[發明專利]基于雙塔模型的確定推薦信息的方法、裝置、設備和介質

在審

• 申請號: 202110803747.0
• 申請日: 2021-07-15
• 公開（公告）號: CN113407851A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 高明;肖萌;亓子依;蔣藝枝;張玉東
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06N3/04;G06N3/08;G06Q50/00
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 呂朝蕙

1.一種基于雙塔模型的確定推薦信息的方法，其中，所述雙塔模型包括第一特征提取網絡、第二特征提取網絡和特征匹配網絡；所述方法包括：

以目標對象的第一特征數據作為所述第一特征提取網絡的輸入，得到第一特征向量；

針對多個待推薦信息中的每個待推薦信息，以所述每個待推薦信息的第二特征數據作為所述第二特征提取網絡的輸入，得到所述每個待推薦信息的第二特征向量；

以所述第一特征向量和所述每個待推薦信息的第二特征向量作為所述特征匹配網絡的輸入，得到針對所述每個待推薦信息的匹配結果；以及

基于針對所述每個待推薦信息的匹配結果，確定所述多個待推薦信息中針對所述目標對象的推薦信息，

其中，所述第一特征提取網絡包括全連接模型，所述第二特征提取網絡包括序列模型。

2.根據權利要求1所述的方法，其中，所述第一特征提取網絡包括第一輸入子網絡和第一提取子網絡，所述第一輸入子網絡包括第一獨熱編碼層、第一嵌入層和第一拼接層；得到所述第一特征向量包括：

以所述第一特征數據中的稀疏特征數據作為所述第一嵌入層的輸入，得到第一子向量；

以所述第一特征數據中的稠密特征數據作為所述第一獨熱編碼層的輸入，得到第二子向量；

以所述第一子向量和所述第二子向量作為所述第一拼接層的輸入，得到第一拼接向量；以及

以所述第一拼接向量作為所述第一提取子網絡的輸入，得到所述第一特征向量。

3.根據權利要求1所述的方法，其中，所述第二特征提取網絡包括第二輸入子網絡和第二提取子網絡，所述第二輸入子網絡包括第二獨熱編碼層、第二嵌入層和第二拼接層；得到所述每個待推薦信息的第二特征向量包括：

以所述第二特征數據中的稀疏特征數據作為所述第二嵌入層的輸入，得到第三子向量；

以所述第二特征數據中的稠密特征數據作為所述第二獨熱編碼層的輸入，得到第四子向量；

以所述第三子向量和所述第四子向量作為所述第二拼接層的輸入，得到第二拼接向量；以及

以所述第二拼接向量作為所述第二提取子網絡的輸入，得到所述每個待推薦信息的第二特征向量。

4.根據權利要求3所述的方法，其中，所述第二提取子網絡包括重建層和特征提取層；所述以所述第二拼接向量作為所述第二提取子網絡的輸入，得到所述第二特征向量包括：

以所述第二拼接向量作為所述重建層的輸入，得到特征待提取向量；以及

以所述特征待提取向量作為所述特征提取層的輸入，獲得所述第二特征向量。

5.根據權利要求1所述的方法，其中，所述每個待推薦信息包括文本信息；所述方法還包括在得到所述每個待推薦信息的第二特征向量之前：

對所述文本信息進行單字切分，得到表示所述文本信息的字序列，

其中，所述每個待推薦信息的第二特征數據包括所述字序列。

6.根據權利要求1所述的方法，其中，所述序列模型包括以下模型中的任意一種：卷積神經網絡模型、循環神經網絡模型、自注意力網絡模型。

7.一種基于雙塔模型的確定推薦信息的裝置，其中，所述雙塔模型包括第一特征提取網絡、第二特征提取網絡和特征匹配網絡；所述裝置包括：

第一向量獲得模塊，用于以目標對象的第一特征數據作為所述第一特征提取網絡的輸入，得到第一特征向量；

第二向量獲得模塊，用于針對多個待推薦信息中的每個待推薦信息，以所述每個待推薦信息的第二特征數據作為所述第二特征提取網絡的輸入，得到所述每個待推薦信息的第二特征向量；

匹配結果獲得模塊，用于以所述第一特征向量和所述每個待推薦信息的第二特征向量作為所述特征匹配網絡的輸入，得到針對所述每個待推薦信息的匹配結果；以及

推薦信息確定模塊，用于基于針對所述每個待推薦信息的匹配結果，確定所述多個待推薦信息中針對所述目標對象的推薦信息，

其中，所述第一特征提取網絡包括全連接模型，所述第二特征提取網絡包括序列模型。