一种物料推荐方法、装置、设备及计算机可读存储介质制造方法及图纸

本申请提供了一种物料推荐方法、装置、设备及计算机可读存储介质；该方法包括：获得目标用户的用户信息以及对应的候选物料的物料信息；根据用户信息和物料信息，提取用户特征、物料特征、兴趣匹配特征；其中，兴趣匹配特征用于表示用户对物料的感兴趣程度；将用户特征、物料特征和兴趣匹配特征输入深度推荐模型，以得到目标用户对候选物料中的每一个物料的CTR的预测值；根据CTR的预测值，向目标用户推荐物料。通过本申请，能够更准确的预测用户对推荐物料的点击率。物料的点击率。物料的点击率。

【技术实现步骤摘要】
一种物料推荐方法、装置、设备及计算机可读存储介质


[0001]本申请涉及计算机处理
，尤其涉及一种物料推荐方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]目前，推荐系统是通过向用户推荐用户感兴趣的物料实现用户增长的目的，推荐系统在为用户推荐物料的过程中，通常会采用笛卡尔积和单侧业务交叉的方式构建特征，构建的特征可以用于预测用户对物料的点击率，但是，笛卡尔积不适合用于构建所有特征，单侧业务交叉不具有泛化性，这使得推荐系统在使用上述两种方式时，无法准确的预测用户对物料的点击率。

