[發明專利]一種信息推薦的方法以及裝置

有效

• 申請號: 202110280216.8
• 申請日: 2021-03-16
• 公開（公告）號: CN113010562B
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 謝壯壯;陳振;奚冬博;燕鵬
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06F16/2457
• 分類號: G06F16/2457;G06K9/62
• 代理公司: 北京曼威知識產權代理有限公司 11709
• 代理人: 方志煒

本說明書公開了一種信息推薦的方法以及裝置，獲取用戶的用戶數據，并確定用戶對應的特征數據，其次，針對預先訓練的每個推薦模型，將特征數據輸入到該推薦模型中，以確定在該推薦模型下向用戶進行信息推薦的第一推薦概率。而后，根據該推薦模型在模型訓練時所對應的樣本采樣率，對該推薦模型對應的第一推薦概率進行校正，確定該推薦模型對應的校正推薦概率。最后，根據各推薦模型對應的校正推薦概率，向所述用戶進行信息推薦。本方法通過推薦模型在模型訓練時所對應的樣本采樣率，對推薦模型對應的第一推薦概率進行校正，提高了推薦模型輸出的結果的準確性，從而保證了向用戶進行信息推薦的準確性。

技術領域

本說明書涉及計算機技術領域，尤其涉及一種信息推薦的方法以及裝置。

背景技術

目前，業務方為用戶提供了眾多的線上業務，而為了給用戶的日常生活提供更多的便利，可以基于用戶的用戶數據，向用戶進行信息推薦，以使用戶基于接收到的推薦信息，執行符合自身實際需求的業務。

在實際應用中，通常采用預先訓練好的推薦模型在向用戶推薦信息。而在推薦模型的訓練過程中，由于用戶數據規模太大，導致在現有計算資源下，無法將所有的樣本輸入到推薦模型中進行訓練，所以，通常都是采用一部分樣本對推薦模型進行訓練。但是，由于部分樣本實際上只能反映出全量樣本的部分情況，因此，采用部分樣本對推薦模型進行訓練時，往往會導致推薦模型輸出的結果并不準確。

因此，如何能夠有效地提高推薦模型輸出的結果的準確性，則是一個亟待解決的問題。

發明內容

本說明書提供一種信息推薦的方法、裝置、存儲介質及電子設備，以部分的解決現有技術存在的上述問題。

本說明書采用下述技術方案：

本說明書提供了一種信息推薦的方法，包括：

獲取用戶的用戶數據，所述用戶數據包括：所述用戶的屬性數據、所述用戶針對目標業務的歷史行為數據、所述用戶對應的業務風險信息、所述用戶對應的歷史業務數據，以及向所述用戶發送的各歷史推薦信息對應的相關信息中的至少一種；

根據所述用戶的用戶數據，確定所述用戶對應的特征數據；

針對預先訓練的每個推薦模型，將所述特征數據輸入到該推薦模型中，以確定在該推薦模型下向所述用戶進行信息推薦的第一推薦概率，作為該推薦模型對應的第一推薦概率；

根據該推薦模型在模型訓練時所對應的樣本采樣率，對該推薦模型對應的第一推薦概率進行校正，確定該推薦模型對應的校正推薦概率；

根據各推薦模型對應的校正推薦概率，向所述用戶進行信息推薦。

可選地，根據各推薦模型對應的校正推薦概率，向所述用戶進行信息推薦，具體包括：

根據各推薦模型對應的校正推薦概率，向所述用戶發送針對所述目標業務的推薦信息。

可選地，訓練推薦模型，具體包括：

針對每個推薦模型，確定該推薦模型對應的樣本采樣率，不同推薦模型對應的樣本采樣率不同；

根據該推薦模型對應的樣本采樣率，從各用戶在歷史上的用戶數據中選取所有的正樣本以及部分負樣本，并構建該推薦模型對應的樣本集，所述正樣本用于表示用戶通過獲取到的推薦信息執行所述推薦信息對應的業務，所述負樣本用于表示用戶獲取到推薦信息后未執行所述推薦信息對應的業務；

針對所述樣本集中的每個訓練樣本，將該訓練樣本對應的特征數據輸入到該推薦模型，得到該訓練樣本對應的預測推薦概率；

以最小化所述預測推薦概率與該訓練樣本對應的樣本標簽之間的偏差為優化目標，對該推薦模型進行訓練。