【技术实现步骤摘要】
信息推荐方法、装置、设备和可读存储介质
本专利技术涉及人工智能领域，尤其涉及一种信息推荐方法、装置、设备和可读存储介质。
技术介绍
在包含图书、音乐或者视频等信息的信息提供平台中，平台往往为用户提供了信息推荐的功能，帮助用户从海量的信息中选择出自己感兴趣的信息。为用户进行信息推荐，基于的主要依据之一是用户在平台中产生过的信息浏览、购买、点击、收藏、评分、评论等行为数据，而用户的这些行为数据涉及到的信息的数量在平台提供的所有信息中所占比极低，所以信息推荐是典型的数据稀疏性问题。将深度学习模型运用于信息推荐是近年来的研究热点，其中生成对抗网络GAN(GenerativeAdversarialNetworks)能够通过生成模型和对抗模型的博弈，挖掘出用户行为语义层面的差异，使得生成的推荐结果更能体现用户的真实兴趣，然而，现有的基于IRGAN、GraphGAN、CFGAN等GAN模型的信息推荐方法仍然存在推荐准确率不高的问题。
技术实现思路
针对现有技术存在的上述至少一个技术问题，本专利技术实施例提供一种...
【技术保护点】
1.一种信息推荐方法，其特征在于，包括：/n确定目标用户对应的用户特征属性向量；/n将所述目标用户对应的用户特征属性向量输入至待推荐物品对应的推荐模型中，得到所述推荐模型输出的关于所述待推荐物品的兴趣偏好分的预测结果；/n其中，所述推荐模型与对抗模型组成生成对抗网络；所述生成对抗网络是以随机噪声向量样本、用户特征属性向量样本作为推荐模型的输入，以用户特征属性向量样本、融合特征向量样本以及所述推荐模型输出的用户行为隐反馈特征向量样本作为对抗模型的输入训练得到；/n所述融合特征向量样本是基于用户行为数据样本和所述待推荐物品对应的物品辅助信息样本确定的。/n
【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：
确定目标用户对应的用户特征属性向量；
将所述目标用户对应的用户特征属性向量输入至待推荐物品对应的推荐模型中，得到所述推荐模型输出的关于所述待推荐物品的兴趣偏好分的预测结果；
其中，所述推荐模型与对抗模型组成生成对抗网络；所述生成对抗网络是以随机噪声向量样本、用户特征属性向量样本作为推荐模型的输入，以用户特征属性向量样本、融合特征向量样本以及所述推荐模型输出的用户行为隐反馈特征向量样本作为对抗模型的输入训练得到；
所述融合特征向量样本是基于用户行为数据样本和所述待推荐物品对应的物品辅助信息样本确定的。
2.根据权利要求1所述的信息推荐方法，其特征在于，所述融合特征向量样本是基于用户行为数据样本和所述待推荐物品对应的物品辅助信息样本确定的，包括：
将所述用户行为数据样本和所述待推荐物品对应的物品辅助信息样本输入至融合模型中，得到所述融合模型输出的所述融合特征向量样本；
其中，所述融合模型是基于所述用户行为数据样本和所述待推荐物品对应的所述物品辅助信息样本作为训练样本，以及用户行为标签作为训练标签，训练得到的；所述用户行为标签用于标识用户对所述待推荐物品是否有过操作行为。
3.根据权利要求2所述的信息推荐方法，其特征在于，将所述用户行为数据样本和所述待推荐物品对应的物品辅助信息样本输入至融合模型中，得到所述融合模型输出的所述融合特征向量样本，包括：
将所述用户行为数据样本和所述待推荐物品对应的物品辅助信息样本输入至所述融合模型的神经网络嵌入层，得到所述神经网络嵌入层输出的经过降维处理的用户行为数据特征向量和物品辅助信息特征向量；
将所述用户行为数据特征向量和所述物品辅助信息特征向量输入至所述融合模型的隐藏层，得到所述隐藏层输出的经过融合处理的所述融合特征向量样本。
4.根据权利要求1所述的信息推荐方法，其特征在于，所述生成对抗网络是以随机噪声向量样本、用户特征属性向量样本作为推荐模型的输入，并以用户特征属性向量样本、融合特征向量样本以及所述推荐模型输出的用户行为隐反馈特征向量样本作为对抗模型的输入训练得到，包括：
将所述用户特征属性向量样...
【专利技术属性】
技术研发人员：吴志勇，金懿伟，斯凌，丁悦华，陈妙，
申请(专利权)人：咪咕数字传媒有限公司，咪咕文化科技有限公司，
类型：发明
国别省市：浙江;33
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。