[發(fā)明專利]信息推薦方法、裝置、計算機設(shè)備及介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011288944.5
• 申請日: 2020-11-17
• 公開（公告）號: CN112328909B
• 公開（公告）日: 2021-07-02
• 發(fā)明（設(shè)計）人: 劉波
• 申請（專利權(quán)）人: 中國平安人壽保險股份有限公司
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06F16/951;G06F16/906;G06N20/10
• 代理公司: 深圳市世聯(lián)合知識產(chǎn)權(quán)代理有限公司 44385
• 代理人: 汪琳琳

本發(fā)明涉及通信領(lǐng)域，公開了一種信息推薦方法、裝置、計算機設(shè)備及介質(zhì)，所述方法包括：通過采集每個用戶的初始數(shù)據(jù)，并對所述初始數(shù)據(jù)進行數(shù)據(jù)預(yù)處理和穩(wěn)定性評估，得到穩(wěn)定數(shù)據(jù)，進而通過穩(wěn)定數(shù)據(jù)中包含的特征進行特征衍生，得到衍生特征，并通過機器學(xué)習(xí)的方式，對衍生特征進行特征值的預(yù)測，進而根據(jù)預(yù)測到的數(shù)值對衍生特征的數(shù)值進行補充，得到補充后的數(shù)據(jù)，并將補充后的數(shù)據(jù)和穩(wěn)定數(shù)據(jù)一起作為目標(biāo)數(shù)據(jù)，加入到目標(biāo)數(shù)據(jù)集中，基于目標(biāo)數(shù)據(jù)集，采用召回和排序的方式，對用戶偏好進行預(yù)測，進而根據(jù)預(yù)測的用戶偏好和業(yè)務(wù)策略，確定推薦信息并推送給用戶，本發(fā)明提高了信息推薦的精準(zhǔn)程度。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及一種信息推薦方法、裝置、計算機設(shè)備及介質(zhì)。

背景技術(shù)

在現(xiàn)有的信息推薦領(lǐng)域中，當(dāng)我們向用戶進行信息推薦的時候，傳統(tǒng)的做法是根據(jù)已有的用戶填寫信息(包括但不限于年齡、性別、收入、職業(yè)等信息)和用戶歷史行為數(shù)據(jù)進行推薦。在這種模式下，一般優(yōu)化的目標(biāo)都是單一的，即任務(wù)都是單一場景下的目標(biāo)優(yōu)化。在實際場景中，關(guān)注的優(yōu)化目標(biāo)都是某一特定的指標(biāo)，例如用戶的點擊率、購買率、曝光率、轉(zhuǎn)發(fā)量等。

當(dāng)產(chǎn)品信息需要面向不同用戶性別、年齡、地域進行精準(zhǔn)個性化推薦時，尤其是在用戶為游客身份或者新用戶身份(用戶屬性信息幾乎空白)時，推薦的難度將大大加大。傳統(tǒng)做法采取協(xié)同過濾(基于用戶的協(xié)同過濾、基于物品的協(xié)同過濾、基于內(nèi)容的推薦)算法，這些做法存在推薦結(jié)果的個性化較弱、較寬泛，傾向于推薦同類商品，推薦的精準(zhǔn)程度不高，因而，亟需一種精準(zhǔn)的信息推薦方法。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種信息推薦方法、裝置、計算機設(shè)備和存儲介質(zhì)，以提高信息推薦的精準(zhǔn)程度。

為了解決上述技術(shù)問題，本申請實施例提供一種信息推薦方法，包括：

采集每個用戶的初始數(shù)據(jù)，并對所述初始數(shù)據(jù)進行數(shù)據(jù)預(yù)處理和穩(wěn)定性評估，得到穩(wěn)定數(shù)據(jù)，其中，獲取所述穩(wěn)定數(shù)據(jù)包含的特征為穩(wěn)定特征；

采用特征衍生的方式，對所述穩(wěn)定特征進行特征衍生處理，得到衍生特征；

通過采用機器學(xué)習(xí)的方式，對所述衍生特征中缺失的特征值進行信息預(yù)測，得到預(yù)測結(jié)果；

根據(jù)預(yù)測結(jié)果對所述缺失的特征值進行填充，得到填充后的數(shù)據(jù)，將所述填充后的數(shù)據(jù)和所述穩(wěn)定數(shù)據(jù)作為目標(biāo)數(shù)據(jù)，并將所述目標(biāo)數(shù)據(jù)存入到目標(biāo)數(shù)據(jù)集中；

針對所述目標(biāo)數(shù)據(jù)集的任一目標(biāo)數(shù)據(jù)，將所述目標(biāo)數(shù)據(jù)和每個召回方法輸入到預(yù)設(shè)的推薦模型中，通過所述預(yù)設(shè)的推薦模型，對每個召回方法進行打分，得到預(yù)測分值；

按照所述預(yù)測分值由大到小的順序排序，并從排序后的所述預(yù)測分值中，依次選取預(yù)設(shè)數(shù)量的召回方法加入到召回方法序列；

根據(jù)預(yù)設(shè)的推薦條件，結(jié)合所述召回方法序列，生成推薦信息，將所述推薦信息推薦給所述目標(biāo)數(shù)據(jù)對應(yīng)的用戶。

可選地，所述對所述初始數(shù)據(jù)進行數(shù)據(jù)預(yù)處理和穩(wěn)定性評估，得到穩(wěn)定數(shù)據(jù)包括：

對所述初始數(shù)據(jù)按照預(yù)設(shè)標(biāo)簽類型進行分類，得到初始類別信息。

對每個所述初始類別信息進行缺失值處理，得到基礎(chǔ)類別信息，其中，每個基礎(chǔ)類別信息至少包括一個基礎(chǔ)特征；

計算每個基礎(chǔ)類別信息的基礎(chǔ)特征的穩(wěn)定度，篩選出穩(wěn)定度超過預(yù)設(shè)穩(wěn)定度閾值的基礎(chǔ)特征，作為穩(wěn)定特征，將包含的基礎(chǔ)特征均為穩(wěn)定特征的基礎(chǔ)類別信息，作為穩(wěn)定數(shù)據(jù)。

可選地，其特征在于，所述計算每個基礎(chǔ)類別信息的基礎(chǔ)特征的穩(wěn)定度，篩選出穩(wěn)定度超過預(yù)設(shè)穩(wěn)定度閾值的基礎(chǔ)特征，作為穩(wěn)定特征包括：

計算每個基礎(chǔ)特征的信息值IV，并根據(jù)所述信息值IV進行特征篩選，得到關(guān)鍵特征；