[發明專利]一種數據推薦方法及裝置

有效

• 申請號: 202010910217.1
• 申請日: 2020-09-02
• 公開（公告）號: CN111949888B
• 公開（公告）日: 2023-10-10
• 發明（設計）人: 費浩峻;陳冠東;朱薔薔;宋凱;何旭
• 申請（專利權）人: 度小滿科技（北京）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F18/214;G06F18/2431;G06N3/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張靜

1.一種數據推薦方法，其特征在于，包括：

獲取數據推薦任務所需的樣本特征；

利用帕德近似模型對所述數據推薦任務所需的樣本特征進行處理，得到第一預測值，并利用神經網絡學習模型對所述數據推薦任務所需的樣本特征進行處理，得到第二預測值，并基于所述第一預測值和所述第二預測值，得到第三預測值；

基于所述第三預測值，獲得待推薦的數據；

所述帕德近似模型為預先基于第一輸入特征與第一目標值的映射關系對帕德近似算法訓練得到的模型，所述神經網絡學習模型為預先基于第二輸入特征與第二目標值的映射關系對神經網絡學習算法訓練得到的模型，所述第一輸入特征為維度高于二階的輸入特征，所述第二輸入特征為維度高于所述第一輸入特征的輸入特征。

2.根據權利要求1所述的方法，其特征在于，所述帕德近似模型包括：

帕德近似關系式一

其中，y_pade表示第一預測值，x_i表示所述數據推薦任務所需的樣本特征中的其中一個樣本特征，表示求和函數，m表示所述數據推薦任務所需的樣本特征的個數，p_0i、p_1i、…、p_ni分別表示不同維度的權重系數，q_0i、q_1i、…、q_ni分別表示不同維度的權重系數，p_0i、p_1i、…、p_ni與q_0i、q_1i、…、q_ni不同n為大于2的整數。

3.根據權利要求1所述的方法，其特征在于，所述帕德近似模型，包括：

帕德近似關系式二

其中，y_pade表示第一預測值，x_i表示所述數據推薦任務所需的樣本特征中的其中一個樣本特征，p_0i、p_1i、…、p_ni分別表示不同維度的權重系數，q_0i、q_1i、…、q_ni分別表示不同維度的權重系數，p_0i、p_1i、…、p_ni與q_0i、q_1i、…、q_ni不同，NN(x_i；{w})表示神經網絡模型，w表示不同維度的權重系數，表示求和函數，m表示所述數據推薦任務所需的樣本特征的個數，n為大于2的整數。

4.根據權利要求1-3任意一項所述的方法，其特征在于，所述獲取數據推薦任務所需的樣本特征，包括；

獲取數據推薦任務所需的樣本特征，各個所述樣本特征各自包括至少一個子特征；

從所述數據推薦任務所需的樣本特征中選取出子特征總個數不大于設定個數閾值的樣本特征，作為薄樣本特征；

從所述數據推薦任務所需的樣本特征中選取出子特征總個數大于所述設定個數閾值的樣本特征，作為厚樣本特征；

所述利用帕德近似模型對所述數據推薦任務所需的樣本特征進行處理，得到第一預測值，并利用神經網絡學習模型對所述數據推薦任務所需的樣本特征進行處理，得到第二預測值，包括：

利用帕德近似模型對各個所述薄樣本特征進行處理，得到第一預測值，并利用神經網絡學習模型對各個所述薄樣本特征進行處理，得到第二預測值；

所述基于所述第三預測值，獲得待推薦的數據，包括：

將所述厚樣本特征輸入預先訓練的XGboost模型，得到所述XGboost模型輸出的第四預測值；

基于所述第三預測值和所述第四預測值，獲得待推薦的數據。