[發明專利]信息推薦方法、裝置、服務器和存儲介質

有效

• 申請號: 202011288728.0
• 申請日: 2020-11-17
• 公開（公告）號: CN112100509B
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 朱勇椿;葛凱凱;張旭;林樂宇;莊福振
• 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
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;杜維

1.一種信息推薦方法，其特征在于，所述方法包括：

獲取目標用戶在參考領域下的參考用戶向量；

調用映射模型對所述參考用戶向量進行運算，得到所述目標用戶在目標領域下的目標用戶向量；

根據所述目標用戶向量為所述目標用戶獲取推薦信息，并將所述推薦信息在所述目標領域下進行推薦；

其中，所述映射模型的訓練過程包括預訓練過程和訓練調優過程，所述訓練調優過程中，所述映射模型為通過樣本向量集合對基礎映射模型訓練得到，所述樣本向量集合包括，樣本用戶集合在所述參考領域下的參考樣本向量集合和在所述目標領域下的目標樣本向量集合；所述預訓練過程中，所述基礎映射模型為通過K組訓練向量集合對初始映射模型訓練得到，所述K組訓練向量集合包括，訓練用戶集合在K個領域中每個領域下的訓練向量集合，K為正整數，所述通過K組訓練向量集合對初始映射模型訓練的方式包括：對所述K組訓練向量集合進行組合，得到M個向量集合組合，所述每個向量集合組合中包括，所述K組訓練向量集合中任意兩組訓練向量集合，通過所述M個向量集合組合中各個向量集合組合對初始映射模型進行訓練，M為正整數。

2.根據權利要求1所述的方法，其特征在于，所述獲取目標用戶在參考領域下的參考用戶向量之前，所述方法還包括：

獲取對目標用戶進行信息推薦的目標領域；

從領域集合中篩選出與所述目標領域相匹配的參考領域；

獲取與所述目標領域和所述參考領域存在交互的樣本用戶集合，并確定所述樣本用戶集合對應的樣本向量集合，所述樣本向量集合包括，所述樣本用戶集合在所述參考領域下的參考樣本向量集合和在所述目標領域下的目標樣本向量集合；

通過所述樣本用戶集合對應的樣本向量集合對基礎映射模型訓練，得到映射模型。

3.根據權利要求2所述的方法，其特征在于，所述從領域集合中篩選出與所述目標領域相匹配的參考領域，包括：

獲取目標領域的目標領域特征和領域集合中各個待選領域的待選領域特征，所述各個待選領域中存儲有與所述目標用戶的交互數據；

確定所述目標領域特征和所述各個待選領域的待選領域特征之間的相似度，并篩選出與所述目標領域特征之間的相似度滿足預設條件的目標待選領域特征；

將所述目標待選領域特征對應的領域確定為與所述目標領域相匹配的參考領域。

4.根據權利要求2所述的方法，其特征在于，所述通過所述樣本用戶集合對應的樣本向量集合對基礎映射模型訓練，得到映射模型，包括：

從所述樣本用戶集合中篩選出N組子樣本用戶集合，并從所述樣本向量集合確定出每組子樣本用戶集合對應的向量集合，所述每組子樣本用戶集合對應的向量集合包括，所述每組子樣本用戶集合在所述參考領域下的參考子樣本向量集合和在所述目標領域下的目標子樣本向量集合，N為正整數；

基于所述每組子樣本用戶集合對應的向量集合對基礎映射模型進行訓練，得到N個調試參數；

基于所述N個調試參數對所述基礎映射模型中的模型參數進行更新；

若模型參數更新后的基礎映射模型滿足預設條件，則將所述模型參數更新后的基礎映射模型確定為映射模型，所述預設條件包括，所述基礎映射模型對于所述每組子樣本用戶集合對應的向量集合中各個向量的映射準確率高于預設準確率。

5.根據權利要求4所述的方法，其特征在于，基于所述N組子樣本用戶集合中的任意一組目標子樣本用戶集合對應的向量集合對基礎映射模型進行訓練，得到一個目標調試參數的方式包括：

對所述目標子樣本用戶集合進行拆分處理，得到第一目標子樣本用戶集合和第二目標子樣本用戶集合；

從所述目標子樣本用戶集合對應的向量集合中獲取所述第一目標子樣本用戶集合對應的第一向量集合，以及所述第二目標子樣本用戶集合對應的第二向量集合；

基于所述第一向量集合對所述基礎映射模型進行訓練，得到第一損失值，并基于所述第一損失值將所述基礎映射模型的模型參數由第一參數更新為第二參數；

基于所述第二向量集合對模型參數更新為第二參數后的基礎映射模型進行訓練，得到第二損失值；

基于所述第二損失值和所述第一參數確定所述目標子樣本用戶集合對應的目標調試參數。