推荐对象的方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及人工智能技术，提供了一种推荐对象的方法、装置、计算机设备和存储介质。所述方法包括：从使得相对意愿值的累积值最大化的特征集合中，获取目标用户标识对应的目标用户特征以及每一个候选对象各自对应的对象特征；相对意愿值，是任意用户标识对应于已使用对象的意愿值与用户标识对应于未使用对象的意愿值间的差值，意愿值与相应用户标识对应的用户特征正相关，并与相应对象的对象特征正相关；针对每一候选推荐对象，至少根据相应的对象特征和目标用户特征，确定每一候选推荐对象对应的预测推荐结果；按照预测推荐结果，从候选推荐对象筛选出目标推荐对象，并基于目标用户标识推荐目标推荐对象。采用本方法能够实现对象的精准推荐。的精准推荐。的精准推荐。

【技术实现步骤摘要】
推荐对象的方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机
，特别是涉及一种推荐对象的方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着计算机技术的发展，出现了越来越多的人机交互场景。例如，用户通过与日常使用的对象进行交互，如在应用程序中的运行的小程序、公众号、访问的网页等，极大地方便了用户日常的公务、出行、购物以及信息验证等方方面面的业务办理与日常生活。其中，交互的对象在交互界面的显示方式一般为系统默认的固定排序或者是由用户自主设定。
[0003]然而，传统的对象推荐方式一般向用户推荐的是用户最近使用过的对象，基于这种对象推荐方式，并不能准确地表达用户对每一个对象的使用意愿，从而导致存在推荐结果不够准确。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够对对象进行精准推荐的推荐对象的方法、装置、计算机设备和存储介质。
[0005]一种推荐对象的方法，所述方法包括：
[0006]从使得相对意愿值的累积值最大化的特征集合中，获取目标用户标识对应的目标用户特征以及每一个候选对象各自对应的对象特征；所述相对意愿值，是任意用户标识对应于已使用对象的意愿值与所述用户标识对应于未使用对象的意愿值间的差值，所述意愿值与相应用户标识对应的用户特征正相关，并与相应对象的对象特征正相关；
[0007]针对每一候选推荐对象，至少根据相应的所述对象特征和所述目标用户特征，确定每一所述候选推荐对象对应的预测推荐结果；
[0008]按照所述预测推荐结果，从所述候选推荐对象筛选出目标推荐对象，并基于所述目标用户标识推荐所述目标推荐对象。
[0009]在其中一个实施例中，所述推荐对象的方法还包括：
[0010]按照更新周期，基于每一更新周期内每一用户标识对应的已使用对象和未使用对象，对所述特征集合中的对象特征和用户特征进行更新。
[0011]一种推荐对象的装置，所述装置包括：
[0012]特征获取模块，用于从使得相对意愿值的累积值最大化的特征集合中，获取目标用户标识对应的目标用户特征以及每一个候选对象各自对应的对象特征；所述相对意愿值，是任意用户标识对应于已使用对象的意愿值与所述用户标识对应于未使用对象的意愿值间的差值，所述意愿值与相应用户标识对应的用户特征正相关，并与相应对象的对象特征正相关；
[0013]推荐结果预测模块，用于针对每一候选推荐对象，至少根据相应的所述对象特征和所述目标用户特征，确定每一所述候选推荐对象对应的预测推荐结果；
[0014]对象推荐模块，用于按照所述预测推荐结果，从所述候选推荐对象筛选出目标推荐对象，并基于所述目标用户标识推荐所述目标推荐对象。
[0015]在其中一个实施例中，所述推荐对象的装置还包括模型确定模块；
[0016]所述模型确定模块，用于获取与目标用户标识所匹配的目标场景模式数据，确定与所述目标场景模式数据相对应的预测模型；
