一种资源推荐方法、装置及系统制造方法及图纸

本发明专利技术实施例提供了一种资源推荐方法、装置及系统，获取第一用户的第一个人基础信息和第一资源需求信息；获取每一第一待推荐资源的资源特征和多个不同的历史推荐信息；针对该第一待推荐资源的每一待推荐组合信息，基于预先训练的匹配度预测模型，对第一个人基础信息、第一资源需求信息和该待推荐组合信息进行处理，得到第一用户与该待推荐组合信息的匹配度；一个待推荐组合信息包括该第一待推荐资源的资源特征和一个历史推荐信息；每两个待推荐组合信息包含的历史推荐信息不同；从各第一待推荐资源中确定待推荐组合信息对应的匹配度满足预设条件的第一备选资源；向第一用户推荐包括第一备选资源的目标资源。基于此，可以提高推荐的资源的有效性。高推荐的资源的有效性。高推荐的资源的有效性。

【技术实现步骤摘要】
一种资源推荐方法、装置及系统


[0001]本专利技术涉及人工智能
，特别是涉及一种资源推荐方法、装置及系统。

技术介绍

[0002]随着计算机技术的发展，用户能够获取的资源也越来越多，用户很难从海量的资源（例如、电影、音乐、金融产品等）中快速的选择出自己感兴趣的资源。
[0003]相关技术中，可以向用户推荐资源，例如，在向用户推荐金融产品时，获取一段时间（例如，一周）内用户在社交平台（例如，QQ、微信和微博等）的社交数据，并从用户的社交数据中提取与金融产品相关联的关键词，例如，用户对大额资金理财相关的金融产品感兴趣，则用户的社交数据中可能包括大额资金理财相关的金融产品的关键词。然后，向用户推荐与提取到的关键词相关联的目标金融产品。
[0004]然而，用户的社交数据中提取的与金融产品相关联的关键词，并不能体现符合用户的真实需求的金融产品的特征，例如，用户的社交数据中包括大额资金理财相关的金融产品的关键词，但是用户的资产可能未达到大额资金理财相关的金融产品购买标准，大额资金理财相关的金融产品并不符合用户个人的真实信息。因此，基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种资源推荐方法，其特征在于，所述方法应用于服务器，所述方法包括：获取第一用户的个人基础信息作为第一个人基础信息，以及获取所述第一用户的资源需求信息作为第一资源需求信息；针对每一第一待推荐资源，获取该第一待推荐资源的资源特征和多个不同的历史推荐信息；其中，该第一待推荐资源的一个历史推荐信息为：基于第一历史时间段内向用户推荐该第一待推荐资源时生成的音频数据得到的；针对该第一待推荐资源的每一待推荐组合信息，基于预先训练的匹配度预测模型，对所述第一个人基础信息、所述第一资源需求信息和该待推荐组合信息进行处理，得到所述第一用户与该待推荐组合信息的匹配度；其中，一个待推荐组合信息包括该第一待推荐资源的资源特征和一个历史推荐信息；每两个待推荐组合信息包含的历史推荐信息不同；所述匹配度预测模型为：基于样本用户的样本个人基础信息、样本资源需求信息，以及样本资源的样本组合信息进行训练得到的；从各第一待推荐资源中确定待推荐组合信息对应的匹配度满足预设条件的资源，作为第一备选资源；向所述第一用户推荐目标资源；其中，所述目标资源包括所述第一备选资源。2.根据权利要求1所述的方法，其特征在于，所述获取所述第一用户的资源需求信息作为第一资源需求信息，包括：接收所述第一用户登录的第一客户端发送的用于获取资源的第一音频数据；对所述第一音频数据进行语音识别，得到所述第一用户的资源需求信息，作为第一资源需求信息。3.