对象推荐方法、装置、电子设备和存储介质制造方法及图纸

本公开关于对象推荐方法、装置、电子设备和存储介质，所述方法包括：响应于针对目标账号的对象推荐请求，分别确定使用目标账号的账号特征参数计算得到的账号特征向量和使用备选对象的对象特征参数计算得到的对象特征向量；调用预先经过训练并部署在FPGA中的匹配模型对账号特征向量和对象特征向量进行前向计算，并将计算得到的匹配度提供至对象推荐系统，以使对象推荐系统根据该匹配度向目标账号推荐备选对象，其中，上述匹配度用于表征备选对象与目标账号之间的匹配程度。

【技术实现步骤摘要】
对象推荐方法、装置、电子设备和存储介质
本公开涉及对象推荐领域，尤其涉及对象推荐方法、装置、电子设备和存储介质。
技术介绍
在线推理等对象推荐系统通常基于Tensorflow、Caffe或PyTorch等开源软件对应的软件架构训练的神经网络模型完成相关推荐任务。在相关技术中，主要利用FPGA(Field-ProgrammableGateArray，现场可编程门阵列)适应神经网络模型的模型算子，并通过计算上述模型算子实现对待推荐对象的推荐。但由于利用FPGA全面支持模型算子的开发难度较大，且需要在FPGA中部署支持模型算子的复杂编程逻辑，导致对象推荐系统的整体开发效率较低且维护成本高，特别是难以适用于计算需求或集群规模较小的场景。
技术实现思路
本公开提供了对象推荐方法、装置、电子设备和存储介质，以至少解决相关技术中的技术问题。本公开的技术方案如下：根据本公开实施例的第一方面，提出一种对象推荐方法，包括：响应于针对目标账号的对象推荐请求，分别确定使用所述目标账号的账号特征参数计算得到的账号特征向量和使用备选对象的对象特征参数计算得到的对象特征向量；调用预先经过训练并部署在现场可编程逻辑门阵列FPGA中的匹配模型对所述账号特征向量和所述对象特征向量进行前向计算，并将计算得到的匹配度提供至对象推荐系统，以使所述对象推荐系统根据所述匹配度向所述目标账号推荐所述备选对象，其中，所述匹配度用于表征所述备选对象与所述目标账号之间的匹配程度。可选的，确定所述账号特征向量，包括：解析所述对象推荐请求并提取所述目标账号的账号特征向量；或者，根据本地预存的所述目标账号的账号信息或者所述对象推荐请求中携带的所述目标账号的账号信息，计算所述目标账号的账号特征向量。可选的，确定所述对象特征向量，包括：提取所述对象推荐请求中携带的所述备选对象的对象特征参数；若匹配计算服务器对应的缓存中存在匹配于所述对象特征参数的特征向量，则将该特征向量确定为所述备选对象的对象特征向量；若所述缓存中不存在匹配于所述对象特征参数的特征向量，则使用所述对象特征参数计算所述备选对象的对象特征向量，并将所述对象特征向量保存在所述缓存中。可选的，所述匹配模型包括基于深度学习的神经网络模型。可选的，在所述FPGA中部署匹配模型，包括：在所述FPGA中部署所述神经网络模型的权重、偏置和从所述神经网络模型的计算图中提取的结构参数。可选的，所述调用预先经过训练并部署在FPGA中的匹配模型对所述账号特征向量和所述对象特征向量进行前向计算，包括：将所述账号特征向量和所述对象特征向量输入所述FPGA，以使所述FPGA将所述账号特征向量和所述对象特征向量作为所述匹配模型的输入参数参与针对所述匹配模型的前向运算以得到所述匹配度，其中，所述匹配模型被部署在所述FPGA中。可选的，所述将所述账号特征向量和所述对象特征向量输入所述FPGA，包括：基于所述账号特征向量和所述对象特征向量构建输入层向量；将所述输入层向量输入所述FPGA。可选的，所述将所述账号特征向量和所述对象特征向量输入所述FPGA，包括：在接收到多个所述对象推荐请求的情况下，将多个所述对象推理请求分别对应的所述账号特征向量和所述对象特征向量合并后输入所述FPGA。根据本公开实施例的第二方面，提出一种对象推荐系统，包括：模型训练子系统，用于训练匹配模型，并将经过训练的所述匹配模型提供至FGGA硬件子系统；模型计算子系统，用于响应于针对目标账号的对象推荐请求，分别确定使用所述目标账号得账号特征参数计算得到的账号特征向量和使用备选对象的对象特征参数计算得到的对象特征向量；将所述账号特征向量和所述对象特征向量输入现场可编程门阵列FPGA硬件子系统；并将所述FPGA硬件子系统返回的计算结果发送至对象推荐子系统；FPGA硬件子系统，用于部署所述模型训练子系统提供的经过训练的所述匹配模型，基于所述匹配模型对所述账号特征向量和所述对象特征向量进行前向计算，并将计算得到的匹配度返回至所述模型计算子系统，其中，所述匹配度用于表征所述备选对象与所述目标账号之间的匹配程度；对象推荐子系统，用于接收所述模型计算子系统发送的所述匹配度，并根据所述匹配度向所述目标账号推荐所述备选对象。可选的，还包括：分布式存储子系统，用于保存预先经过训练的所述匹配模型，并将所述匹配模型的所述模型参数发送至所述模型计算子系统。可选的，所述对象推荐模型包括基于深度学习的神经网络模型，所述模型训练子系统还用于：获取经过训练的所述匹配模型的模型参数，所述模型参数包括权重、偏置和从所述神经网络模型的计算图中提取的结构参数；将所述模型参数提供至FGGA硬件子系统。根据本公开实施例的第三方面，提出一种对象推荐装置，包括：向量确定模块，被配置为响应于针对目标账号的对象推荐请求，分别确定使用所述目标账号的账号特征参数计算得到的账号特征向量和使用备选对象的对象特征参数计算得到的对象特征向量；前向计算模块，被配置为调用预先经过训练并部署在现场可编程逻辑门阵列FPGA中的匹配模型对所述账号特征向量和所述对象特征向量进行前向计算，并将计算得到的匹配度提供至对象推荐系统，以使所述对象推荐系统根据所述匹配程度向所述目标账号推荐所述备选对象，其中，所述匹配度用于表征所述备选对象与所述目标账号之间的匹配程度。可选的，所述向量确定模块，还被配置为：解析所述对象推荐请求并提取所述目标账号的账号特征向量；或者，根据本地预存的所述目标账号的账号信息或者所述对象推荐请求中携带的所述目标账号的账号信息，计算所述目标账号的账号特征向量。可选的，所述向量确定模块，还被配置为提取所述对象推荐请求中携带的所述备选对象的对象特征参数；若匹配计算服务器对应的缓存中存在匹配于所述对象特征参数的特征向量，则将该特征向量确定为所述备选对象的对象特征向量；若所述缓存中不存在匹配于所述对象特征参数的特征向量，则使用所述对象特征参数计算所述备选对象的对象特征向量，并将所述对象特征向量保存在所述缓存中。可选的，所述匹配模型包括基于深度学习的神经网络模型。可选的，还包括：模型部署模块，被配置为在所述FPGA中部署所述神经网络模型的权重、偏置和从所述神经网络模型的计算图中提取的结构参数。可选的，所述前向计算模块，还被配置为：将所述账号特征向量和所述对象特征向量输入所述FPGA，以使所述FPGA将所述账号特征向量和所述对象特征向量作为所述匹配模型的输入参数参与针对所述匹配模型的前向运算以得到所述匹配度，其中，所述匹配模型被部署在所述FPGA中。可选的，所述前向计算模块，还被配置为：基于所述账号特征向量和所述对象特征向量构建输入层向量；将所述输入层向量输入所述FPGA。可选的本文档来自技高网...

