本公开的实施例公开了用于生成召回信息集合的方法和装置。该方法的一具体实施方式包括：获取用户浏览信息序列，其中，该用户浏览信息包括按照用户浏览时间排列的已浏览信息的标识；将该用户浏览信息序列输入至预先训练的信息关联模型，生成与该用户浏览信息序列对应的信息关联向量；从预设的信息簇集合中选取与该信息关联向量匹配的第一数目个匹配的信息簇，其中，该信息簇集合中的信息簇以与该信息关联向量形式一致的向量为索引；从该第一数目个匹配的信息簇中选取第二数目个信息，生成与该用户浏览信息序列匹配的召回信息集合。该实施方式有效地提升了召回信息的覆盖率。施方式有效地提升了召回信息的覆盖率。施方式有效地提升了召回信息的覆盖率。
【技术实现步骤摘要】
用于生成召回信息集合的方法和装置
[0001]本公开的实施例涉及计算机
，具体涉及用于生成召回信息集合的方法和装置。
技术介绍
[0002]随着大数据技术和人工智能技术的发展，对推荐系统的召回算法提出了越来越高的要求。
[0003]现有技术中，通常采用协同过滤或向量化召回的方法。其中，由于基于用户或推荐信息的协同过滤算法往往要求有足够多的对相同信息具有交互历史的用户或者要求信息之间具有共现关系，因此采用上述方法所召回的信息往往由于其并不属于全量检索而造成信息多样性不足且覆盖率有限。对于传统向量化召回方法，由于直接对用户向量与全量信息库中的信息向量进行相似性计算并根据相似性返回召回信息，导致可能召回大量的长尾信息。
技术实现思路
[0004]本公开的实施例提出了用于生成召回信息集合的方法和装置。
[0005]第一方面，本公开的实施例提供了一种用于生成召回信息集合的方法，该方法包括：获取用户浏览信息序列，其中，用户浏览信息包括按照用户浏览时间排列的已浏览信息的标识；将用户浏览信息序列输入至预先训练的信息关联模型，生成与用户浏览信息序列对应的信息关联向量；从预设的信息簇集合中选取与信息关联向量匹配的第一数目个匹配的信息簇，其中，信息簇集合中的信息簇以与信息关联向量形式一致的向量为索引；从第一数目个匹配的信息簇中选取第二数目个信息，生成与用户浏览信息序列匹配的召回信息集合。
[0006]在一些实施例中，上述从预设的信息簇集合中选取与信息关联向量第一数目个匹配的信息簇，包括：获取信息簇集合中各信息簇的质心对应的索引向量；根据索引向量与信息关联向量的相似度选取第一数目个索引向量；将所选取的第一数目个索引向量对应的信息簇确定为匹配的信息簇。
[0007]在一些实施例中，上述信息关联模型通过以下步骤训练得到：获取训练样本集合，其中，训练样本包括用户历史浏览信息序列，用户历史浏览信息包括按照用户浏览时间排列的已浏览信息的标识，用户历史浏览信息序列包括样本标签和对应的样本序列，样本标签包括用户历史浏览信息序列中的非首元素，样本序列包括在用户历史浏览信息序列中位于样本标签之前的元素所组成的子序列；将训练样本的样本序列作为信息关联模型的输入，将与输入的样本序列对应的样本标签作为信息关联模型的期望输出，训练得到信息关联模型。
[0008]在一些实施例中，上述预设的信息簇集合通过以下步骤得到：获取用户历史浏览信息序列集合，其中，用户历史浏览信息包括按照用户浏览时间排列的历史已浏览信息的
标识；将用户历史浏览信息序列集合中的用户历史浏览信息序列输入至预先训练的信息关联模型，生成与用户历史浏览信息序列集合对应的历史信息关联向量集合和历史关联信息集合；对所生成的历史信息关联向量集合进行聚类，将聚类后的历史信息关联向量集合对应的历史关联信息集合确定为信息簇集合。
[0009]在一些实施例中，上述从第一数目个匹配的信息簇中选取第二数目个信息，生成与用户浏览信息序列匹配的召回信息集合，包括：对于所选取的第一数目个匹配的信息簇，对各信息簇中的信息的历史浏览次数进行统计；按照信息的历史浏览次数从多至少的顺序选取第二数目个信息，生成与用户浏览信息序列匹配的召回信息集合。
[0010]第二方面，本公开的实施例提供了一种用于生成召回信息集合的装置，该装置包括：获取单元，被配置成获取用户浏览信息序列，其中，用户浏览信息包括按照用户浏览时间排列的已浏览信息的标识；生成单元，被配置成将用户浏览信息序列输入至预先训练的信息关联模型，生成与用户浏览信息序列对应的信息关联向量；选取单元，被配置成从预设的信息簇集合中选取与信息关联向量匹配的第一数目个匹配的信息簇，其中，信息簇集合中的信息簇以与信息关联向量形式一致的向量为索引；召回单元，被配置成从第一数目个匹配的信息簇中选取第二数目个信息，生成与用户浏览信息序列匹配的召回信息集合。
[0011]在一些实施例中，上述选取单元包括：获取模块，被配置成获取信息簇集合中各信息簇的质心对应的索引向量；选取模块，被配置成根据索引向量与信息关联向量的相似度选取第一数目个索引向量；确定模块，被配置成将所选取的第一数目个索引向量对应的信息簇确定为匹配的信息簇。