技术实现思路

[0003]本申请提供一种物料推荐方法、装置、设备及计算机可读存储介质，能够更准确的预测用户对推荐物料的点击率。
[0004]本申请的技术方案是这样实现的：
[0005]本申请提供一种物料推荐方法，包括：获得目标用户的用户信息以及对应的候选物料的物料信息；根据用户信息和物料信息，提取用户特征、物料特征、兴趣匹配特征；其中，兴趣匹配特征用于表示用户对物料的感兴趣程度；将用户特征、物料特征和兴趣匹配特征输入深度推荐模型，以得到目标用户对候选物料中的每一个物料的点击通过率(click
‑
through
‑
rate，CTR)的预测值；根据CTR的预测值，向目标用户推荐物料。
[0006]在一些可能的实施方式中，兴趣匹配特征包括匹配数特征和匹配比例特征；其中，匹配数特征用于表示用户信息中的标签和物料信息中的标签的匹配数，匹配比例特征用于表示用户信息中的标签数、物料信息中的标签数、标签集合中的标签数之间的数量比，标签集合包括用户信息中的标签与物料信息中的标签的交集，和/或，用户信息中的标签与物料信息中的标签的并集。
[0007]在一些可能的实施方式中，响应于兴趣匹配特征包括匹配数特征，根据用户信息和物料信息，提取兴趣匹配特征，包括：获得用户信息中的第一兴趣标签集合以及物料信息中的第二兴趣标签集合，其中，第一兴趣标签集合包括目标用户对应的兴趣标签，第二兴趣标签集合包括候选物料中每一个物料对应的兴趣标签；对第一兴趣标签集合和第二兴趣标签集合取交集；根据交集中兴趣标签的数量，提取匹配数特征。
[0008]在一些可能的实施方式中，响应于兴趣匹配特征包括匹配比例特征，根据用户信息和物料信息，提取兴趣匹配特征，包括：获得用户信息中的第一兴趣标签集合以及物料信息中的第二兴趣标签集合，其中，第一兴趣标签集合包括目标用户对应的兴趣标签，第二兴趣标签集合包括候选物料中每一个物料对应的兴趣标签；对第一兴趣标签集合与第二兴趣标签集合取交集；对第一兴趣标签集合与第二兴趣标签集合取并集；根据第一兴趣标签集合中兴趣标签的数量、第二兴趣标签集合中兴趣标签的数量、交集中兴趣标签的数量以及
并集中兴趣标签的数量中的至少两个，提取匹配比例特征。
[0009]在一些可能的实施方式中，匹配比例特征包括以下至少之一：用户侧匹配比例特征、物料侧匹配比例特征以及集合匹配比例特征；其中，根据第一兴趣标签集合中兴趣标签的数量、第二兴趣标签集合中兴趣标签的数量、交集中兴趣标签的数量以及并集中兴趣标签的数量中的至少两个，提取匹配比例特征，包括：根据交集中兴趣标签的数量与第一兴趣标签集合中兴趣标签的数量的比值，提取用户侧匹配比例特征；或，根据交集中兴趣标签的数量与第二兴趣标签集合中兴趣标签的数量的比值，提取物料侧匹配比例特征；或，根据交集中兴趣标签的数量与并集中兴趣标签的数量的比值，提取集合匹配比例特征。
[0010]在一些可能的实施方式中，将用户特征、物料特征和兴趣匹配特征输入深度推荐模型，包括：将用户特征、物料特征和匹配数特征输入深度推荐模型中的第一部分，第一部分用于对用户特征、物料特征和匹配数特征进行特征交叉；将匹配比例特征输入深度推荐模型中的第二部分，第二部分为深度神经网络。
[0011]本申请提供一种模型训练方法，上述方法包括：获得样本用户的用户信息以及样本物料的物料信息，样本物料为样本用户点击的物料；根据样本用户的用户信息以及样本物料的物料信息，提取样本用户特征、样本物料特征以及样本兴趣匹配特征；根据样本用户特征、样本物料特征以及样本兴趣匹配特征，对深度推荐模型进行训练。
[0012]在一些可能的实施方式中，上述方法还包括：在一个采样周期的第一个时间单位中，通过第一离线样本对深度推荐模型进行训练，其中，第一离线样本为第一时长内的样本用户的用户信息以及样本物料的物料信息；一个采集周期包括K个时间单位，K为正整数；在一个采样周期的第i个时间单位中，通过第二离线样本以及第i
‑
1个时间单位内的在线样本对深度推荐模型进行训练；其中，第二离线样本为第一离线样本中随机采样得到的第二时长内的样本用户的用户信息以及样本物料的物料信息；i的取值为2至K的整数。
[0013]本申请提供一种物料推荐装置，包括：数据采集模块，用于获得目标用户的用户信息以及对应的候选物料的物料信息；特征提取模块，用于根据用户信息和物料信息，提取用户特征、物料特征、兴趣匹配特征；其中，兴趣匹配特征用于表示用户对物料的感兴趣程度；模型计算模块，用于将用户特征、物料特征和兴趣匹配特征输入深度推荐模型，以得到目标用户对候选物料中的每一个物料的CTR的预测值；推荐模块，用于根据CTR的预测值，向目标用户推荐物料。
