数据处理方法、装置、电子设备及存储介质制造方法及图纸

本公开是关于数据处理方法、装置、电子设备及存储介质。该方法包括：获取表示同一用户的多个行为特征，每个所述行为特征表示该用户针对对象发生的用户行为；确定所述多个行为特征的均值，作为行为特征均值；确定每个所述行为特征，与行为特征均值的相似度，作为第一相似度；确定每个所述行为特征所对应的对象的对象特征，与待推荐对象的对象特征的相似度，作为第二相似度；基于所述第一相似度和所述第二相似度，确定每个行为特征与所述待推荐对象的关联程度；从所述多个行为特征中，选取所述关联程度满足预设筛选条件的行为特征，作为目标行为特征；基于所述目标行为特征，确定所述待推荐对象的推荐度。可以有效降低计算推荐度所花费的计算资源。

【技术实现步骤摘要】
数据处理方法、装置、电子设备及存储介质
本公开涉及深度学习算法
，尤其涉及数据处理方法、装置、电子设备及存储介质。
技术介绍
相关技术中，为准确向用户推荐用户感兴趣的对象(如文章、视频等)，可以基于授权获取到的用户行为，对用户的兴趣进行分析，以确定用户对各个对象的感兴趣程度，作为向用户推荐对象时的参考依据。其中，用户对对象的感兴趣程度，可以视为向用户推荐对象时的推荐度，推荐度可以用于判断是否向用户推荐对象，如果对象的推荐度较低，则可以不向用户推荐对象，如果对象的推荐度较高，则可以向用户推荐对象。在对用户的兴趣进行分析的过程中，一个用户行为的贡献往往有限。为提高分析的准确性，可以通过大量的用户行为，对用户的兴趣进行分析。但是通过大量的用户行为，对用户的兴趣进行分析，可能需要花费较多的计算资源。
技术实现思路
为克服相关技术中存在的问题，本公开提供一数据处理方法、装置、电子设备及存储介质。根据本公开实施例的第一方面，提供一种数据处理方法，包括：获取表示同一用户的多个行为特征，每个所述行为特征表示该用户针对对象发生的用户行为；确定所述多个行为特征的均值，作为行为特征均值；确定每个所述行为特征，与行为特征均值的相似度，作为第一相似度；确定每个所述行为特征所对应的对象的对象特征，与待推荐对象的对象特征的相似度，作为第二相似度，其中，所对应的对象为所述行为特征所表示的用户行为所针对的对象；基于所述第一相似度和所述第二相似度，确定每个行为特征与所述待推荐对象的关联程度，所述关联程度与所述第一相似度正相关，并且与所述第二相似度正相关；从所述多个行为特征中，选取所述关联程度满足预设筛选条件的行为特征，作为目标行为特征；基于所述目标行为特征，确定所述待推荐对象的推荐度。结合第一方面，在第一种可能的实现方式中，所述确定每个所述行为特征，与行为特征均值的相似度，作为第一相似度，包括：将所述多个行为特征的特征向量，与所述多个行为特征所表示的用户行为的时间参数量化后相加，得到所述用户的行为特征矩阵，其中，所述时间参数用于表示用户行为的发生时间与当前时间的时间差；将所述行为特征矩阵与自身进行矩阵叉乘，得到每个行为特征的第一相似度。结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述确定所述每个所述行为特征，所表示的用户行为针对的对象的对象特征，与待推荐对象的对象特征的相似度，作为第二相似度，包括：基于所述行为特征矩阵的维度，对待推荐对象的对象特征的对象特征向量的维度进行扩展，得到对象特征矩阵；将所述行为特征矩阵，与所述对象特征矩阵进行矩阵点乘，得到第二相似度。结合第一方面，在第三种可能的实现方式中，所述从所述多个行为特征中，选取所述关联程度满足预设筛选条件的用户行为，作为目标行为特征，包括：从所述多个行为特征中，选取按照所述关联程度由高到低排序时位于前预设数目个的行为特征，作为目标行为特征；或者，从所述多个行为特征中，选取所述关联程度高于预设关联程度阈值的行为特征，作为目标行为特征。结合第一方面，在第四种可能的实现方式中，所述待推荐对象为向所述用户提供的服务内容信息，所述服务内容信息包括视频信息、书籍信息、广告信息、商品信息中的一个或多个。结合第一方面，在第五种可能的实现方式中，所述基于所述目标行为特征，确定所述待推荐对象的推荐度，包括：将所述目标行为特征与所述待推荐对象的对象特征，输入预先经过的训练的模型，得到所述模型的输出，作为所述待推荐对象的推荐度。根据公开实施例的第二方面，提供了一种数据处理装置，包括：行为获取模块，被配置为执行获取表示同一用户的多个行为特征，每个所述行为特征表示该用户针对对象发生的用户行为；均值模块，被配置为执行确定所述多个行为特征的均值，作为行为特征均值；第一相似度模块，被配置为执行确定每个所述行为特征，与行为特征均值的相似度，作为第一相似度；第二相似度模块，被配置为执行确定每个所述行为特征所对应的对象的对象特征，与待推荐对象的对象特征的相似度，作为第二相似度，其中，所对应的对象为所述行为特征所表示的用户行为所针对的对象；对象关联模块，被配置为执行基于所述第一相似度和所述第二相似度，确定每个行为特征与所述待推荐对象的关联程度，所述关联程度与所述第一相似度正相关，并且与所述第二相似度正相关；行为筛选模块，被配置为执行从所述多个行为特征中，选取所述关联程度满足预设筛选条件的行为特征，作为目标行为特征；对象推荐模块，被配置为执行基于所述目标行为特征，确定所述待推荐对象的推荐度。结合第二方面，在第一可能的实现方式中，所述第一相似度模块，具体被配置为执行将所述多个行为特征的特征向量，与所述多个行为特征所表示的用户行为的时间参数量化后相加，得到所述用户的行为特征矩阵，其中，所述时间参数用于表示用户行为的发生时间与当前时间的时间差；将所述行为特征矩阵与自身进行矩阵叉乘，得到每个行为特征的第一相似度。结合第二方面的第一种可能的实现方式，在第二种可能的实现方式中，所述第二相似度模块，具体被配置为执行基于所述行为特征矩阵的维度，对待推荐对象的对象特征的对象特征向量的维度进行扩展，得到对象特征矩阵；将所述行为特征矩阵，与所述对象特征矩阵进行矩阵点乘，得到第二相似度。结合第二方面，在第三种可能的实现方式中，所述对象推荐模块，具体被配置为执行从所述多个行为特征中，选取按照所述关联程度由高到低排序时位于前预设数目个的行为特征，作为目标行为特征；或者，从所述多个行为特征中，选取所述关联程度高于预设关联程度阈值的行为特征，作为目标行为特征。结合第二方面，在第四种可能的实现方式中，所述待推荐对象为向所述用户提供的服务内容信息，所述服务内容信息包括视频信息、书籍信息、广告信息、商品信息中的一个或多个。结合第二方面，在第五种可能的实现方式中，所述对象推荐模块，具体被配置执行将所述目标行为特征与所述待推荐对象的对象特征，输入预先经过的训练的模型，得到所述模型的输出，作为所述待推荐对象的推荐度。根据本公开实施例的第三方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：获取表示同一用户的多个行为特征，每个所述行为特征表示该用户针对对象发生的用户行为；确定所述多个行为特征的均值，作为行为特征均值；确定每个所述行为特征，与行为特征均值的相似度，作为第一相似度；确定每个所述行为特征所对应的对象的对象特征，与待推荐对象的对象特征的相似度，作为第二相似度，其中，所对应的对象为所述行为特征所表示的用户行为所针对的对象；基于所述第一相似度和所述第二相似度，确定每个行为特征与所述待推荐对象的关联程度，所述关联程度与所述第一相似度正相关，并且与所述第二相似本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：/n获取表示同一用户的多个行为特征，每个所述行为特征表示该用户针对对象发生的用户行为；/n确定所述多个行为特征的均值，作为行为特征均值；/n确定每个所述行为特征，与行为特征均值的相似度，作为第一相似度；/n确定每个所述行为特征所对应的对象的对象特征，与待推荐对象的对象特征的相似度，作为第二相似度，其中，所对应的对象为所述行为特征所表示的用户行为所针对的对象；/n基于所述第一相似度和所述第二相似度，确定每个行为特征与所述待推荐对象的关联程度，所述关联程度与所述第一相似度正相关，并且与所述第二相似度正相关；/n从所述多个行为特征中，选取所述关联程度满足预设筛选条件的行为特征，作为目标行为特征；/n基于所述目标行为特征，确定所述待推荐对象的推荐度。/n