根据权利要求1所述的方法，其特征在于，所述匹配度预测模型包括：资源特征处理模块、用户特征处理模块和匹配度计算模块；所述资源特征处理模块包括：第一特征映射模块、第一特征融合模块和第一多层感知器；所述用户特征处理模块包括：第二特征映射模块、第二特征融合模块和第二多层感知器；所述针对该第一待推荐资源的每一待推荐组合信息，基于预先训练的匹配度预测模型，对所述第一个人基础信息、所述第一资源需求信息和该待推荐组合信息进行处理，得到所述第一用户与该待推荐组合信息的匹配度，包括：针对该第一待推荐资源的每一待推荐组合信息，通过所述第一特征映射模块，对该待推荐组合信息中的资源特征进行映射处理，得到第一特征向量，并对该待推荐组合信息中的历史推荐信息进行映射处理，得到第二特征向量；通过所述第一特征融合模块，对所述第一特征向量与所述第二特征向量进行拼接，得到第三特征向量；通过所述第一多层感知器，按照指定长度对所述第三特征向量进行映射处理，得到该待推荐组合信息的信息特征向量；通过所述第二特征映射模块，对所述第一个人基础信息进行映射处理，得到第四特征向量，并对所述第一资源需求信息进行映射处理，得到第五特征向量；通过所述第二特征融合模块，对所述第四特征向量与所述第五特征向量进行拼接，得到第六特征向量；通过所述第二多层感知器，按照所述指定长度对所述第六特征向量进行映射处理，得
到所述第一用户的用户特征向量；通过所述匹配度计算模块，计算所述第一用户的用户特征向量与该待推荐组合信息的信息特征向量之间的相似度，作为所述第一用户与该待推荐组合信息的匹配度。4.根据权利要求1所述的方法，其特征在于，所述向所述第一用户推荐目标资源，包括：向第二用户登录的第二客户端发送所述目标资源的目标推荐信息，以使所述第二客户端显示接收到的所述目标推荐信息，获取所述第二用户按照所述目标推荐信息发出的第二音频数据，并向所述服务器发送所述第二音频数据；其中，所述目标资源的目标推荐信息包括：所述目标资源的对应的匹配度满足预设条件的组合信息中的历史推荐信息；在接收到所述第二音频数据时，向所述第一客户端发送所述第二音频数据，以使所述第一客户端播放所述第二音频数据。5.根据权利要求1所述的方法，其特征在于，在所述向所述第一用户推荐目标资源之前，所述方法还包括：确定多个不存在历史推荐信息的资源，作为第二待推荐资源；针对每一第二待推荐资源，对该第二待推荐资源的资源特征和预设推荐信息进行映射处理，得到该第二待推荐资源的资源特征向量；计算该第二待推荐资源的资源特征向量与每一第一备选资源的目标组合信息的信息特征向量之间的相似度，得到该第二待推荐资源与该第一备选资源的相似度；其中，该第一备选资源的目标组合信息对应的匹配度满足所述预设条件；计算该第二待推荐资源与各第一备选资源的相似度的均值，得到该第二待推荐资源对应的相似度均值；按照对应的相似度均值从大到小的顺序，从所述第二待推荐资源中确定前第一数目个资源，作为第二备选资源；其中，所述目标资源还包括所述第二备选资源。6.根据权利要求1所述的方法，其特征在于，所述匹配度预测模型的训练过程包括以下步骤：针对每一样本资源，获取所述第二用户在第二历史时间段内向样本用户进行资源推荐时生成的样本音频数据，并对所述样本音频数据进行语音识别，得到该样本资源的历史推荐信息，以及与该样本资源对应的所述样本用户的样本资源需求信息；基于该样本资源的一个样本组合信息、一个样本资源需求信息和所述样本用户的样本个人基础信息，生成一个初始训练样本；其中，一个样本组合信息包括：该样本资源的资源特征和一个历史推荐信息；每两个样本组合信息包含的历史推荐信息不同；基于各初始训练样本中的样本标签，从各初始训练样本中确定与所述样本用户相匹配的正样本，以及与所述样本用户不匹配的负样本，得到目标训练样本；其中，一个初始训练样本中的样本标签...

【专利技术属性】
技术研发人员：肖钢，潘建东，文博，刘建阳，张健，徐政钧，
申请(专利权)人：中信建投证券股份有限公司，
类型：发明
国别省市：