对象推荐方法及装置制造方法及图纸

本申请提供对象推荐方法及装置，其中所述对象推荐方法包括：获取目标用户账号；根据目标用户账号与待推荐对象相关的历史数据对目标用户账号进行分类；在目标用户账号属于第一类型的情况下，通过推荐值预测模型确定目标用户账号对应的对象推荐列表；在目标用户账号属于第二类型的情况下，通过相似度确定目标用户账号对应的对象推荐列表；向目标用户展示对象推荐列表。如此，可以根据目标用户账号的实际历史数据情况进行分类，针对不同的目标用户，采用不同的方式进行对象推荐，提高了向目标用户推荐对象的准确率。户推荐对象的准确率。户推荐对象的准确率。

【技术实现步骤摘要】
对象推荐方法及装置


[0001]本申请涉及计算机
，特别涉及一种对象推荐方法。本申请同时涉及一种对象推荐装置，一种计算设备，以及一种计算机可读存储介质。

技术介绍

[0002]随着计算机技术的快速发展，人们日常生活中面临的信息与日俱增，为解决人们面对海量信息的无所适从，各种各样的推荐方法应运而生，向人们推荐其可能会感兴趣的对象。
[0003]现有技术中，往往是通过计算用户相似度或对象相似度来进行对象推荐，具体的，可以先确定目标用户的相似用户，然后将相似用户关注的对象推荐给目标用户；或者，可以先确定向目标用户推荐过的对象，然后将与该对象相似的对象也推荐给目标用户。
[0004]然而，通过计算用户相似度或对象相似度来进行对象推荐的方式，需要大量用户与选择对象的数据，计算出的相似度才会准确，后续向目标用户推荐的对象才会较为准确，对于缺少用户与选择对象的数据的情况，计算出的相似度准确性较差，从而导致向目标用户推荐对象的准确率较低。

