[發(fā)明專利]對象推薦方法、裝置、電子設備及存儲介質在審

申請?zhí)枺?/td>	202110539783.0	申請日：	2021-05-18
公開（公告）號：	CN113420203A	公開（公告）日：	2021-09-21
發(fā)明（設計）人：	李炬盼;曹萌;劉旭東;梅曉茸	申請（專利權）人：	北京達佳互聯(lián)信息技術有限公司
主分類號：	G06F16/9535	分類號：	G06F16/9535;G06K9/46;G06K9/62
代理公司：	廣州三環(huán)專利商標代理有限公司 44202	代理人：	郝傳鑫;賈允
地址：	100085 北京市海淀***	國省代碼：	北京;11
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	對象推薦方法裝置電子設備存儲介質
鉆瓜網(wǎng) 技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本公開關于一種對象推薦方法、裝置、電子設備及存儲介質，該方法包括獲取目標用戶的用戶標識信息、目標用戶的歷史行為對象的第一對象內容數(shù)據(jù)和待推薦對象的第二對象內容數(shù)據(jù)；基于用戶標識信息、第一對象內容數(shù)據(jù)和第二對象內容數(shù)據(jù)進行對象召回處理，得到待推薦對象的下發(fā)指標數(shù)據(jù)；基于下發(fā)指標數(shù)據(jù)向目標用戶進行對象推薦。利用本公開實施例可以大大提升用戶特征的表征精準性，有效學習到用戶興趣，進而可以大大提升對象推薦精準性和推薦效果。

技術領域

本公開涉及互聯(lián)網(wǎng)技術領域，尤其涉及一種對象推薦方法、裝置、電子設備及存儲介質。

背景技術

隨著互聯(lián)網(wǎng)技術的發(fā)展，大量網(wǎng)絡平臺也在不斷的升級，推薦給用戶的信息不斷豐富，但如何精準的捕捉用戶的興趣是大量推薦系統(tǒng)遇到的挑戰(zhàn)。

相關技術中，常常會利用一些深度學習模型進行推薦信息的召回，一般的，深度學習模型由用戶特征提取網(wǎng)絡和對象(推薦信息)特征提取網(wǎng)絡組成，在進行對象召回時，對象特征網(wǎng)絡往往以對象信息為輸入，用戶特征提取網(wǎng)絡往往直接以用戶關聯(lián)的標識信息為輸入，但是標識信息的特征信號極其稀疏難以學習，且標識信息的特征具有很強的記憶能力，難以召回新發(fā)布的信息，導致相關技術中模型學習效果不好，無法有效學習到用戶特征，推薦精準性和效果較差。

發(fā)明內容

本公開提供一種對象推薦方法、裝置、電子設備及存儲介質，以至少解決相關技術中無法有效學習到用戶特征，推薦精準性和效果較差的問題。本公開的技術方案如下：

根據(jù)本公開實施例的第一方面，提供一種對象推薦方法，包括：

獲取目標用戶的用戶標識信息、所述目標用戶的歷史行為對象的第一對象內容數(shù)據(jù)和待推薦對象的第二對象內容數(shù)據(jù)；

基于所述用戶標識信息、所述第一對象內容數(shù)據(jù)和所述第二對象內容數(shù)據(jù)進行對象召回處理，得到所述待推薦對象的下發(fā)指標數(shù)據(jù)；

基于所述下發(fā)指標數(shù)據(jù)向所述目標用戶進行對象推薦。

可選的，所述基于所述用戶標識信息、所述第一對象內容數(shù)據(jù)和所述第二對象內容數(shù)據(jù)進行對象召回處理，得到所述待推薦對象的下發(fā)指標數(shù)據(jù)包括：

根據(jù)所述用戶標識信息和所述第一對象內容數(shù)據(jù)，生成所述目標用戶的用戶特征信息；

基于所述第二對象內容數(shù)據(jù)，確定待推薦對象特征信息；

根據(jù)所述待推薦對象特征信息和用戶特征信息，得到特征關聯(lián)度；

將所述特征關聯(lián)度作為所述下發(fā)指標數(shù)據(jù)。

將所述用戶標識信息、所述第一對象內容數(shù)據(jù)和所述第二對象內容數(shù)據(jù)輸入對象召回模型進行對象召回處理，得到所述待推薦對象的下發(fā)指標數(shù)據(jù)。