[發明專利]佛經推薦處理、裝置、計算機設備及存儲介質

在審

• 申請號: 202110465027.8
• 申請日: 2021-04-28
• 公開（公告）號: CN113158057A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 郝凱風;李劍鋒;陳又新
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F40/284;G06N3/04;G06N3/08
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 吳英銘

1.一種佛經推薦處理方法，其特征在于，包括：

接收用戶通過客戶端觸發的佛經推薦請求；

響應所述佛經推薦請求，獲取所述用戶的固有屬性信息以及歷史行為信息，其中，所述歷史行為信息是指所述用戶針對佛經的歷史操作行為所得到，所述歷史操作行為包括所述用戶在不同時間段上對所述佛經的正向行為和反向行為，所述正向行為和反向行為表征了用戶對所述佛經的感興趣態度的不同行為；

解析所述歷史行為信息，得到所述用戶在不同時間段上對佛經的正向行為和反向行為，并依據所述正向行為和反向行為構建用戶行為序列；

根據所述用戶的固有屬性信息以及用戶行為序列，確定所述用戶對佛經的喜好特征；

根據所述用戶對佛經的喜好特征以及各個候選佛經的佛經特征，從所述各個候選佛經中選出推薦佛經；

將所述推薦佛經推送至所述客戶端。

2.如權利要求1所述的佛經推薦處理方法，其特征在于，所述根據所述用戶的固有屬性信息以及用戶行為序列，確定所述用戶對佛經的喜好特征，包括：

對所述固有屬性信息進行特征提取，以構建用戶屬性特征向量，并對所述用戶行為序列進行特征提取，以構建用戶行為序列特征向量；

將所述用戶屬性特征向量和用戶行為序列特征向量進行融合，以獲取所述用戶對佛經的喜好特征。

3.如權利要求2所述的佛經推薦處理方法，其特征在于，所述對所述固有屬性信息進行特征提取，以構建用戶屬性特征向量，并對所述用戶行為序列進行特征提取，以構建用戶行為序列特征向量，包括：

將所述用戶固有屬性信息輸入Transformer模型的嵌入層，以獲取第一詞向量，并將所述第一詞向量作為所述用戶屬性特征向量；

將所述用戶行為序列輸入Transformer網絡的嵌入層，以構建第二詞向量，并將所述第二詞向量將輸入Transformer網絡的Transformer層，以獲取所述用戶行為序列特征向量。

4.如權利要求1所述的佛經推薦處理方法，其特征在于，所述根據所述用戶對佛經的喜好特征以及各個候選佛經的佛經特征，從所述各個候選佛經中選出推薦佛經，包括：

基于所述用戶對佛經的喜好特征和各個候選佛經的佛經特征，獲得所述用戶對所述各個候選佛經的感興趣度；

根據所述各個候選佛經的感興趣度，從所述各個候選佛經中選出推薦佛經。

5.如權利要求4所述的佛經推薦處理方法，其特征在于，所述基于所述用戶對佛經的喜好特征和各個候選佛經的佛經特征，獲得所述用戶對所述各個候選佛經的感興趣度，包括：

通過已訓練的感興趣度模型對所述用戶對佛經的喜好特征和各個候選佛經的佛經特征進行分析，獲得所述感興趣度模型輸出的用戶對所述各個候選佛經的感興趣度；

其中，所述已訓練的感興趣度模型是根據已標注感興趣度的訓練樣本數據集訓練得到的，所述訓練樣本數據集中的訓練樣本包括樣本用戶對象對佛經的歷史行為信息和樣本佛經的佛經特征信息。

6.如權利要求5所述的佛經推薦處理方法，其特征在于，通過下列方式訓練得到所述已訓練的感興趣度模型：

從所述訓練樣本數據集中選取訓練樣本，其中，所述訓練樣本中標注有用戶樣本對象對樣本佛經的感興趣度；

對所述訓練樣本數據集中的每個訓練樣本，將所述訓練樣本包含的用戶樣本對象的行為信息和樣本佛經的佛經特征信息輸入未訓練的感興趣度模型中，獲得所述未訓練的感興趣度模型輸出的所述用戶樣本對象對所述樣本佛經的感興趣度；

基于目標損失函數對所述未訓練的感興趣度模型中的參數進行優化，使得每個訓練樣本標注的感興趣度與通過所述未訓練的感興趣度模型得到的感興趣度的差值在允許的差距范圍內為止，得到所述已訓練的感興趣度模型，其中，所述目標損失函數包括與所述用戶樣本對象的行為信息對應的正向行為項以及反向行為項。