技术实现思路

[0005]有鉴于此，本申请实施例提供了一种对象推荐方法。本申请同时涉及一种对象推荐装置，一种计算设备，以及一种计算机可读存储介质，以解决现有技术中存在的向目标用户推荐对象的准确率较低的问题。
[0006]根据本申请实施例的第一方面，提供了一种对象推荐方法，包括：
[0007]获取目标用户账号；
[0008]根据所述目标用户账号与待推荐对象相关的历史数据对所述目标用户账号进行分类；
[0009]在所述目标用户账号属于第一类型的情况下，通过推荐值预测模型确定所述目标用户账号对应的对象推荐列表；在所述目标用户账号属于第二类型的情况下，通过相似度确定所述目标用户账号对应的对象推荐列表；
[0010]向所述目标用户展示所述对象推荐列表。
[0011]根据本申请实施例的第二方面，提供了一种对象推荐装置，包括：
[0012]第一获取模块，被配置为获取目标用户账号；
[0013]分类模块，被配置为根据所述目标用户账号与待推荐对象相关的历史数据对所述目标用户账号进行分类；
[0014]确定模块，被配置为在所述目标用户账号属于第一类型的情况下，通过推荐值预测模型确定所述目标用户账号对应的对象推荐列表；在所述目标用户账号属于第二类型的情况下，通过相似度确定所述目标用户账号对应的对象推荐列表；
[0015]展示模块，被配置为向所述目标用户展示所述对象推荐列表。
[0016]根据本申请实施例的第三方面，提供了一种计算设备，包括：
[0017]存储器和处理器；
[0018]所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，以实现下述方法：
[0019]获取目标用户账号；
[0020]根据所述目标用户账号与待推荐对象相关的历史数据对所述目标用户账号进行分类；
[0021]在所述目标用户账号属于第一类型的情况下，通过推荐值预测模型确定所述目标用户账号对应的对象推荐列表；在所述目标用户账号属于第二类型的情况下，通过相似度确定所述目标用户账号对应的对象推荐列表；
[0022]向所述目标用户展示所述对象推荐列表。
[0023]根据本申请实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现任意所述对象推荐方法的步骤。
[0024]本申请提供的对象推荐方法，可以在获取目标用户账号之后，根据所述目标用户账号与待推荐对象相关的历史数据对所述目标用户账号进行分类；并在所述目标用户账号属于第一类型的情况下，通过推荐值预测模型确定所述目标用户账号对应的对象推荐列表；在所述目标用户账号属于第二类型的情况下，通过相似度确定所述目标用户账号对应的对象推荐列表；然后，向所述目标用户展示所述对象推荐列表。这种情况下，在获取到目标用户账号后，可以对目标用户账号进行分类处理，一部分目标用户账号可以通过计算相似度的方式进行对象推荐，而一部分目标用户账号可以通过推荐值预测模型进行对象推荐；如此，可以根据目标用户账号的实际历史数据情况进行分类，针对不同的目标用户，采用不同的方式进行对象推荐，提高了向目标用户推荐对象的准确率。
附图说明
[0025]图1是本申请一实施例提供的一种对象推荐方法的流程图；
[0026]图2是本申请一实施例提供的一种应用于游戏场景的对象推荐方法的示意图；
[0027]图3是本申请一实施例提供的一种深度因子分解机模型示意图；
[0028]图4是本申请一实施例提供的一种基于用户相似度确定游戏推荐列表的示意图；
[0029]图5是本申请一实施例提供的一种基于游戏相似度确定游戏推荐列表的示意图；
[0030]图6是本申请一实施例提供的一种对象推荐装置的结构示意图；
[0031]图7是本申请一实施例提供的一种计算设备的结构框图。
具体实施方式
[0032]在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。
[0033]在本申请一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请一个或多个实施例。在本申请一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其
他含义。还应当理解，本申请一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0034]应当理解，尽管在本申请一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
[0035]首先，对本申请一个或多个实施例涉及的名词术语进行解释。
[0036]协同过滤算法：常常被用于分辨用户可能感兴趣的对象，是一种较为著名和常用的推荐算法，它基于对用户历史行为数据的挖掘发现用户的喜好偏向，并预测用户可能喜好的对象进行推荐。主要实现由：根据和目标用户有共同喜好的用户给目标用户推荐；根据目标用户喜欢的对象给目标用户推荐相似对象；根据以上条件综合推荐。因此，可以得出常用的协同过滤算法分为两种，基于用户的协同过滤算法(user-based collaboratIve filtering)，通过不同用户对对象的评分来评测用户之间的相似性，基于用户之间的相似性做出推荐；基于对象的协同过滤算法(item-based collaborative filtering)，通过用户对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对象推荐方法，其特征在于，包括：获取目标用户账号；根据所述目标用户账号与待推荐对象相关的历史数据对所述目标用户账号进行分类；在所述目标用户账号属于第一类型的情况下，通过推荐值预测模型确定所述目标用户账号对应的对象推荐列表；在所述目标用户账号属于第二类型的情况下，通过相似度确定所述目标用户账号对应的对象推荐列表；向所述目标用户展示所述对象推荐列表。2.根据权利要求1所述的对象推荐方法，其特征在于，所述根据所述目标用户账号与待推荐对象相关的历史数据对所述目标用户账号进行分类，包括：确定所述历史数据的第一数据量；在所述第一数据量大于数据量阈值的情况下，确定所述目标用户账号属于第二类型；在所述第一数据量不大于数据量阈值的情况下，确定所述目标用户账号属于第一类型。3.根据权利要求1所述的对象推荐方法，其特征在于，所述在所述目标用户账号属于第二类型的情况下，通过相似度确定所述目标用户账号对应的对象推荐列表，包括：确定所述历史数据中与用户相关的历史数据的第二数据量，以及与对象相关的历史数据的第三数据量；在所述第二数据量大于所述第三数据量的情况下，通过用户相似度确定所述目标用户账号对应的对象推荐列表；在所述第二数据量不大于所述第三数据量的情况下，通过对象相似度确定所述目标用户账号对应的对象推荐列表。4.根据权利要求1-3任一所述的对象推荐方法，其特征在于，所述通过推荐值预测模型确定所述目标用户账号对应的对象推荐列表，包括：确定所述目标用户对应的至少一个特征向量，每个所述特征向量包括目标用户账号的用户特征和第一待推荐对象的对象特征；针对所述至少一个特征向量中的每个所述特征向量，通过所述推荐值预测模型确定所述第一待推荐对象针对所述目标用户账号的预测推荐值；将确定出的各个所述第一待推荐对象的预测推荐值进行排序，得到所述目标用户账号对应的对象推荐列表。5.根据权利要求4所述的对象推荐方法，其特征在于，所述确定所述目标用户对应的至少一个特征向量，包括：从所述历史数据中获取所述目标用户账号的用户特征；获取预先设置的至少一个第一待推荐对象对应的对象特征；针对所述至少一个第一待推荐对象中的每个所述第一待推荐对象，将所述用户特征和所述对象特征组合成一个特征向量，得到所述至少一个特征向量。6.根据权利要求4所述的对象推荐方法，其特征在于，所述推荐值预测模型包括预设特征分解函数、第一特征分析网络和第二特征分析网络；所述针对所述至少一个特征向量中的每个所述特征向量，通过所述推荐值预测模型确定所述第一待推荐对象针对所述目标用户账号的预测推荐值，包括：
根据所述特征向量包括的用户特征和对象特征对应的属性，将所述用户特征和所述对象特征划分为高阶特征和低阶特征；通过所述预设特征分解函数确定所述低阶特征的第一特征分析结果；通过第一特征分析网络确定出所述高阶特征的第二特征分析结果；通过第二特征分析网络对所述第一特征分析结果和所述第二特征分析结果进行融合，得到所述第一待推荐对象针对所述目标用户账号的预测推荐值。7.根据权利要求6所述的对象推荐方法，其特征在于，所述通过第一特征分析网络确定出所述高阶特征的第二特征分析结果，包括：通过预设编码规则对所述高阶特征进行编码，得到所述高阶特征对应的编码结果；对所述高阶特征对应的编码结果进行分区处理，得到至少一个区域编码；将所述至少一个区域编码输入所述第一特征分析网络，得到至少一个区域处理结果；对所述至少一个区域处理结果进行拼接，得到所述第二特征分析结果。8.根据权利要求3所述的对象推荐方法，其特征在于，所述在所述第二数据量大于所述第三数据量的情况下，通过用户相似度确定所述目标用户账号对应的对象推荐列表，包括：确定所述目标用户账号与至少一个其他用户账号之间的用户相似度；根据所述用户相似度，确定所述目标用户账号对应的相似用户集合；根据所述相似用户集合包括的所述其他用户账号对应的对象关注列表，确定所述目标用户账号对应的对象推荐列表。9.根据权利要求8所述的对象推荐方法，其特征在于，所述确定所述目标用户账号与至少一个其他用户账号之间的用户相似度，包括：从所述历史数据中获取所述目标用户账号对应的第二待推荐对象的点击通过率，并获取所述至少一个其他用户账号对应的第二待推荐对象的点击通过率；通过所述第二待推荐对象的点击通过率计算所述目标用户账号与所述至少一个其他用户账号之间的相似度。10.根据权利要求8所述的对象推荐方法，其特征在于，所述根据所述相似用户集...

【专利技术属性】
技术研发人员：王磊，曹煜，
申请(专利权)人：上海哔哩哔哩科技有限公司，
类型：发明
国别省市：