信息处理方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种信息处理方法、装置、电子设备和存储介质，该信息处理方法包括：获取目标用户的用户标签，并确定与用户标签匹配的物品推荐信息，得到候选推荐信息；将用户标签输入向量化模型进行向量化处理，得到用户向量，该向量化模型基于样本用户的历史操作数据训练得到；在候选推荐信息对应的物品编码的编码向量中检索与用户向量匹配的编码向量，得到目标编码向量，该候选推荐信息对应的物品编码的编码向量通过将候选推荐信息对应的物品编码输入向量化模型进行向量化处理得到；根据目标编码向量对应的目标物品编码获取目标推荐信息，并将目标推荐信息作为针对目标用户的召回信息。本发明专利技术实施例能够提高召回信息的准确度和质量。

【技术实现步骤摘要】
信息处理方法、装置、电子设备和存储介质
本专利技术涉及互联网
，尤其涉及一种信息处理方法、装置、电子设备和存储介质。
技术介绍
随着互联网的飞速发展，在线的物品推荐信息(例如广告)随处可见，所推送的物品推荐信息是否合适，关系着用户体验、物品供应商(例如商家)的成交总额(GrossMerchandiseVolume，GMV)、信息投放者(例如广告主)的投资回报率(ReturnOnInvestment，ROI)，因而，如何为用户推送合适的物品推荐信息，成为研究热点。信息投放者投放的物品推荐信息，通常会被存储在信息推荐引擎中，信息推荐引擎会对其内存储的所有物品推荐信息建立倒排索引，当有用户访问时，信息推荐引擎会通过建立的倒排索引搜索与用户标签匹配的物品推荐信息，然后按照信息投放者的出价对搜索到的物品推荐信息进行排序、截断，得到召回结果。在实现本专利技术的过程中，发现人发现，这种方法召回的物品推荐信息相对用户而言，不够准确、质量偏低。
技术实现思路
本专利技术实施例提供了一种信息处理方法、装置、电子设备和存储介质，能够本文档来自技高网...

【技术保护点】
1.一种信息处理方法，其特征在于，包括：/n获取目标用户的用户标签，并确定与所述用户标签匹配的物品推荐信息，得到候选推荐信息；/n将所述用户标签输入向量化模型进行向量化处理，得到用户向量，所述向量化模型基于样本用户的历史操作数据训练得到；/n在所述候选推荐信息对应的物品编码的编码向量中检索与所述用户向量匹配的编码向量，得到目标编码向量，所述候选推荐信息对应的物品编码的编码向量通过将所述候选推荐信息对应的物品编码输入所述向量化模型进行向量化处理得到；/n根据所述目标编码向量对应的目标物品编码获取目标推荐信息，并将所述目标推荐信息作为针对所述目标用户的召回信息。/n

【技术特征摘要】
1.一种信息处理方法，其特征在于，包括：
获取目标用户的用户标签，并确定与所述用户标签匹配的物品推荐信息，得到候选推荐信息；
将所述用户标签输入向量化模型进行向量化处理，得到用户向量，所述向量化模型基于样本用户的历史操作数据训练得到；
在所述候选推荐信息对应的物品编码的编码向量中检索与所述用户向量匹配的编码向量，得到目标编码向量，所述候选推荐信息对应的物品编码的编码向量通过将所述候选推荐信息对应的物品编码输入所述向量化模型进行向量化处理得到；
根据所述目标编码向量对应的目标物品编码获取目标推荐信息，并将所述目标推荐信息作为针对所述目标用户的召回信息。


2.根据权利要求1所述的信息处理方法，其特征在于，所述向量化模型通过如下方式训练得到：
根据所述历史操作数据建立样本用户和物品编码的关联图，并对所述关联图中的各个节点随机赋予向量；
从所述关联图中选取预设数量的目标节点，并通过聚合函数对所述目标节点的邻居节点的向量进行聚合，生成所述目标节点的向量；
根据所述目标节点的向量计算样本预测标签；
通过损失函数对所述样本预测标签和样本预设标签进行损失计算，得到损失值；
根据所述损失值反向优化所述聚合函数的参数和所述各个节点的向量，得到所述向量化模型。


3.根据权利要求2所述的信息处理方法，其特征在于，所述根据所述历史操作数据建立样本用户和物品编码的关联图，包括：
将样本用户作为用户节点，将物品编码作为编码节点，根据所述历史操作数据确定关联的用户节点和编码节点，所述关联的用户节点和编码节点为对应的样本用户和物品编码之间存在操作关系的节点；
将所述关联的用户节点和编码节点连接起来，形成所述关联图。


4.根据权利要求2所述的信息处理方法，其特征在于，所述通过聚合函数对所述目标节点的邻居节点的向量进行聚合，生成所述目标节点的向量，包括：
通过所述聚合函数将所述目标节点的二跳邻居节点的向量进行聚合，生成所述目标节点的一跳邻居节点的向量；
通过所述聚合函数将所述目标节点的一跳邻居节点的向量进行聚合，生成所述目标节点的向量。


5.根据权利要求3所述的信息处理方法，其特征在于，所述样本预设标签通过如下方式得到：
建立样本集，所述样本集中的每个样本包括样本用户和物品编码；
针对每个所述样本，根据所述历史操作数据确定所述样本中的样本用户与物品编码之间是否存在操作关系；
如果所述样本中的样本用户与物品编码之间存在操作关系，则将所述样本赋予第一标签值，如果所述样本中的样本用户与物品编码之间不存在操作关系，则将所述样本赋予第二标签值。


6.根据权利要求5所述的信息处理方法，其特征在于，所述目标节点包括用户节点和编码节点，所述根据所述目标节点的向量计算样本预测标签，包括：
根据所述第一标签值和所述第二标签值确定映射区间；
计算所述目标节点中的用户节点和编码节点的向量相似度，将计算得到...

【专利技术属性】
技术研发人员：裴英瑞，张万书，金林荣，李森，肖智鹏，施文祥，殷威，徐昊，
申请(专利权)人：北京沃东天骏信息技术有限公司，
类型：发明
国别省市：北京;11