信息推荐方法、装置、存储介质及计算机设备制造方法及图纸

本申请提供了一种信息推荐方法、装置、存储介质及计算机设备，基于注意力机制和机器学习算法进行建模，以使所构建的概率预测模型能够兼顾用户的长期兴趣和短期兴趣，将获取的用户访问序列及候选对象的对象标识输入该概率预测模型，使其在预测当前用户对各候选对象的目标感兴趣概率时，能够考虑到不同历史访问对象的访问顺序，以便准确定位用户的兴趣变迁和兴趣积累，提高所得各候选对象的目标感兴趣概率的准确性，进而提高基于各候选对象的目标感兴趣概率，得到的推荐对象的准确率，即提高了不同用户的个性化推荐准确率。

Information recommendation methods, devices, storage media and computer equipment

【技术实现步骤摘要】
信息推荐方法、装置、存储介质及计算机设备
本申请主要涉及数据处理
，更具体地说是涉及一种信息推荐方法、装置、存储介质及计算机设备。
技术介绍
互联网的出现和普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求，但随着网络的迅速发展而带来的网上信息量的大幅增长，使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息，对信息的使用效率反而降低了。为了解决该问题，提出了根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。以社区网站的信息推荐场景为例，目前通常是基于各帖子的点击属性，从社区存在的多个帖子中，筛除出热门的帖子，如点击量排序靠前的N个帖子，将筛选出的帖子推送给用户，这并未考虑用户真实兴趣，导致所推荐的帖子内容很可能并不是用户感兴趣的内容，同时会埋没大量有价值的帖子，不利于社区网站的运营。对此，现有技术提出了一种基于协同过滤(CollaborativeFiltering，简称CF)的推荐方法，即通过计算Item-Item(Item可以是一个帖子)相似度的方式，得到与用户访问过的帖子，最相似的K个Item作为推荐帖子。但是，对于如技术类社区网站，用户访问时间间隔较长，导致用户访问数据稀疏，降低了推荐效率及准确性，且若不同用户在一段时间内访问帖子Item相同，但访问帖子的访问顺序不同，按照这种基于ItemCF的推荐方法向不同用户推送的推荐帖子会相同，并不能实现个性化推荐，也降低了推荐准确率。
技术实现思路
有鉴于此，本专利技术提供了一种信息推荐方法，所述方法包括：获取用户访问序列及候选对象的对象标识，所述用户访问序列由用户在应用平台上的历史访问对象的对象标识构成；将所述用户访问序列及所述候选对象的对象标识输入概率预测模型，得到当前用户对所述候选对象的目标感兴趣概率，所述概率预测模型是基于注意力机制和机器学习算法，对长期样本数据和短期样本数据进行训练得到的，所述长期样本数据是指特定时间段内产生的历史访问对象的对象标识，所述短期样本数据是指相邻上一时刻产生的历史访问对象的对象标识；基于所述候选对象的目标感兴趣概率，得到所述候选对象中的推荐对象；输出所述推荐对象。在一些实施例中，所述将所述用户访问序列及所述候选对象的对象标识输入概率预测模型，得到当前用户对所述候选对象的目标感兴趣概率，包括：基于所述用户访问序列及所述候选对象的对象标识，获取当前时刻访问所述候选对象的预测访问概率；利用所述候选对象的预测访问概率，对所述候选对象与特定时间段内产生的历史访问对象进行相关性分析，得到当前用户对所述候选对象的第一感兴趣概率，对所述候选对象与上一时刻产生的历史访问对象进行相关性分析，得到当前用户对所述候选对象的第二感兴趣概率；对不同候选对象分别对应的所述第一感兴趣概率和所述第二感兴趣概率进行加权求和，得到当前用户对相应候选对象的目标感兴趣概率。