[0017]所述推荐结果预测模块，还用于针对每一候选推荐对象，将相应的所述对象特征和所述目标用户特征输入所述预测模型，得到每一所述候选推荐对象对应的预测推荐结果。
[0018]在其中一个实施例中，所述推荐对象的装置还包括数据获取模块和模型查找模块；
[0019]所述数据获取模块，用于获取与目标用户标识所匹配的目标场景模式数据；
[0020]所述模型查找模块，用于从基于场景模式数据构建的候选多层感知模型中，查找与所述目标场景模式数据相匹配的目标多层感知模型；
[0021]所述推荐结果预测模块，还用于针对每一候选推荐对象，将相应的所述对象特征和所述目标用户特征输入所述目标多层感知模型，基于所述目标多层感知模型进行多层感知的映射处理，确定每一所述候选推荐对象对应的预测推荐结果。
[0022]在其中一个实施例中，所述推荐对象的装置还包括数据排列组合模块和多层感知模型构建模块：
[0023]所述数据排列组合模块，用于对每一场景模式维度各自对应的候选场景模式数据进行排列组合，得到多组场景模式数据；
[0024]所述多层感知模型构建模块，用于针对每一组场景模式数据，提取相应的场景模式特征进行模型构建，得到每一组场景模式数据对应的候选多层感知模型。
[0025]在其中一个实施例中，所述多层感知模型构建模块包括初始模型构建模块以及模型优化模块；
[0026]所述初始模型构建模块，用于针对每一组场景模式数据，提取相应的场景模式特征进行模型构建，得到每一组场景模式数据对应的初始多层感知模型；
[0027]所述模型优化模块，用于基于相应场景模式数据对应的每一样本对象的预测推荐结果和实际结果计算对应的损失值，基于所述损失值进行误差反向传播，优化所述初始多层感知模型的初始多层感知参数，得到每一组场景模式数据对应的候选多层感知模型。
[0028]在其中一个实施例中，所述目标场景模式数据包括与所述目标用户标识对应的地域属性和与所述地域属性对应的状态时间；
[0029]所述数据获取模块包括地理位置信息获取模块、地域属性和状态时间确定模块；
[0030]所述地理位置信息获取模块，用于获取所述目标用户标识对应的终端在响应用户交互操作时采集的地理位置信息；
[0031]所述地域属性和状态时间确定模块，用于基于所述地理位置信息得到对应的状态时间，并确定所述地理位置信息所对应地域的地域属性。
[0032]在其中一个实施例中，所述目标推荐对象包括用于在母应用的运行环境中运行的目标推荐子应用；
[0033]所述地理位置信息获取模块，还用于当所述目标用户标识对应的终端所运行的母
应用进入子应用访问页面时，获取所述终端所采集的地理位置信息；
[0034]所述对象推荐模块，还用于将所述目标推荐子应用的推荐信息推送至所述目标用户标识对应的终端，以使所述终端执行对所述目标推荐子应用进行预加载和在所述子应用访问页面显示所述目标推荐子应用中的至少一种处理。
[0035]在其中一个实施例中，所述推荐对象的装置还包括特征初始化模块、意愿值确定模块以及特征优化模块；
[0036]所述特征初始化模块，用于对特征集合进行随机初始化，得到每一用户标识对应的初始用户特征以及每一对象对应的初始对象特征；
[0037]所述意愿值确定模块，用于针对每一用户标识，基于相应的初始用户特征与相应已使用对象以及未使用对象各自对应的初始对象特征，得到每一用户标识对应于已使用对象的意愿值以及对应于未使用对象的意愿值；
[0038]所述特征优化模块，用于对所述初始用户特征和所述初始对象特征进行特征优化，直至各用户标识对应于已使用对象的意愿值与所述用户标识对应于未使用对象的意愿值间的差值的累积值最大化。
[0039]在其中一个实施例中，所述意愿值确定模块包括对象分类模块以及意愿值计算模块；
