[發明專利]信息推薦方法、裝置、設備及計算機可讀存儲介質

在審

• 申請號: 202011131347.1
• 申請日: 2020-10-21
• 公開（公告）號: CN112163165A
• 公開（公告）日: 2021-01-01
• 發明（設計）人: 張晗;馬連洋;衡陣
• 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;G06F16/735
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 崔曉嵐;張穎玲

1.一種信息推薦方法，其特征在于，包括：

獲取待推薦信息集合中的每一待推薦信息的至少一個第一類特征和至少一個第二類特征；

對所述至少一個第一類特征進行特征交叉處理，得到第一預測分；

對所述至少一個第二類特征進行特征融合處理，得到第二預測分；

對所述第一預測分和所述第二預測分進行預測結果變換處理，得到所述待推薦信息的傾向性得分；

根據每一所述待推薦信息的所述傾向性得分，將所述待推薦信息集合中的至少一條待推薦信息推薦給目標對象。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

確定所述目標對象的屬性信息；

獲取具有所述屬性信息的對象所形成的對象集合、和與所述對象集合中的對象之間具有交互信息的推薦信息所形成的推薦信息集合；

對于所述推薦信息集合中的每一所述推薦信息，獲取所述對象集合中每一對象與所述推薦信息之間的互動數據；

對所述互動數據進行聚合，得到所述對象集合中的對象針對于每一所述推薦信息的互動概率；

根據所述互動概率，在所述推薦信息集合中選擇出至少一條推薦信息作為待推薦信息，以形成所述待推薦信息集合。

3.根據權利要求2所述的方法，其特征在于，所述互動數據至少包括對所述推薦信息的曝光次數、點擊次數和瀏覽時長；

所述對所述互動數據進行聚合，得到所述對象集合中的對象針對于每一所述推薦信息的互動概率，包括：

對所述曝光次數、所述點擊次數和所述瀏覽時長進行聚合，得到針對于每一所述推薦信息的平均點擊率和平均瀏覽時長；

將所述平均點擊率和所述平均瀏覽時長中的任意一個，確定為所述推薦信息的互動概率。

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：

根據所述推薦信息集合中的每一所述推薦信息的所述平均點擊率，確定所述對象集合中的全部對象所對應的總平均點擊率；

根據所述推薦信息集合中的每一所述推薦信息的所述平均瀏覽時長，確定所述對象集合中的全部對象所對應的總平均瀏覽時長；

所述根據所述互動概率，在所述推薦信息集合中選擇出至少一條推薦信息作為待推薦信息，包括：

在所述推薦信息集合中，選擇出所述平均點擊率大于所述總平均點擊率的推薦信息作為所述待推薦信息；或者，

在所述推薦信息集合中選擇出平均瀏覽時長大于所述總平均瀏覽時長的推薦信息作為所述待推薦信息。

5.根據權利要求1所述的方法，其特征在于，所述第一類特征包括信息類別特征、信息長度特征和信息質量特征中的至少一種；

所述對所述至少一個第一類特征進行特征交叉處理，得到第一預測分，包括：

對所述信息類別特征中的一級類別特征和二級類別特征分別進行編碼處理，對應得到一級類別特征向量和二級類別特征向量；

對所述信息長度特征依次進行離散化處理和編碼處理，得到信息長度特征向量；

對所述信息質量特征進行編碼處理，得到信息質量特征向量；

采用因子分解機對所述一級類別特征向量、所述二級類別特征向量、所述信息長度特征向量和所述信息質量特征向量中的至少一種進行所述交叉處理，得到所述第一預測分。

6.根據權利要求5所述的方法，其特征在于，所述對所述信息質量特征進行編碼處理，得到信息質量特征向量，包括：

獲取針對于所述待推薦信息的預先打分值；

對所述預先打分值進行所述編碼處理，得到所述信息質量特征向量。

7.根據權利要求1所述的方法，其特征在于，所述第二類特征至少包括文本特征和圖像特征；

所述對所述至少一個第二類特征進行特征融合處理，得到第二預測分，包括：

根據所述文本特征確定至少一個詞；

獲取每一詞的詞嵌入向量；

將所述詞嵌入向量的平均值，確定為所述文本特征的編碼向量；

對所述圖像特征進行圖像特征提取，得到圖像特征向量；

基于注意力機制，對所述編碼向量和所述圖像特征向量進行所述特征融合處理，得到所述第二預測分。