[0012]在一些实施例中，上述信息关联模型通过以下步骤训练得到：获取训练样本集合，其中，训练样本包括用户历史浏览信息序列，用户历史浏览信息包括按照用户浏览时间排列的已浏览信息的标识，用户历史浏览信息序列包括样本标签和对应的样本序列，样本标签包括用户历史浏览信息序列中的非首元素，样本序列包括在用户历史浏览信息序列中位于样本标签之前的元素所组成的子序列；将训练样本的样本序列作为信息关联模型的输入，将与输入的样本序列对应的样本标签作为信息关联模型的期望输出，训练得到信息关联模型。
[0013]在一些实施例中，上述预设的信息簇集合通过以下步骤得到：获取用户历史浏览信息序列集合，其中，用户历史浏览信息包括按照用户浏览时间排列的历史已浏览信息的标识；将用户历史浏览信息序列集合中的用户历史浏览信息序列输入至预先训练的信息关联模型，生成与用户历史浏览信息序列集合对应的历史信息关联向量集合和历史关联信息集合；对所生成的历史信息关联向量集合进行聚类，将聚类后的历史信息关联向量集合对应的历史关联信息集合确定为信息簇集合。
[0014]在一些实施例中，上述召回单元包括：统计模块，被配置成对于所选取的第一数目个匹配的信息簇，对各信息簇中的信息的历史浏览次数进行统计；生成模块，被配置成按照信息的历史浏览次数从多至少的顺序选取第二数目个信息，生成与用户浏览信息序列匹配的召回信息集合。
[0015]第三方面，本公开的实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
[0016]第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
[0017]本公开的实施例提供的用于生成召回信息集合的方法和装置，通过将备选信息分成若干个信息簇并根据向量间的匹配选取信息簇，无需以用户交互或商品共现作为检索前提，有效地提升了召回信息的覆盖率。而且，通过从匹配的信息簇中进行二次选取来生成召回信息，避免了由于单一相似度维度而造成的召回大量长尾信息，提升了信息推荐的准确度和转化率。从而从整体上提升召回模型的应用效果。
附图说明
[0018]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
[0019]图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
[0020]图2是根据本公开的用于生成召回信息集合的方法的一个实施例的流程图；
[0021]图3是根据本公开的实施例的用于生成召回信息集合的方法的一个应用场景的示意图；...
【技术保护点】
【技术特征摘要】
1.一种用于生成召回信息集合的方法，包括：获取用户浏览信息序列，其中，所述用户浏览信息包括按照用户浏览时间排列的已浏览信息的标识；将所述用户浏览信息序列输入至预先训练的信息关联模型，生成与所述用户浏览信息序列对应的信息关联向量；从预设的信息簇集合中选取与所述信息关联向量匹配的第一数目个匹配的信息簇，其中，所述信息簇集合中的信息簇以与所述信息关联向量形式一致的向量为索引；从所述第一数目个匹配的信息簇中选取第二数目个信息，生成与所述用户浏览信息序列匹配的召回信息集合。2.根据权利要求1所述的方法，其中，所述从预设的信息簇集合中选取与所述信息关联向量第一数目个匹配的信息簇，包括：获取所述信息簇集合中各信息簇的质心对应的索引向量；根据索引向量与所述信息关联向量的相似度选取第一数目个索引向量；将所选取的第一数目个索引向量对应的信息簇确定为所述匹配的信息簇。3.根据权利要求1或2所述的方法，其中，所述信息关联模型通过以下步骤训练得到：获取训练样本集合，其中，训练样本包括用户历史浏览信息序列，用户历史浏览信息包括按照用户浏览时间排列的已浏览信息的标识，用户历史浏览信息序列包括样本标签和对应的样本序列，样本标签包括用户历史浏览信息序列中的非首元素，样本序列包括在用户历史浏览信息序列中位于样本标签之前的元素所组成的子序列；将训练样本的样本序列作为所述信息关联模型的输入，将与输入的样本序列对应的样本标签作为所述信息关联模型的期望输出，训练得到所述信息关联模型。4.根据权利要求3所述的方法，其中，所述预设的信息簇集合通过以下步骤得到：获取用户历史浏览信息序列集合，其中，用户历史浏览信息包括按照用户浏览时间排列的历史已浏览信息的标识；将所述用户历史浏览信息序列集合中的用户历史浏览信息序列输入至所述预先训练的信息关联模型，生成与所述用户历史浏览信息序列集合对应的历史信息关联向量集合和历史关联信息集合；对所生成的历史信息关联向量集合进行聚类，将聚类后的历史信息关联向量集合对应的历史关联信息集合确定为所述信息簇集合。5.根据权利要求4所述的方法，其中，所述从所述第一数目个匹配的信息簇中选取第二数目个信息，生成与所述用户浏览信息序列匹配的召回信息集合，包括：对于所选取的第一数目个匹配的信息簇，对各信息簇中的信息的历史浏览次数进行...
【专利技术属性】
技术研发人员：常昊，彭长平，包勇军，颜伟鹏，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。