[發明專利]一種推薦列表生成方法、匹配模型訓練方法、裝置及設備

在審

• 申請號: 202210753071.3
• 申請日: 2022-06-28
• 公開（公告）號: CN115146157A
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 任印濤;肖強;李勇
• 申請（專利權）人: 杭州網易云音樂科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06K9/62;G06F16/435
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 路曉丹

本公開實施例提供一種推薦列表生成方法、匹配模型訓練方法、裝置及設備，在提高用戶匹配的泛化能力的同時提高匹配的準確性。所述方法包括：獲取待匹配狀態的不同用戶的相關信息；利用用戶匹配模型進行特征提取，確定提取不同用戶的特征向量之間的相似度；根據相似度確定同一匹配組用戶，并根據用戶偏好的媒體對象集合，從媒體對象庫中召回用戶感興趣的媒體對象推薦候選列表；利用媒體對象排序模型對用戶及媒體對象推薦候選列表中媒體對象進行特征提取，并預測用戶對媒體對象推薦候選列表中媒體對象的偏好度；根據匹配組中各用戶對媒體對象推薦候選列表中媒體對象的偏好度，確定媒體對象推薦列表并推送同一匹配組用戶。

技術領域

本公開涉及媒體對象推薦技術領域，尤其涉及一種推薦列表生成方法、匹配模型訓練方法、裝置及設備。

背景技術

隨著推薦技術的不斷發展，個性化推薦技術在各大多媒體平臺有了越來越多的應用并得到重視，其可以為用戶推薦感興趣的媒體對象列表及媒體對象，不僅可以提升用戶體驗，同時也可以最大化利用媒體對象庫資源。通過個性化推薦技術，多媒體平臺為廣大用戶提供了符合用戶興趣偏好的多媒體推薦結果。然而，隨著各大多媒體軟件中媒體產品的不斷探索創新，用戶匹配模式如多個用戶一起聽歌曲的模式，受到越來越多用戶的喜愛，如何為用戶尋找與其口味偏好相同的用戶成為一種挑戰。

傳統的用戶匹配方法主要基于規則等方式，找出滿足相同規則的用戶進行匹配；或者基于聚類方法，將用戶聚類成不同的聚類簇，對同一聚類簇的用戶進行匹配。

但目前基于規則等方式進行用戶匹配泛化能力不足，同時匹配用戶的準確性與用戶規則詳細關聯度較高，其匹配的準確性不足。并且基于聚類方法進行用戶匹配泛化也存在個性化不足，匹配不準確的問題。因此，如何在提高泛化能力的同時提高匹配準確性成為需要解決的技術問題。

發明內容

本公開實施例提供一種推薦列表生成方法、匹配模型訓練方法、裝置及設備，在提高用戶匹配的泛化能力的同時提高匹配的準確性。

根據本公開實施例的第一方面，提供一種推薦列表生成方法，該方法包括：

獲取待匹配狀態的不同用戶的相關信息；

利用用戶匹配模型對不同用戶的相關信息進行特征提取，并確定提取不同用戶的特征向量之間的相似度；

根據相似度確定同一匹配組用戶，并根據同一匹配組用戶偏好的媒體對象集合，從媒體對象庫中召回匹配組用戶感興趣的媒體對象推薦候選列表；

利用媒體對象排序模型對匹配組中用戶及媒體對象推薦候選列表中媒體對象進行特征提取，并預測用戶對媒體對象推薦候選列表中媒體對象的偏好度；

根據匹配組中各用戶對媒體對象推薦候選列表中媒體對象的偏好度，確定媒體對象推薦列表并推送同一匹配組用戶。

上述方法，通過計算用戶特征向量，根據用戶特征向量計算相似的用戶，泛化性強，根據相似度對用戶進行分組，并基于組內各種用戶行為數據，基于隱性關系鏈豐富用戶的特征表達，根據組內用戶的媒體對象偏好生成對應的媒體對象推薦列表，提升了用戶媒體對象推薦的準確性。

根據本公開實施例的第二方面，提供一種用戶匹配模型訓練方法，該方法包括：

獲取處于同一匹配組中兩個不同樣本用戶，根據兩個不同樣本用戶的媒體對象偏好，確定兩個不同樣本用戶之間的匹配標簽；

將兩個不同樣本用戶的相關信息輸入用戶匹配模型，利用用戶匹配模型對不同樣本用戶的相關信息進行特征提取，并確定提取的不同樣本用戶的特征向量之間的相似度；

根據輸出的相似度及匹配標簽確定第一損失函數值，根據第一損失函數值對用戶匹配模型進行訓練，訓練結束得到訓練好的用戶匹配模型。