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：
获取表示同一用户的多个行为特征，每个所述行为特征表示该用户针对对象发生的用户行为；
确定所述多个行为特征的均值，作为行为特征均值；
确定每个所述行为特征，与行为特征均值的相似度，作为第一相似度；
确定每个所述行为特征所对应的对象的对象特征，与待推荐对象的对象特征的相似度，作为第二相似度，其中，所对应的对象为所述行为特征所表示的用户行为所针对的对象；
基于所述第一相似度和所述第二相似度，确定每个行为特征与所述待推荐对象的关联程度，所述关联程度与所述第一相似度正相关，并且与所述第二相似度正相关；
从所述多个行为特征中，选取所述关联程度满足预设筛选条件的行为特征，作为目标行为特征；
基于所述目标行为特征，确定所述待推荐对象的推荐度。


2.根据权利要求1所述的方法，其特征在于，所述确定每个所述行为特征，与行为特征均值的相似度，作为第一相似度，包括：
将所述多个行为特征的特征向量，与所述多个行为特征所表示的用户行为的时间参数量化后相加，得到所述用户的行为特征矩阵，其中，所述时间参数用于表示用户行为的发生时间与当前时间的时间差；
将所述行为特征矩阵与自身进行矩阵叉乘，得到每个行为特征的第一相似度。


3.根据权利要求2所述的方法，其特征在于，所述确定所述每个所述行为特征，所表示的用户行为针对的对象的对象特征，与待推荐对象的对象特征的相似度，作为第二相似度，包括：
基于所述行为特征矩阵的维度，对待推荐对象的对象特征的对象特征向量的维度进行扩展，得到对象特征矩阵；
将所述行为特征矩阵，与所述对象特征矩阵进行矩阵点乘，得到第二相似度。


4.根据权利要求1所述的方法，其特征在于，所述从所述多个行为特征中，选取所述关联程度满足预设筛选条件的用户行为，作为目标行为特征，包括：
从所述多个行为特征中，选取按照所述关联程度由高到低排序时位于前预设数目个的行为特征，作为目标行为特征；或者，
从所述多个行为特征中，选取所述关联程度高于预设关联程度阈值的行为特征，作为目标行为特征。


5.根据权利要求1所述的方法，其特征在于，所述待推荐对象为向所述用户提供的服务内容信息...

【专利技术属性】
技术研发人员：常超，刘京鑫，肖战勇，陈祯扬，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：北京;11