在一些实施例中，所述利用所述候选对象的预测访问概率，对所述候选对象与特定时间段内产生的历史访问对象进行相关性分析，得到当前用户对所述候选对象的第一感兴趣概率，包括：通过注意力机制对不同用户的第一用户访问序列进行学习，得到当前用户对所述历史访问对象的第一关注度，所述第一用户访问序列由相应用户在特定时间段内访问所述应用平台上的访问对象的对象标识构成；依据所述候选对象的预测访问概率及所述第一关注度，获取相应候选对象与当前用户在所述特定时间段内访问所述应用平台上的访问对象之间的相关性，得到当前用户对相应候选对象的第一感兴趣概率；所述利用所述候选对象的预测访问概率，对所述候选对象与上一时刻产生的历史访问对象进行相关性分析，得到当前用户对所述候选对象的第二感兴趣概率，包括：对不同用户的第二用户访问序列进行分析，得到当前用户对所述历史访问对象的第二关注度，所述第二用户访问序列由相应用户在上一时刻访问所述应用平台的访问对象的对象标识构成；依据所述候选对象的预测访问概率及所述第二关注度，获取相应候选对象与当前用户在上一时刻访问所述应用平台上的访问对象之间的相关性，得到当前用户对相应候选对象的第二感兴趣概率。在一些实施例中，所述候选对象的数量为多个，所述基于所述候选对象的目标感兴趣概率，得到所述候选对象中的推荐对象，包括：从多个所述候选对象中，选择目标感兴趣概率较大的特定数量个候选对象为待推荐对象；基于注意力机制和贝叶斯个性化排序算法，利用上一时刻在所述应用平台上的访问对象的对象标识，获取当前用户对所述待推荐对象的感兴趣程度排序结果；依据所述感兴趣程度排序结果，从所述待推荐对象中，筛选针对当前用户的推荐对象。在一些实施例中，所述基于所述用户访问序列及所述候选对象的对象标识，获取当前时刻访问所述候选对象的预测访问概率，包括：利用所述用户访问序列及所述候选对象的对象标识，构建概率转移矩阵；通过矩阵分解方式对所述概率转移矩阵进行处理，得到当前用户在当前时刻访问所述候选对象的预测访问概率。本申请还提出了一种信息推荐装置，所述装置包括：数据获取模块，用于获取用户访问序列及候选对象的对象标识，所述用户访问序列由用户在应用平台上的历史访问对象的对象标识构成；预测模块，用于将所述用户访问序列及所述候选对象的对象标识输入概率预测模型，得到当前用户对所述候选对象的目标感兴趣概率，所述概率预测模型是基于注意力机制和机器学习算法，对长期样本数据和短期样本数据进行训练得到的，所述长期样本数据是指特定时间段内产生的历史访问对象的对象标识，所述短期样本数据是指相邻上一时刻产生的历史访问对象的对象标识；推荐对象得到模块，用于基于所述候选对象的目标感兴趣概率，得到所述候选对象中的推荐对象；推荐对象输出模块，用于输出所述推荐对象。在一些实施例中，所述预测模块包括：预测访问概率获取单元，用于基于所述用户访问序列及所述候选对象的对象标识，获取当前时刻访问所述候选对象的预测访问概率；相关性分析单元，用于利用所述候选对象的预测访问概率，对所述候选对象与特定时间段内产生的历史访问对象进行相关性分析，得到当前用户对所述候选对象的第一感兴趣概率，对所述候选对象与上一时刻产生的历史访问对象进行相关性分析，得到当前用户对所述候选对象的第二感兴趣概率；目标感兴趣概率得到单元，用于对不同候选对象分别对应的所述第一感兴趣概率和所述第二感兴趣概率进行加权求和，得到当前用户对相应候选对象的目标感兴趣概率。本申请还提出了一种存储介质，其上存储有程序，所述程序被处理器调用并执行，实现如上述的信息推荐方法。本申请还提出了一种计算机设备，所述计算机设备包括：至少一个通信接口、至少一个存储器及至少一个处理器，其中：所述存储器，用于存储实现如上述的信息推荐方法的程序；所述处理器，用于加载并执行所述存储器存储的所述程序，以实现如上述的信息推荐方法的各个步骤。由此可本文档来自技高网...

