[發明專利]一種信息推薦方法及裝置、電子設備、存儲介質

有效

• 申請號: 202110459109.1
• 申請日: 2021-04-27
• 公開（公告）號: CN112989207B
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 陳程;王賀;石奕
• 申請（專利權）人: 武漢卓爾數字傳媒科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F40/289;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 李強;張穎玲

本申請公開了一種信息推薦方法及裝置、電子設備、存儲介質，其中，所述方法包括：確定信息推薦模型；所述信息推薦模型包括級聯的詞向量模型和徑向基神經網絡；將第一向量和至少一個第二向量輸入至所述信息推薦模型，得到至少一個待推薦信息中的各個待推薦信息的評分，所述第一向量用于表征目標用戶的歷史消費信息，所述至少一個第二向量中的每個第二向量用于表征一個待推薦信息；將所述至少一個待推薦信息中的各個待推薦信息的評分進行排序，并按照排序結果向所述目標用戶進行信息推薦。

技術領域

本申請實施例涉及計算機技術領域，尤其涉及一種信息推薦方法及裝置、電子設備、存儲介質。

背景技術

用戶在終端進行信息瀏覽時，通常需要對用戶的行為進行預測，以向用戶推薦符合用戶行為的信息，現有技術中，通常采用基于反向傳播（BP，Back Propagation）的神經網絡算法來對用戶行為進行預測，并對用戶進行信息的推薦。但是，基于BP神經網絡方法的訓練方法較為復雜，本質上為梯度下降法，算法容易陷入局部極值，且效率不高，且BP網絡的預測能力（泛化能力）與訓練能力（逼近能力）存在矛盾，會出現“過擬合現象”。因此，這種基于BP神經網絡的用戶行為預測方法不能充分學習用戶行為分布的規律，對網絡用戶行為預測存在一定的片面性，不適合直接應用于需要對用戶行為進行預測的場景中。

發明內容

為解決上述技術問題，本申請實施例提供了一種一種信息推薦方法及裝置、電子設備、存儲介質。

本申請實施例提供了一種信息推薦方法，所述方法包括：

確定信息推薦模型；所述信息推薦模型包括級聯的詞向量模型和徑向基神經網絡；

將第一向量和至少一個第二向量輸入至所述信息推薦模型，得到至少一個待推薦信息中的各個待推薦信息的評分，所述第一向量用于表征目標用戶的歷史消費信息，所述至少一個第二向量中的每個第二向量用于表征一個待推薦信息；

將所述至少一個待推薦信息中的各個待推薦信息的評分進行排序，并按照排序結果向所述目標用戶進行信息推薦。

本申請一可選實施方式中，所述確定信息推薦模型，包括：

獲得評語數據集；

利用所述評語數據集對待訓練的信息推薦模型進行訓練，得到所述信息推薦模型。

本申請一可選實施方式中，所述獲得評語數據集，包括：

對不平衡評語數據集進行重采樣，得到評語數據集。

本申請一可選實施方式中，所述對不平衡評語數據集進行重采樣，得到評語數據集，包括：

將不平衡數據集分為少數類和多數類；

對所述少數類進行聚類得到至少一個子簇，確定所述至少一個子簇中的各個子簇中參與樣本合成的第一樣本；

針對各個子簇，將各個子簇中選擇的參與樣本合成的第一樣本與對應的子簇的簇心進行雙線性差值得到與各子簇對應的第二樣本；

將所述各子簇對應的第二樣本、各子簇的簇心以及所述少數類和多數類相結合得到評語數據集。

本申請一可選實施方式中，所述確定所述至少一個子簇中的各個子簇中參與樣本合成的第一樣本，包括：

針對所述至少一個子簇中的每個子簇，在該子簇中隨機選擇第三樣本，并基于所述第三樣本與該子簇對應的簇心的距離判斷所述第三樣本是否可以參與樣本的合成，若可以，則將該第三樣本確定為第一樣本。

本申請一可選實施方式中，所述第一向量為所述目標用戶的歷史消費信息向量的均值。

本申請一可選實施方式中，所述方法還包括：