[發明專利]信息處理方法、裝置、信息處理設備及存儲介質

在審

• 申請號: 202110138340.0
• 申請日: 2021-02-01
• 公開（公告）號: CN112989182A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 葉永洪
• 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;G06Q30/06
• 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

1.一種信息處理方法，其特征在于，包括：

獲取用戶的用戶畫像屬性以及與所述用戶具有關聯關系的關聯類別集合，所述關聯類別集合對應N個類別層級，N是大于1的整數；

調用特征提取模型對所述用戶畫像屬性和所述關聯類別集合進行處理，得到基礎特征集合，所述基礎特征集合包括N個基礎特征，每個基礎特征對應一個類別層級；

調用N個分類模型分別對N個基礎特征進行預測處理，得到所述用戶在每個類別層級下的推薦類別；

輸出所述用戶在每個類別層級下的推薦類別。

2.如權利要求1所述的方法，其特征在于，目標分類模型是N個分類模型中的任一分類模型，目標基礎特征是N個基礎特征中與所述目標分類模型對應的基礎特征，目標類別層級是目標基礎特征對應的類別層級；

調用所述目標分類模型對所述目標基礎特征進行預測處理，得到所述用戶在所述目標類別層級下的推薦類別的流程，包括：

調用所述目標分類模型對所述目標基礎特征進行預測處理，得到所述用戶在所述目標類別層級下多個目標參考類別的排序分數，多個目標參考類別對應K個類別領域，每個類別領域下屬的目標參考類別對應一個多層級類別的樹狀結構，K是正整數；

計算同一多層級類別的樹狀結構中的目標參考類別對應的父類別的排序分數與同一多層級類別的樹狀結構的目標參考類別的排序分數之和的差值；

根據K個類別領域的差值以及K個類別領域下的目標參考類別的排序分數確定所述用戶在所述目標類別層級下的推薦類別。

3.如權利要求2所述的方法，其特征在于，所述根據K個類別領域的差值以及K個類別領域下的目標參考類別的排序分數確定所述用戶在所述目標類別層級下的推薦類別，包括：

根據K個類別領域的差值分別確定K個類別領域下的隱藏參考類別的排序分數；

將K個類別領域下的隱藏參考類別的排序分數和K個類別領域下的目標參考類別的排序分數進行排序，得到所述目標類別層級下的排序結果；

根據所述目標類別層級下的排序結果確定所述用戶在所述目標類別層級下的推薦類別。

4.如權利要求2所述的方法，其特征在于，所述目標分類模型包括粗分類模型和細分類模型；

所述調用目標分類模型對所述目標基礎特征進行預測處理，得到所述用戶在所述目標類別層級下多個目標參考類別的排序分數，包括：

根據所述目標基礎特征與所述關聯類別集合確定特征矩陣；

調用所述粗分類模型確定所述特征矩陣的召回信息，并調用所述細分類模型確定所述目標類別層級下多個目標參考類別的參考分數；

根據所述召回信息以及所述目標類別層級下的多個目標參考類別的參考分數得到所述用戶在所述目標類別層級下多個目標參考類別的排序分數。

5.如權利要求4所述的方法，其特征在于，輔助參考類別是多個目標參考類別中的任一目標參考類別；

根據所述召回信息以及所述輔助參考類別的參考分數確定所述目標類別層級下的輔助參考類別的排序分數，包括：

若所述召回信息指示所述輔助參考類別為正例的概率小于或等于預設閾值，則將所述輔助參考類別的排序分數設置為參考值；

若所述召回信息指示所述輔助參考類別為正例的概率大于所述預設閾值，則將所述輔助參考類別的參考分數作為所述輔助參考類別的排序分數。

6.如權利要求1所述的方法，其特征在于，所述調用特征提取模型對所述用戶畫像屬性和所述關聯類別集合進行處理，得到基礎特征集合，包括：

根據所述用戶畫像屬性構造用戶特征向量，以及根據所述關聯類別集合對應的N個類別層級下的各個關聯類別構造關聯向量；

根據所述用戶特征向量以及所述關聯向量確定中間向量；

調用特征提取模型對所述中間向量進行處理，得到基礎特征集合。