[0014]在一些可能的实施方式中，兴趣匹配特征包括匹配数特征和匹配比例特征；其中，匹配数特征用于表示用户信息中的标签和物料信息中的标签的匹配数，匹配比例特征用于表示用户信息中的标签数、物料信息中的标签数、标签集合中的标签数之间的数量比，标签集合包括用户信息中的标签与物料信息中的标签的交集，和/或，用户信息中的标签与物料信息中的标签的并集。
[0015]在一些可能的实施方式中，响应于兴趣匹配特征包括匹配数特征，特征提取模块，还用于获得用户信息中的第一兴趣标签集合以及物料信息中的第二兴趣标签集合，其中，第一兴趣标签集合包括目标用户对应的兴趣标签，第二兴趣标签集合包括候选物料中每一个物料对应的兴趣标签；对第一兴趣标签集合和第二兴趣标签集合取交集；根据交集中兴趣标签的数量，提取匹配数特征。
[0016]在一些可能的实施方式中，响应于兴趣匹配特征包括匹配比例特征，特征提取模
块，还用于获得用户信息中的第一兴趣标签集合以及物料信息中的第二兴趣标签集合，其中，第一兴趣标签集合包括目标用户对应的兴趣标签，第二兴趣标签集合包括候选物料中每一个物料对应的兴趣标签；对第一兴趣标签集合与第二兴趣标签集合取交集；对第一兴趣标签集合与第二兴趣标签集合取并集；根据第一兴趣标签集合中兴趣标签的数量、第二兴趣标签集合中兴趣标签的数量、交集中兴趣标签的数量以及并集中兴趣标签的数量中的至少两个，提取匹配比例特征。
[0017]在一些可能的实施方式中，匹配比例特征包括以下至少之一：用户侧匹配比例特征、物料侧匹配比例特征以及集合匹配比例特征；其中，特征提取模块，还用于根据交集中兴趣标签的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物料推荐方法，其特征在于，所述方法包括：获得目标用户的用户信息以及对应的候选物料的物料信息；根据所述用户信息和所述物料信息，提取用户特征、物料特征、兴趣匹配特征；其中，所述兴趣匹配特征用于表示用户对物料的感兴趣程度；将所述用户特征、所述物料特征和所述兴趣匹配特征输入深度推荐模型，以得到所述目标用户对所述候选物料中的每一个物料的点击通过率CTR的预测值；根据所述CTR的预测值，向所述目标用户推荐物料。2.根据权利要求1所述的物料推荐方法，其特征在于，所述兴趣匹配特征包括匹配数特征或匹配比例特征；其中，所述匹配数特征用于表示所述用户信息中的标签和所述物料信息中的标签的匹配数，所述匹配比例特征用于表示所述用户信息中的标签数、所述物料信息中的标签数、标签集合中的标签数之间的数量比，所述标签集合包括所述用户信息中的标签与所述物料信息中的标签的交集，和/或，所述用户信息中的标签与所述物料信息中的标签的并集。3.根据权利要求2所述的物料推荐方法，其特征在于，响应于所述兴趣匹配特征包括匹配数特征，所述根据所述用户信息和所述物料信息，提取兴趣匹配特征，包括：获得所述用户信息中的第一兴趣标签集合以及所述物料信息中的第二兴趣标签集合，其中，所述第一兴趣标签集合包括所述目标用户对应的兴趣标签，所述第二兴趣标签集合包括所述候选物料中每一个物料对应的兴趣标签；对所述第一兴趣标签集合和所述第二兴趣标签集合取交集；根据所述交集中兴趣标签的数量，提取所述匹配数特征。4.根据权利要求2所述的物料推荐方法，其特征在于，响应于所述兴趣匹配特征包括匹配比例特征，所述根据所述用户信息和所述物料信息，提取兴趣匹配特征，包括：获得所述用户信息中的第一兴趣标签集合以及所述物料信息中的第二兴趣标签集合，其中，所述第一兴趣标签集合包括所述目标用户对应的兴趣标签，所述第二兴趣标签集合包括所述候选物料中每一个物料对应的兴趣标签；对所述第一兴趣标签集合与所述第二兴趣标签集合取交集；对所述第一兴趣标签集合与所述第二兴趣标签集合取并集；根据所述第一兴趣标签集合中兴趣标签的数量、所述第二兴趣标签集合中兴趣标签的数量、所述交集中兴趣标签的数量以及所述并集中兴趣标签的数量中的至少两个，提取所述匹配比例特征。5.根据权利要求4所述的物料推荐方法，其特征在于，所述匹配比例特征包括以下至少之一：用户侧匹配比例特征、物料侧匹配比例特征以及集合匹配比例特征；其中，所述根据所述第一兴趣标签集合中兴趣标签的数量、所述第二兴趣标签集合中兴趣标签的数量、所述交集中兴趣标签的数量以及所述并集中兴趣标签的数量中的至少两个，提取所述匹配比例特征，包括：根据所述交集中兴趣标签的数量与所述第一兴趣标签集合中兴趣标签的数量的比值，提取所述用户侧匹配比例特征；或，根据所述交...

【专利技术属性】
技术研发人员：康珣，郑翔，郁学敏，
申请(专利权)人：微梦创科网络科技中国有限公司，
类型：发明
国别省市：