[發明專利]信息處理方法、信息處理裝置、存儲介質與電子設備

在審

• 申請號: 202011609293.5
• 申請日: 2020-12-30
• 公開（公告）號: CN112632389A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 莊正中
• 申請（專利權）人: 廣州博冠信息科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 王輝;闞梓瑄

本公開提供了一種信息處理方法、信息處理裝置、計算機可讀存儲介質與電子設備，屬于計算機技術領域。所述方法包括：獲取與目標用戶關聯的歷史推薦對象的第一特征向量，以及待推薦對象的第二特征向量；確定所述歷史推薦對象的衰減時間，根據所述衰減時間計算所述歷史推薦對象的當前熱度；根據所述第一特征向量、所述第二特征向量和所述歷史推薦對象的當前熱度，確定所述歷史推薦對象的注意力權重；利用所述注意力權重對所述第一特征向量進行加權處理，得到所述歷史推薦對象的目標特征向量；對所述目標特征向量和所述第二特征向量進行處理，得到所述目標用戶與所述待推薦對象的匹配度。本公開可以提高信息推送的準確率。

技術領域

本公開涉及計算機技術領域，尤其涉及一種信息處理方法、信息處理裝置、計算機可讀存儲介質與電子設備。

背景技術

為了向用戶提供更為優質的服務，諸多互聯網廠商都試圖通過推薦方法向用戶推送其感興趣的信息。

在現有的推薦方法中，通常會引入各個維度的用戶行為數據，構成時間序列數據，將按照時間戳進行降序排列后的時間序列數據作為用戶的特征數據，然后將該特征數據進行向量化，并將向量化的特征數據進行融合，得到用戶對推薦信息的興趣度。然而，這種方法是在各推薦信息對用戶興趣度貢獻相同的基礎上進行分析的，但實際上并不是這樣，用戶對推薦信息的興趣并不一致，例如，用戶偶然選擇過某種信息，并不能說明用戶便對這種信息具有興趣。因此，用戶的推薦準確率并不高。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開提供了一種信息處理方法、信息處理裝置、計算機可讀存儲介質與電子設備，進而至少在一定程度上改善現有技術信息推薦準確率較低的問題。

本公開的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習得。

根據本公開的第一方面，提供一種信息處理方法，所述方法包括：獲取與目標用戶關聯的歷史推薦對象的第一特征向量，以及待推薦對象的第二特征向量；確定所述歷史推薦對象的衰減時間，根據所述衰減時間計算所述歷史推薦對象的當前熱度，其中，所述衰減時間為所述目標用戶與所述歷史推薦對象的交互時間距離當前時間的時間間隔；根據所述第一特征向量、所述第二特征向量和所述歷史推薦對象的當前熱度，確定所述歷史推薦對象的注意力權重；利用所述注意力權重對所述第一特征向量進行加權處理，得到所述歷史推薦對象的目標特征向量；對所述目標特征向量和所述第二特征向量進行處理，得到所述目標用戶與所述待推薦對象的匹配度。

在本公開的一種示例性實施方式中，所述獲取與目標用戶關聯的歷史推薦對象的第一特征向量，以及待推薦對象的第二特征向量，包括：利用嵌入矩陣提取所述歷史推薦對象的嵌入特征和所述待推薦對象的嵌入特征；通過所述歷史推薦對象的嵌入特征確定所述歷史推薦對象的第一特征向量；以及通過所述待推薦對象的嵌入特征確定所述待推薦對象的第二特征向量。

在本公開的一種示例性實施方式中，所述確定所述歷史推薦對象的衰減時間，根據所述衰減時間計算所述歷史推薦對象的當前熱度，包括：根據所述衰減時間對所述目標用戶關于所述歷史推薦對象的初始熱度進行衰減計算，得到所述歷史推薦對象的當前熱度。

在本公開的一種示例性實施方式中，所述根據所述衰減時間對所述目標用戶關于所述歷史推薦對象的初始熱度進行衰減計算，得到所述歷史推薦對象的當前熱度，包括：構造所述歷史推薦對象的熱度衰減函數，通過所述熱度衰減函數計算所述歷史推薦對象的當前熱度。

在本公開的一種示例性實施方式中，所述構造所述歷史推薦對象的熱度衰減函數，通過所述熱度衰減函數計算所述歷史推薦對象的當前熱度，包括：通過以下公式計算所述歷史推薦對象的當前熱度：

V＝V₀·(k+e^-α·△t)+b