[發(fā)明專(zhuān)利]對(duì)象推薦方法、裝置和設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110347448.0
• 申請(qǐng)日: 2021-03-31
• 公開(kāi)（公告）號(hào): CN115146149A
• 公開(kāi)（公告）日: 2022-10-04
• 發(fā)明（設(shè)計(jì)）人: 聶平;李栓道;徐聰;趙銘
• 申請(qǐng)（專(zhuān)利權(quán)）人: 騰訊科技（北京）有限公司
• 主分類(lèi)號(hào): G06F16/9535
• 分類(lèi)號(hào): G06F16/9535;G06F16/958;G06K9/62
• 代理公司: 北京同達(dá)信恒知識(shí)產(chǎn)權(quán)代理有限公司 11291
• 代理人: 朱佳

本申請(qǐng)公開(kāi)了一種對(duì)象推薦方法、裝置和設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)，涉及人工智能技術(shù)領(lǐng)域，用于提升對(duì)象召回過(guò)程的精準(zhǔn)性以及對(duì)象推薦的準(zhǔn)確性。該方法包括：基于各個(gè)候選賬戶(hù)的歷史操作對(duì)象序列以及相應(yīng)的至少一個(gè)操作對(duì)象屬性序列，分別獲得所述各個(gè)候選賬戶(hù)各自的賬戶(hù)特征向量；基于獲得的各個(gè)賬戶(hù)特征向量，從所述各個(gè)候選賬戶(hù)中，確定出待進(jìn)行對(duì)象推薦的目標(biāo)賬戶(hù)的至少一個(gè)相似賬戶(hù)，每個(gè)相似賬戶(hù)為與所述目標(biāo)賬戶(hù)的相似度滿(mǎn)足設(shè)定要求的候選賬戶(hù)；基于所述至少一個(gè)相似賬戶(hù)的歷史操作對(duì)象序列，獲得多個(gè)候選推薦對(duì)象；從所述多個(gè)候選推薦對(duì)象中，確定所述目標(biāo)賬戶(hù)的目標(biāo)推薦對(duì)象。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及人工智能技術(shù)領(lǐng)域，提供一種對(duì)象推薦方法、裝置和設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)。

背景技術(shù)

推薦系統(tǒng)常用于向用戶(hù)進(jìn)行對(duì)象推薦，如新聞推薦、視頻推薦或者商品推薦等，如果細(xì)分的話(huà)，一般推薦系統(tǒng)會(huì)有四個(gè)環(huán)節(jié)：召回→粗排→精排→重排。召回是推薦系統(tǒng)中不可或缺的一部分，以新聞推薦為例，推薦系統(tǒng)向用戶(hù)推薦可能感興趣的新聞時(shí)，首先要從海量的新聞庫(kù)中找出一個(gè)用戶(hù)可能感興趣的子集，通常這個(gè)子集包含幾百或者幾千個(gè)新聞，得到這個(gè)子集的過(guò)程通常稱(chēng)為召回，找到子集后再通過(guò)更復(fù)雜的排序模型對(duì)子集中的新聞打分和排序，最終向用戶(hù)推薦一個(gè)或者幾個(gè)用戶(hù)最可能喜歡的新聞。

目前，推薦系統(tǒng)中的召回方法通常采用基于深度學(xué)習(xí)的模型召回，而基于深度學(xué)習(xí)的模型召回，通常將每個(gè)用戶(hù)映射為一個(gè)向量、每個(gè)新聞?dòng)成錇橐粋€(gè)向量，并根據(jù)用戶(hù)是否點(diǎn)擊該新聞的關(guān)系，使用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)用戶(hù)向量和新聞向量之間的關(guān)系，使用戶(hù)向量和該用戶(hù)可能點(diǎn)擊的新聞向量盡可能靠近，并召回向量距離較近的新聞，但是該方法難以正確的召回訓(xùn)練中未見(jiàn)過(guò)的新聞。

因此，現(xiàn)有的召回方法仍然難以正確的完成召回，從而影響后續(xù)對(duì)象推薦的準(zhǔn)確程度。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供一種對(duì)象推薦方法、裝置和設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)，用于提升對(duì)象召回過(guò)程的精準(zhǔn)性以及對(duì)象推薦的準(zhǔn)確性。

一方面，提供一種對(duì)象推薦方法，所述方法包括：

基于各個(gè)候選賬戶(hù)各自對(duì)應(yīng)的歷史操作對(duì)象序列，以及各個(gè)歷史操作對(duì)象序列各自對(duì)應(yīng)的至少一個(gè)操作對(duì)象屬性序列，分別獲得所述各個(gè)候選賬戶(hù)各自的賬戶(hù)特征向量；其中，每個(gè)操作對(duì)象屬性序列，是基于相應(yīng)的歷史操作對(duì)象序列中各個(gè)歷史操作對(duì)象的同類(lèi)屬性構(gòu)成的；

基于獲得的各個(gè)賬戶(hù)特征向量，從所述各個(gè)候選賬戶(hù)中，確定出待進(jìn)行對(duì)象推薦的目標(biāo)賬戶(hù)的至少一個(gè)相似賬戶(hù)，每個(gè)相似賬戶(hù)為與所述目標(biāo)賬戶(hù)的相似度滿(mǎn)足設(shè)定要求的候選賬戶(hù)；

基于所述至少一個(gè)相似賬戶(hù)的歷史操作對(duì)象序列，獲得多個(gè)候選推薦對(duì)象；

從所述多個(gè)候選推薦對(duì)象中，確定所述目標(biāo)賬戶(hù)的目標(biāo)推薦對(duì)象。

一方面，提供一種對(duì)象推薦裝置，包括：

特征向量獲取單元，用于基于各個(gè)候選賬戶(hù)各自對(duì)應(yīng)的歷史操作對(duì)象序列，以及各個(gè)歷史操作對(duì)象序列各自對(duì)應(yīng)的至少一個(gè)操作對(duì)象屬性序列，分別獲得所述各個(gè)候選賬戶(hù)各自的賬戶(hù)特征向量；其中，每個(gè)操作對(duì)象屬性序列，是基于相應(yīng)的歷史操作對(duì)象序列中各個(gè)歷史操作對(duì)象的同類(lèi)屬性構(gòu)成的；

相似賬戶(hù)確定單元，用于基于獲得的各個(gè)賬戶(hù)特征向量，從所述各個(gè)候選賬戶(hù)中，確定出待進(jìn)行對(duì)象推薦的目標(biāo)賬戶(hù)的至少一個(gè)相似賬戶(hù)，每個(gè)相似賬戶(hù)為與所述目標(biāo)賬戶(hù)的相似度滿(mǎn)足設(shè)定要求的候選賬戶(hù)；

推薦對(duì)象確定單元，用于基于所述至少一個(gè)相似賬戶(hù)的歷史操作對(duì)象序列，獲得多個(gè)候選推薦對(duì)象；以及，從所述多個(gè)候選推薦對(duì)象中，確定所述目標(biāo)賬戶(hù)的目標(biāo)推薦對(duì)象。

可選的，所述特征向量獲取單元，具體用于：