【技术实现步骤摘要】
一种资源推荐方法及相关设备
本申请涉及通信领域，尤其涉及一种资源推荐方法及相关设备。
技术介绍
随着网络技术的发展，互联网上的信息数量越来越多，如何对这些信息进行处理，从而为用户推荐与其需求最贴合的资源是现有的推荐系统考虑的问题。因子分解机(FactorizationMachines,FM)通过对于每一维特征的隐变量内积来提取特征组合，根据单一特征来向用户进行资源推荐，但是目前来说，单一特征往往并不能很好的表征资源的属性信息，推荐的资源往往并不是用户最需求的资源。
技术实现思路
本申请实施例提供了一种资源推荐方法及相关设备，可以综合考虑用户的画像数据以及近期历史行为数据，为用户推荐最贴合用户需求的资源。本申请实施例第一方面提供一种资源推荐方法，所述方法包括：根据目标用户的资源推荐请求确定所述目标用户的候选资源集合；获取所述目标用户的用户画像数据以及所述目标用户的近期历史行为数据；对所述候选资源集合、所述用户画像数据以及所述目标用户的近期历史行为数据进行处理，得到所述...
【技术保护点】
1.一种资源推荐方法，其特征在于，包括：/n根据目标用户的资源推荐请求确定所述目标用户的候选资源集合；/n获取所述目标用户的用户画像数据以及所述目标用户的近期历史行为数据；/n对所述候选资源集合、所述用户画像数据以及所述目标用户的近期历史行为数据进行处理，得到所述目标用户对应的资源特征以及N个指标，N为大于1的正整数；/n通过多目标模型对所述资源特征以及所述N个指标进行处理，以输出所述候选资源集合对应的N组资源评分，所述N组资源评分与所述N个指标相对应，所述多目标模型为通过对所述目标用户的资源特征集合、所述N个指标以及与所述资源特征集合对应的资源评分进行训练得到的，所述目标...
【技术特征摘要】
1.一种资源推荐方法，其特征在于，包括：
根据目标用户的资源推荐请求确定所述目标用户的候选资源集合；
获取所述目标用户的用户画像数据以及所述目标用户的近期历史行为数据；
对所述候选资源集合、所述用户画像数据以及所述目标用户的近期历史行为数据进行处理，得到所述目标用户对应的资源特征以及N个指标，N为大于1的正整数；
通过多目标模型对所述资源特征以及所述N个指标进行处理，以输出所述候选资源集合对应的N组资源评分，所述N组资源评分与所述N个指标相对应，所述多目标模型为通过对所述目标用户的资源特征集合、所述N个指标以及与所述资源特征集合对应的资源评分进行训练得到的，所述目标用户的资源特征集合为对所述目标用户对应的历史候选资源集合、所述目标用户的用户画像数据以及所述目标用户的近期历史行为数据进行处理得到的；
根据所述N组资源评分将所述候选资源集合向所述目标用户推荐。
2.根据权利要求1所述的方法，其特征在于，所述对所述候选资源集合、所述用户画像数据以及所述目标用户的近期历史行为数据处理，得到所述目标用户对应的资源特征以及N个指标包括：
对所述候选资源集合、所述用户画像数据以及所述目标用户的近期历史行为数据进行数据过滤、数据清洗及数据拼接，以得到预处理数据；
通过标准化格式对所述预处理数据进行处理，得到所述资源特征以及所述N个指标，所述标准化格式与所述多目标模型相对应。
3.根据权利要求1所述的方法，其特征在于，所述根据所述N组资源评分将所述候选资源集合向所述目标用户推荐包括：
确定所述N个指标中每个指标的权重；
根据所述N个指标中每个指标的权重以及所述N组资源评分确定所述候选资源集合中每个候选资源的综合评分；
将所述候选资源集合中所述综合评分大于第一预设值的候选资源向所述目标用户推荐。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：
获取所述目标用户对应的历史候选资源集合；
获取所述目标用户的用户画像数据以及所述目标用户的近期历史行为数据；
对所述历史候选资源集合、所述用户画像数据以及所述近期历史行为数据进行处理，得到所述目标用户对应的资源特征集合以及M个指标，其中,M为大于1的正整数；
对所述资源特征集合以及所述M个指标进行学习，得到所述多目标模型。
5.根据权利要求4所述的方法，其特征在于，所述多目标模型包括共享层、M个门控网络、第一神经网络层、神经因子分解机NFM以及第二神经网络层，所述对所述资源特征集合以及所述M个指标进行训练，得到所述多目标模型包括：
步骤1、通过所述共享层对所述资源特征集合进行降维处理；
步骤2、将降维处理后的所述资源特征集合分别输入所述M个门控网络、所述第一神经网络层...
【专利技术属性】
技术研发人员：戴蔚群，陈凯，夏锋，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。