、所述樣本推薦信息的展示位置特征、以及應用的推薦模式的素材特征進行預測處理，得到預測結果；

根據所述預測結果與歷史推薦結果之間的差異，更新所述人工智能模型的權重參數；

其中，所述預測結果為預測觸發率及預測轉化率中的任意一種；更新后的所述人工智能模型用于對所述對象特征、所述推薦信息的內容特征、所述推薦信息的展示位置特征、以及所述候選推薦模式的素材特征進行預測處理。