[發明專利]推薦方法、裝置、設備及存儲介質

在審

• 申請號: 202011612465.4
• 申請日: 2020-12-30
• 公開（公告）號: CN112733014A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 李玥亭;劉宇濤;崔光范;趙明明;王海梁;黃佑夫
• 申請（專利權）人: 上海眾源網絡有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/435;G06F16/44;G06K9/62
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 張麗穎;劉蔓莉

1.一種推薦方法，其特征在于，所述方法包括：

獲取當前用戶的歷史行為信息；

根據所述歷史行為信息，判斷所述用戶是否屬于互動群體；

當判定所述用戶屬于所述互動群體時，獲取所述用戶的第一特征，根據所述第一特征，對所述用戶推薦第一多媒體數據；

其中，所述第一特征為所述用戶的互動行為，以及所述用戶對應的多媒體特征。

2.根據權利要求1所述的推薦方法，其特征在于，所述方法還包括：

當判定所述用戶不屬于所述互動群體時，獲取所述用戶的第二特征，根據所述第二特征，對所述用戶推薦第二多媒體數據；

其中，所述第二特征為所述用戶的用戶畫像、用戶行為以及所述用戶對應的多媒體特征。

3.根據權利要求1或2所述的推薦方法，其特征在于，根據所述歷史行為信息，判斷所述用戶是否屬于互動群體，包括：

將所述歷史行為信息輸入至判別模型，通過所述判別模型提取所述歷史行為信息對應的所述用戶的互動行為，根據所述互動行為判斷所述用戶是否屬于所述互動群體，輸出判斷結果。

4.根據權利要求1或2所述的推薦方法，其特征在于，根據所述歷史行為信息，判斷所述用戶是否屬于互動群體，包括：

將所述歷史行為信息輸入至預先訓練的判別模型中，得到所述判斷結果；

其中，所述判別模型的訓練過程包括：

獲取第一樣本用戶的歷史行為信息樣本集合，其中，所述歷史行為信息樣本集合包括：N個所述第一樣本用戶的歷史行為樣本信息，以及每個所述第一樣本用戶的預設用戶標記，所述預設用戶標記用于指示所述第一樣本用戶是否屬于所述互動群體，所述N為大于或等于1的整數；

分別對所述歷史行為信息樣本集合中每條所述歷史行為樣本信息執行以下訓練過程：將所述歷史行為樣本信息輸入至初始判別模型，通過所述初始判別模型提取所述歷史行為樣本信息對應的互動行為樣本，根據所述互動行為樣本判斷所述第一樣本用戶是否屬于互動群體，輸出模型判斷結果；

計算所述初始判別模型輸出的所述模型判斷結果，和所述第一樣本用戶的預設用戶標記的第一一致率；

若所述第一一致率不大于第一預設閾值，調整所述初始判別模型中的參數后，重復執行所述訓練過程，直至所述第一一致率大于所述第一預設閾值時，將所述初始判別模型作為最終的所述判別模型。

5.根據權利要求1所述的推薦方法，其特征在于，獲取所述用戶的第一特征，根據所述第一特征，對所述用戶推薦第一多媒體數據，包括：

將所述第一特征輸入至多目標模型；

通過所述多目標模型計算所述第一特征中各個參數的權重，根據所述權重，輸出所述第一特征中各個參數分別所對應的分值，其中，所述權重和所述分值成正比關系；

對所述各個參數分別所對應的分值進行排序，根據排序結果對所述用戶推薦所述第一多媒體數據；

其中，所述分值用于表示所述第一特征中各個參數分別對應的所述用戶的興趣程度。

6.根據權利要求5所述的推薦方法，其特征在于，所述多目標模型的訓練過程包括：

獲取屬于所述互動群體的第二樣本用戶的第一特征樣本集合，其中，所述第一特征樣本集合包括：M個所述第二樣本用戶的第一特征樣本，以及每條所述第一特征樣本中各個參數分別所對應的預設分值，所述M為大于或等于1的整數；

分別對所述第一特征樣本集合中每條所述第一特征樣本執行以下訓練過程：將所述第一特征樣本輸入至初始多目標模型，通過所述初始多目標模型計算所述第一特征樣本中各個參數的權重，根據所述權重，輸出所述第一特征樣本中各個參數分別所對應的分值；

計算所述初始多目標模型輸出的所述各個參數分別所對應的分值，和所述預設分值的第二一致率；

若所述第二一致率不大于第二預設閾值，調整所述初始多目標模型中的參數后，重復執行所述訓練過程，直至所述第二一致率大于所述第二預設閾值時，將所述初始多目標模型作為最終的所述多目標模型。