对象推荐方法和装置制造方法及图纸

本公开提供了一种对象推荐方法和装置，涉及计算机技术领域，尤其涉及基于人工智能的推荐技术领域。实现方案为：获得目标用户的目标搜索请求，目标搜索请求用于从第一对象集合中搜索第一对象子集；基于目标搜索请求，从第二对象集合中获得第二对象子集，其中，第二对象子集中的每一个对象具有预测质量，预测质量指示相应对象被目标用户偏好的程度不低于第一对象子集中的每一个对象的被目标用户偏好的程度；以及将第二对象子集推荐给目标用户。以及将第二对象子集推荐给目标用户。以及将第二对象子集推荐给目标用户。

【技术实现步骤摘要】
对象推荐方法和装置


[0001]本公开涉及计算机
，尤其涉及基于人工智能的推荐
，具体涉及一种对象推荐方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

技术介绍

[0002]人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
[0003]基于人工智能的推荐技术，已经渗透到各个领域。其中，基于人工智能的对象推荐，通过预测用户对对象的偏好，向用户推荐符合其偏好的对象。
[0004]在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

技术实现思路

[0005]本公开提供了一种对象推荐方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
[0006]根据本公开的一方面，提供了一种对象推荐方法，包括：获得目标用户的目标搜索请求，所述目标搜索请求用于从第一对象集合 中请求第一对象子集；基于所述目标搜索请求，从第二对象集合中获得第二对象子集，其中，所述第二对象子集中的每一个对象具有预测质量，所述预测质量指示相应对象被所述目标用户偏好的程度不低于所述第一对象子集中的每一个对象的被所述目标用户偏好的程度；以及将所述第二对象子集推荐给所述目标用户。
[0007]根据本公开的另一方面，提供了一种对象推荐装置，包括：目标搜索请求获取单元，被配置用于获得目标用户的目标搜索请求，所述目标搜索请求用于从第一对象集合中搜索第一对象子集；第二对象子集获取单元，被配置用于基于所述目标搜索请求，从第二对象集合中获得第二对象子集，其中，所述第二对象子集中的每一个对象具有预测质量，所述预测质量指示相应对象被所述目标用户偏好的程度不低于所述第一对象子集中的每一个对象的被所述目标用户偏好的程度；以及推荐单元，被配置用于将所述第二对象子集，推荐给所述目标用户。
[0008]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据本公开的实施例所述的方法。
[0009]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开的实施例所述的方法。
[0010]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现根据本公开的实施例所述的方法。
[0011]根据本公开的一个或多个实施例，使给目标用户推荐的是其偏好的对象，提升目标用户的用户体验。
[0012]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0013]附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
[0014]图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；图2示出了根据本公开的实施例的对象推荐方法的流程图；图3示出了根据本公开的实施例的对象推荐方法中获得目标用户的目标搜索请求的过程的流程图；图4示出了根据本公开的实施例的对象推荐方法中获得历史搜索请求的预测点击率的过程的流程图；图5示出了根据本公开的实施例的对象推荐方法中基于目标搜索请求，从第二对象集合中获得第二对象子集的过程的流程图；图6示出了根据本公开的实施例的对象推荐方法中获得第三对象子集中每一个对象的质量评价的过程的流程图；图7示出了根据本公开的实施例的对象推荐方法中获得多个训练对象对中的每一个训练对象对的标注标签的过程的流程图；图8示出了根据本公开的实施例的对象推荐方法中获得该训练对象对中的第一对象和第二对象之间对应于第一操作和多个第二操作中的每一个的偏序关系的过程的流程图；图9示出了根据本公开的实施例的对象推荐方法中基于该训练对象对中的第一对象和第二对象之间对应于第一操作和多个第二操作中的每一个的偏序关系，获得该训练对象对的标注标签的过程的流程图；图10示出了根据本公开的实施例的对象推荐装置的结构框图；以及图11示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
[0015]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了
清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0016]在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
[0017]在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
[0018]下面将结合附图详细描述本公开的实施例。
[0019]图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
[0020]在本公开的实施例中，服务器120可以运行使得能够执行对象推荐方法的一个或多个服务或软件应用。
