基于人工智能的推荐方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供了一种基于人工智能的推荐方法、装置、电子设备及存储介质，涉及人工智能技术，方法包括：获取待推荐用户的用户特征以及环境特征，并组合为所述待推荐用户的状态特征；基于所述状态特征预测对应所述待推荐用户的推荐信息排布方式，其中，所述推荐排布方式包括多个推荐类别、以及每个所述推荐类别的待推荐信息的数量；获取与每个所述推荐类别的数量对应的待推荐信息，并组合为对应所述推荐用户的待推荐信息集合；基于所述推荐信息集合，执行对应所述待推荐用户的推荐操作。通过本发明专利技术实现多类别信息推荐的智能化均衡。

Recommended methods, devices, electronic devices and storage media based on Artificial Intelligence

【技术实现步骤摘要】
基于人工智能的推荐方法、装置、电子设备及存储介质
本专利技术涉及人工智能技术，尤其涉及一种基于人工智能的推荐方法、装置、电子设备及存储介质。
技术介绍
人工智能(AI，ArtificialIntelligence)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法和技术及应用系统。新闻个性化推荐，是根据用户的兴趣特点和阅读行为，向用户推荐他们感兴趣的新闻，相关技术中通过排序模型实现新闻的个性化推荐，将用户侧特征、以及文章侧特征输入到常规神经网络模型中进行训练，预测文章被点击概率，由于热门文章的特质性，在模型的样本采样阶段，热门文章被采样到的概率更大，模型在热门文章上的学习就更容易过拟合，导致热门文章在排序阶段的预测得分普遍偏高。
技术实现思路
本专利技术实施例提供一种基于人工智能的推荐方法、装置、电子设备及存储介质，能实现多类别信息推荐的智能化均衡。本专利技术实施例的技术方案是这样实现的：本专利技术实施例提供一种基于人工智能的推荐方法本文档来自技高网...

【技术保护点】
1.一种基于人工智能的推荐方法，其特征在于，所述方法包括：/n获取待推荐用户的用户特征以及环境特征，并组合为所述待推荐用户的状态特征；/n基于所述状态特征预测对应所述待推荐用户的推荐信息排布方式，其中，所述推荐排布方式包括多个推荐类别、以及每个所述推荐类别的待推荐信息的数量；/n获取与每个所述推荐类别的数量对应的待推荐信息，并组合为对应所述推荐用户的待推荐信息集合；/n基于所述推荐信息集合，执行对应所述待推荐用户的推荐操作。/n

【技术特征摘要】
1.一种基于人工智能的推荐方法，其特征在于，所述方法包括：
获取待推荐用户的用户特征以及环境特征，并组合为所述待推荐用户的状态特征；
基于所述状态特征预测对应所述待推荐用户的推荐信息排布方式，其中，所述推荐排布方式包括多个推荐类别、以及每个所述推荐类别的待推荐信息的数量；
获取与每个所述推荐类别的数量对应的待推荐信息，并组合为对应所述推荐用户的待推荐信息集合；
基于所述推荐信息集合，执行对应所述待推荐用户的推荐操作。


2.根据权利要求1所述的方法，其特征在于，所述获取待推荐用户的用户特征以及环境特征，包括：
获取对应所述待推荐用户的以下至少之一的用户特征：
用于表征所述待推荐用户的基本信息的基础属性特征；用于表征用户社会关系的社会关系特征；用于表征用户互动行为的互动行为特征；用于表征用户阅读偏好的阅读心理特征；
获取对应所述待推荐用户的以下至少之一的环境特征：
用于表征向所述待推荐用户进行推荐的推荐时间的时间特征；用于表征所述待推荐用户所处位置的用户位置特征；用于表征所述待推荐用户所使用设备的设备特征；用于表征所述待推荐用户所使用的设备所处的网络环境的网络特征；用于表征向所述待推荐用户推荐的上一屏幕所展示的推荐信息的信息特征。


3.根据权利要求1所述的方法，其特征在于，所述基于所述状态特征预测对应所述待推荐用户的推荐信息排布方式，包括：
确定对应所述待推荐用户的推荐信息排布方式中所包括的推荐类别；
调用对应所述推荐类别的预测器，将对应所述推荐类别的预测器中的稠密矩阵与所述待推荐用户的状态特征相乘，以获取对应所述状态特征的稠密表示；
将对应所述状态特征的稠密表示，映射为与所述推荐类别对应的待推荐信息的数量的评分；
将最高评分对应的待推荐信息的数量，确定为与所述推荐类别对应的待推荐信息的数量。


4.根据权利要求3所述的方法，其特征在于，所述确定对应所述待推荐用户的推荐信息排布方式中所包括的推荐类别，包括：
将所述待推荐用户观看的页面适配的至少两个信息类别，确定为所述推荐信息排布方式中包括的推荐类别；
将所述待推荐用户预先设定的所偏好的至少两个信息类别，确定为所述推荐信息排布方式中包括的推荐类别；
将与所述待推荐用户的用户特征相似的至少两个信息类别，确定为所述推荐信息排布方式中包括的推荐类别。


5.根据权利要求1所述的方法，其特征在于，基于所述状态特征预测对应所述待推荐用户的推荐信息排布方式，包括:
将对应所述待推荐用户显示的页面中被配置的热门推荐类别和个性化推荐类别，确定为对应所述待推荐用户的推荐信息排布方式中包括的多个推荐类别；
基于所述状态特征，预测在所述页面中呈现所述热门推荐类别和所述个性化推荐类别时的待推荐信息的数量。


6.根据权利要求1所述的方法，其特征在于，
在获取与每个所述推荐类别的数量对应的待推荐信息之前，所述方法还包括：
获取对应所述待推荐用户的召回信息；
基于所述待推荐用户的用户特征和环境特征、以及所述召回信息对应的信息特征，对所述召回信息的评分进行降序排序；
所述获取与每个所述推荐类别的数量对应的待推荐信息，包括：
从所述降序排序中选取排序在前的、且属于所述推荐类别的召回信息，以作为相应推荐类别的待推荐信息。


7.根据权利要求6所述的方法，其特征在于，所述获取对应所述待推荐用户的召回信息，包括：
获取以下至少一个类型的信息，以作为对应所述待推荐用户的召回信息：
与对应所述待推荐用户的历史浏览信息之间的内容相似，且内容相似度不小于内容相似度阈值的信息；
与对应所述待推荐用户的历史行为信息之间的行为相似，且行为相似度不小于行为相似度阈值的信息。


8.根据权利要求6所述的方法，其特征在于，所述基于所述待推荐用户的用户特征和环境特征、以及所述召回信息对应的信息特征，对所述召回信息的评分进行降序排序，包括：
将所述待推荐用户的历史浏览信息的特征与每个所述召回信息对应的特征进行合并处理，得到对应所述召回信息的信息特征；
将所述待推荐用户的用户特征和环境特征、以及与所述召回信息对应的特征，进行基于特征相关性的特征组合...

【专利技术属性】
技术研发人员：杜颖，张伸正，
申请(专利权)人：腾讯科技北京有限公司，
类型：发明
国别省市：北京;11