【技术保护点】
1.一种对象推荐方法，其特征在于，包括：/n响应于针对目标账号的对象推荐请求，分别确定使用所述目标账号的账号特征参数计算得到的账号特征向量和使用备选对象的对象特征参数计算得到的对象特征向量；/n调用预先经过训练并部署在现场可编程逻辑门阵列FPGA中的匹配模型对所述账号特征向量和所述对象特征向量进行前向计算，并将计算得到的匹配度提供至对象推荐系统，以使所述对象推荐系统根据所述匹配度向所述目标账号推荐所述备选对象，其中，所述匹配度用于表征所述备选对象与所述目标账号之间的匹配程度。/n

【技术特征摘要】
1.一种对象推荐方法，其特征在于，包括：
响应于针对目标账号的对象推荐请求，分别确定使用所述目标账号的账号特征参数计算得到的账号特征向量和使用备选对象的对象特征参数计算得到的对象特征向量；
调用预先经过训练并部署在现场可编程逻辑门阵列FPGA中的匹配模型对所述账号特征向量和所述对象特征向量进行前向计算，并将计算得到的匹配度提供至对象推荐系统，以使所述对象推荐系统根据所述匹配度向所述目标账号推荐所述备选对象，其中，所述匹配度用于表征所述备选对象与所述目标账号之间的匹配程度。


2.根据权利要求1所述的方法，其特征在于，确定所述账号特征向量，包括：
解析所述对象推荐请求并提取所述目标账号的账号特征向量；或者，
根据本地预存的所述目标账号的账号信息或者所述对象推荐请求中携带的所述目标账号的账号信息，计算所述目标账号的账号特征向量。


3.根据权利要求1所述的方法，其特征在于，确定所述对象特征向量，包括：
提取所述对象推荐请求中携带的所述备选对象的对象特征参数；
若匹配计算服务器对应的缓存中存在匹配于所述对象特征参数的特征向量，则将该特征向量确定为所述备选对象的对象特征向量；
若所述缓存中不存在匹配于所述对象特征参数的特征向量，则使用所述对象特征参数计算所述备选对象的对象特征向量，并将所述对象特征向量保存在所述缓存中。


4.根据权利要求1所述的方法，其特征在于，所述匹配模型包括基于深度学习的神经网络模型。


5.根据权利要求4所述的方法，其特征在于，在所述FPGA中部署匹配模型，包括：
在所述FPGA中部署所述神经网络模型的权重、偏置和从所述神经网络模型的计算图中提取的结构参数。


6.一种对象推荐系统，其特征在于，包括：
模型训练子系统，用于训练匹配模型，并将经过训练的所述匹配模型提供至FGGA硬件子系统；
模型计算子系统，用于响应于针对目标账号的对...

【专利技术属性】
技术研发人员：江子豪，
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