[0021]在某些实施例中，服务器120还可以提供其他服务或软件应用，这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务（SaaS）模型下提供给客户端设备10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，包括：获得目标用户的目标搜索请求，所述目标搜索请求用于从第一对象集合中搜索第一对象子集；基于所述目标搜索请求，从第二对象集合中获得第二对象子集，其中，所述第二对象子集中的每一个对象具有预测质量，所述预测质量指示相应对象被所述目标用户偏好的程度不低于所述第一对象子集中的每一个对象的被所述目标用户偏好的程度；以及将所述第二对象子集推荐给所述目标用户。2.根据权利要求 1 所述的方法，其中，所述获得目标用户的目标搜索请求包括：获得所述目标用户的历史搜索请求，所述历史搜索请求用于从所述第一对象集合中请求第一历史对象子集；获得所述历史搜索请求的预测点击率，所述预测点击率指示基于所述搜索请求从所述第二对象集合中获得所述第二对象子集推荐给所述目标用户后，所述目标用户偏好所述第二对象子集中的至少一个对象的概率；以及响应于所述预测点击率大于预设值，将所述历史搜索请求确定为所述目标搜索请求，其中，所述第一历史对象子集为所述第一对象子集。3. 根据权利要求1 所述的方法，其中，所述获得所述历史搜索请求的预测点击率包括：获得所述历史搜索请求的特征，其中，所述特征包括所述历史搜索请求的类型以及所述历史搜索请求所包括的至少一个分词；以及将所述特征输入请求选择模型，以获得所述预测点击率，其中，所述请求选择模型是采用训练搜索请求训练而来的，其中，所述训练搜索请求对应有标注标签，所述标注标签指示基于所述训练搜索请求从所述第二对象集合中获得相应对象子集推荐给训练用户后，所述训练用户偏好所述相应对象子集中的至少一个对象的概率。4.根据权利要求1
‑
3中任一项所述的方法，其中，所述基于所述目标搜索请求，从第二对象集合中获得第二对象子集包括：基于所述目标搜索请求，从所述第二对象集合中获得第三对象子集；获得所述第三对象子集中每一个对象的质量评价，所述质量评价指示相应对象被所述目标用户偏好的程度高于所述第一对象子集中的每一个对象被所述目标用户偏好的程度的概率；以及基于所述第三对象子集中每一个对象的预测评价，获得所述第二对象子集。5. 根据权利要求4 所述的方法，其中，所述获得所述第三对象子集中每一个对象的质量评价包括：获得所述目标用户的训练搜索请求对应的第一训练对象集合和第二训练对象集合，其中，所述第一训练对象集合包括所述目标用户基于所述训练搜索请求从所述第一对象集合所搜索的多个对象，所述第二训练对象集合包括基于所述训练搜索请求从第二对象集合中获得的推荐给所述目标用户的多个对象；将所述第一训练对象集合中的每一个对象和所述第二训练对象集合中的每一个对象组成一个训练对象对，以获得所述目标用户对应的多个训练对象对；获得所述多个训练对象对中的每一个训练对象对的标注标签，其中，所述多个训练对
象对中的每一个训练对象对的标注标签指示该训练对象对中来自所述第二训练对象集合的对象被所述目标用户偏好的程度较来自所述第一训练对象集合的对象被所述目标用户偏好的程度高的程度；以及基于所述多个训练对象对和所述多个训练对象对中的每一个训练对象对的标注标签，获得所述第三对象子集中的每一个对象的质量评价。6.根据权利要求5所述的方法，其中，所述获得所述多个训练对象对中的每一个训练对象对的标注标签包括：针对所述多个训练对象对中的每一个训练对象对，确定所述目标用户分别对该训练对象对中的来自所述第一训练对象集合的第一对象和对来自所述第二训练对象集合的第二对象的用户行为，所述用户行为包括第一操作和多个第二操作中的至少一个，所述第一操作指示所述目标用户是否对所述相应对象具有偏好，所述多个第二操作中的每一个第二操作指示所述目标用户对所述相应对象的偏好程度；以及基于所述目标用户分别对该训练对象对中的来自所述第一训练对象集合的第一对象和对来自所述第二训练对象集合的第二对象的用户行为，获得该训练对象对中的第一对象和第二对象之间对应于所述第一操作和所述多个第二操作中的每一个的偏序关系；以及基于该训练对象对中的第一对象和第二对象之间对应于所述第一操作和所述多个第二操作中的每一个的偏序关系，获得该训练对象对的标注标签。7. 根据权利要求6所述的方法，其中，该训练对象对中的第一对象和第二对象之间对应于所述第一操作和所述多个第二操作中的每一个的偏序关系包括第一偏序值和第二偏序值，所述第一偏序值大于所述第二偏序值，所述获得该训练对象对中的第一对象和第二对象之间对应于所述第一操作和所述多个第二操作中的每一个的偏序关系包括：响应于所述目标用户对该训练对象对中的该第二对象具有所述第一操作，而对该训练对象对中的该第一对象不具有所述第一操作，将该训练对象对中的第一对象和第二对象之间对应于所述第一操作的偏序关系确定为所述第一偏序值；以及针对所述多个第二操作中的每一个第二操作，响应于确定该第二操作所指示的所述目标用户对该训练对象对中的该第二对象的偏好程度不低于该第二操作所指示的所述目标用户对该训练对象对中的该第一对象的偏好程度，将训练对象对中的第一对象和第二对象之间对应于所述第二操作的偏序关系确定为所述第一偏序值。8.根据权利要求6所述的方法，其中，所述基于该训练对象对中的第一对象和第二对象之间对应于所述第一操作和所述多个第二操作中的每一个的偏序关系，获得该训练对象对的标注标签包括：获得对应于所述第一操作和所述多个第二操作中的每一个的融合系数；基于所述第一操作和所述多个第二操作中的每一个对应的融合系数，对该训练对象对中的第一对象和第二对象之间对应的多个偏序关系进行融合，以获得该训练对象对的标注标签。9.根据权利要求6所述的方法，其中，所述第一操作包括点击，所述多个第二操作包括观看时间、评论数量和点赞数量。10.一种对象推荐装置，包括：
目标搜索请求获取单元，被配置用于获得目标用户的目标搜索请求，所述目标搜索请求用于从第一对象集合中搜索第一对象子集；第二对象子集获取单元，被配置用于基于所述目标搜索请求，从第二对象集合中获得第二对象子集，其中，所述第二对象子集中的每一个对象具有预测质量，所述预测质量指示相应对象被所述目标用户偏好的程度不低于所述第一对象子集中的每一个对象的被所述目标用户偏好的程度；以及推荐单元，被配置用于将所述第二对象子集，推荐给...

【专利技术属性】
技术研发人员：朱帆，解斐，陈航航，舒瑾芸，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：