【技术保护点】
1.一种信息推荐方法，所述方法包括：/n获取用户访问序列及候选对象的对象标识，所述用户访问序列由用户在应用平台上的历史访问对象的对象标识构成；/n将所述用户访问序列及所述候选对象的对象标识输入概率预测模型，得到当前用户对所述候选对象的目标感兴趣概率，所述概率预测模型是基于注意力机制和机器学习算法，对长期样本数据和短期样本数据进行训练得到的，所述长期样本数据是指特定时间段内产生的历史访问对象的对象标识，所述短期样本数据是指相邻上一时刻产生的历史访问对象的对象标识；/n基于所述候选对象的目标感兴趣概率，得到所述候选对象中的推荐对象；/n输出所述推荐对象。/n

【技术特征摘要】
1.一种信息推荐方法，所述方法包括：
获取用户访问序列及候选对象的对象标识，所述用户访问序列由用户在应用平台上的历史访问对象的对象标识构成；
将所述用户访问序列及所述候选对象的对象标识输入概率预测模型，得到当前用户对所述候选对象的目标感兴趣概率，所述概率预测模型是基于注意力机制和机器学习算法，对长期样本数据和短期样本数据进行训练得到的，所述长期样本数据是指特定时间段内产生的历史访问对象的对象标识，所述短期样本数据是指相邻上一时刻产生的历史访问对象的对象标识；
基于所述候选对象的目标感兴趣概率，得到所述候选对象中的推荐对象；
输出所述推荐对象。


2.根据权利要求1所述的方法，所述将所述用户访问序列及所述候选对象的对象标识输入概率预测模型，得到当前用户对所述候选对象的目标感兴趣概率，包括：
基于所述用户访问序列及所述候选对象的对象标识，获取当前时刻访问所述候选对象的预测访问概率；
利用所述候选对象的预测访问概率，对所述候选对象与特定时间段内产生的历史访问对象进行相关性分析，得到当前用户对所述候选对象的第一感兴趣概率，对所述候选对象与上一时刻产生的历史访问对象进行相关性分析，得到当前用户对所述候选对象的第二感兴趣概率；
对不同候选对象分别对应的所述第一感兴趣概率和所述第二感兴趣概率进行加权求和，得到当前用户对相应候选对象的目标感兴趣概率。


3.根据权利要求2所述的方法，所述利用所述候选对象的预测访问概率，对所述候选对象与特定时间段内产生的历史访问对象进行相关性分析，得到当前用户对所述候选对象的第一感兴趣概率，包括：
通过注意力机制对不同用户的第一用户访问序列进行学习，得到当前用户对所述历史访问对象的第一关注度，所述第一用户访问序列由相应用户在特定时间段内访问所述应用平台上的访问对象的对象标识构成；
依据所述候选对象的预测访问概率及所述第一关注度，获取相应候选对象与当前用户在所述特定时间段内访问所述应用平台上的访问对象之间的相关性，得到当前用户对相应候选对象的第一感兴趣概率；
所述利用所述候选对象的预测访问概率，对所述候选对象与上一时刻产生的历史访问对象进行相关性分析，得到当前用户对所述候选对象的第二感兴趣概率，包括：
对不同用户的第二用户访问序列进行分析，得到当前用户对所述历史访问对象的第二关注度，所述第二用户访问序列由相应用户在上一时刻访问所述应用平台的访问对象的对象标识构成；
依据所述候选对象的预测访问概率及所述第二关注度，获取相应候选对象与当前用户在上一时刻访问所述应用平台上的访问对象之间的相关性，得到当前用户对相应候选对象的第二感兴趣概率。


4.根据权利要求1～3任一项所述的方法，所述候选对象的数量为多个，所述基于所述候选对象的目标感兴趣概率，...

【专利技术属性】
技术研发人员：韩岩，谭松波，刘晓朋，
申请(专利权)人：联想北京有限公司，
类型：发明
国别省市：北京;11