对象推荐方法、装置、设备及存储介质制造方法及图纸

本申请提供了一种对象推荐方法、装置、设备及存储介质，旨在提高向用户推荐对象的准确性，所述方法包括：获得目标用户的实时行为数据；将所述目标用户的实时行为数据输入预先训练的预测模型，得到所述目标用户的用户向量表示；其中，所述预测模型是以多个用户的历史行为数据为训练样本，对预设模型进行训练得到的；获得多个候选对象的对象向量表示；根据所述用户向量表示和多个所述对象向量表示，从所述多个候选对象中确定向所述目标用户待推荐的目标对象。

【技术实现步骤摘要】
对象推荐方法、装置、设备及存储介质
本申请涉及数据处理
，特别是涉及一种对象推荐方法、装置、设备及存储介质。
技术介绍
随着各种社交、娱乐等应用软件的兴起，一般服务提供商会主动向用户推荐一些对象，该对象例如可以是：视频、文章、热点、直播主、明星等。相关技术中，为了提高向用户推荐的对象与用户之间的匹配度，一般采用深度网络模型从海量对象中筛选出与用户尽量相关的对象集合，然后将对象集合中的对象推荐给用户。但是，深度网络模型所用的训练数据一般是离线数据，如此，通过深度网络模型所筛选的对象集合具有滞后性，从而导致向用户推荐的对象与用户之间的匹配程度低的问题。
技术实现思路
本申请提供一种对象推荐方法、装置、设备及存储介质，以解决相关技术中向用户推荐的对象与用户匹配程度低的问题。为了解决上述问题，本申请实施例的第一方面，公开了一种对象推荐方法，应用于服务器，所述方法包括：获得目标用户的实时行为数据；将所述目标用户的实时行为数据输入预先训练的预测模型，得到所述目标用户的用户向量表示；其中，所述预测模型本文档来自技高网...

【技术保护点】
1.一种对象推荐方法，其特征在于，应用于服务器，所述方法包括：/n获得目标用户的实时行为数据；/n将所述目标用户的实时行为数据输入预先训练的预测模型，得到所述目标用户的用户向量表示；其中，所述预测模型是以多个用户的历史行为数据为训练样本，对预设模型进行训练得到的；/n获得多个候选对象的对象向量表示；/n根据所述用户向量表示和多个所述对象向量表示，从所述多个候选对象中确定向所述目标用户待推荐的目标对象。/n

【技术特征摘要】
1.一种对象推荐方法，其特征在于，应用于服务器，所述方法包括：
获得目标用户的实时行为数据；
将所述目标用户的实时行为数据输入预先训练的预测模型，得到所述目标用户的用户向量表示；其中，所述预测模型是以多个用户的历史行为数据为训练样本，对预设模型进行训练得到的；
获得多个候选对象的对象向量表示；
根据所述用户向量表示和多个所述对象向量表示，从所述多个候选对象中确定向所述目标用户待推荐的目标对象。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述预测模型进行周期性更新；其中，每次更新所用的训练样本为该次更新时刻之前的预设时段内多个用户的历史行为数据；
将所述目标用户的实时行为数据输入预先训练的预测模型，包括：
将所述目标用户的实时行为数据输入当次更新得到的预测模型。


3.根据权利要求2所述的方法，其特征在于，获得多个候选对象的对象向量表示，包括：
获得所述预测模型最后一次更新结束时，所述预测模型所输出的多个候选对象的对象向量表示。


4.根据权利要求1所述的方法，其特征在于，获得目标用户的实时行为数据，包括：
获取所述目标用户在当前时刻进行预设操作的当前行为数据，以及在当前时刻之前进行所述预设操作的目标历史行为数据；所述预设操作至少包括搜索操作和观看操作；
将属于相同预设操作的当前行为数据与目标历史行为数据进行多维度的数据合并，得到每种预设操作对应的多条行为数据；
按照时间先后顺序，从每种预设操作对应的多条行为数据中筛选预设条数的行为数据；
将筛选出的行为数据拼接为实时行为数据。


5.根据权利要求1所述的方法，其特征在于，根据所述用户向量表示和所述多个对象向量表示，从所述多个候选对象中确定向所述目标用户待推荐的目标对象，包括：
确定所述用户向量表示分别与所述多个对象向量表示之间的空间距离；
按照空间距离由小到大的顺序，从所述多个候选对象中筛选出预设数量个候选对象作为...

【专利技术属性】
技术研发人员：杨随心，
申请(专利权)人：上海众源网络有限公司，
类型：发明
国别省市：上海;31