[0040]所述对象分类模块，用于获取每一用户标识所对应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种推荐对象的方法，其特征在于，所述方法包括：从使得相对意愿值的累积值最大化的特征集合中，获取目标用户标识对应的目标用户特征以及每一个候选对象各自对应的对象特征；所述相对意愿值，是任意用户标识对应于已使用对象的意愿值与所述用户标识对应于未使用对象的意愿值间的差值，所述意愿值与相应用户标识对应的用户特征正相关，并与相应对象的对象特征正相关；针对每一候选推荐对象，至少根据相应的所述对象特征和所述目标用户特征，确定每一所述候选推荐对象对应的预测推荐结果；按照所述预测推荐结果，从所述候选推荐对象筛选出目标推荐对象，并基于所述目标用户标识推荐所述目标推荐对象。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：获取与目标用户标识所匹配的目标场景模式数据，确定与所述目标场景模式数据相对应的预测模型；所述针对每一候选推荐对象，至少根据相应的所述对象特征和所述目标用户特征，确定每一所述候选推荐对象对应的预测推荐结果，包括：针对每一候选推荐对象，将相应的所述对象特征和所述目标用户特征输入所述预测模型，得到每一所述候选推荐对象对应的预测推荐结果。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取与目标用户标识所匹配的目标场景模式数据，从基于场景模式数据构建的候选多层感知模型中，查找与所述目标场景模式数据相匹配的目标多层感知模型；所述针对每一候选推荐对象，至少根据相应的所述对象特征和所述目标用户特征，确定每一所述候选推荐对象对应的预测推荐结果，包括：针对每一候选推荐对象，将相应的所述对象特征和所述目标用户特征输入所述目标多层感知模型，基于所述目标多层感知模型进行多层感知的映射处理，确定每一所述候选推荐对象对应的预测推荐结果。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：对每一场景模式维度各自对应的候选场景模式数据进行排列组合，得到多组场景模式数据；针对每一组场景模式数据，提取相应的场景模式特征进行模型构建，得到每一组场景模式数据对应的候选多层感知模型。5.根据权利要求4所述的方法，其特征在于，所述针对每一组场景模式数据，提取相应的场景模式特征进行模型构建，得到每一组场景模式数据对应的候选多层感知模型，包括：针对每一组场景模式数据，提取相应的场景模式特征进行模型构建，得到每一组场景模式数据对应的初始多层感知模型；基于相应场景模式数据对应的每一样本对象的预测推荐结果和实际结果计算对应的损失值，基于所述损失值进行误差反向传播，优化所述初始多层感知模型的初始多层感知参数，得到每一组场景模式数据对应的候选多层感知模型。6.根据权利要求2至5中任意一项所述的方法，其特征在于，所述目标场景模式数据包括与所述目标用户标识对应的地域属性和与所述地域属性对应的状态时间；所述获取与目标用户标识所匹配的目标场景模式数据，包括：
获取所述目标用户标识对应的终端在响应用户交互操作时采集的地理位置信息；基于所述地理位置信息得到对应的状态时间，并确定所述地理位置信息所对应地域的地域属性。7.根据权利要求6所述的方法，其特征在于，所述目标推荐对象包括用于在母应用的运行环境中运行的目标推荐子应用；所述获取所述目标用户标识对应的终端在响应用户交互操作时采集的地理位置信息，包括：当所述目标用户标识对应的终端所运行的母应用进入子应用访问页面时，获取所述终端所采集的地理位置信息；所述基于所述目标用户标识推荐所述目标推荐对象，包括：将所述目标推荐子应用的推荐信息推送至所述目标用户标识对应的终端，以使所述终端执行对所述目标推荐子应用进行预加载和在所述子应用访问页面显示所述目标推荐子应用中的至少一种处理。8.根据权利要求1至5中任一项所述的方法，其特征在于，所述方法还包括：获取每一用户标识所对应的对象使用记录数...

【专利技术属性】
技术研发人员：陈昊，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：