信息推荐方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请实施例公开了一种信息推荐方法、装置、电子设备及计算机可读存储介质，涉及人工智能、云技术及多媒体技术。该方法包括：获取第一应用的目标对象的对象信息以及至少一个待推荐信息；对于每个待推荐信息，基于目标对象的对象信息和该待推荐信息，通过多目标预测模型，预测得到该待推荐信息对应于至少两个推荐评估指标中每个评估指标的第一推荐值，通过融合该待推荐信息对应的各第一推荐值，得到该待推荐信息的第二推荐值；根据各待推荐信息的第二推荐值，从至少一个待推荐信息中确定目标对象的目标推荐信息。基于本申请实施例提供的方案，能够有效提供信息推荐的准确性。能够有效提供信息推荐的准确性。能够有效提供信息推荐的准确性。

【技术实现步骤摘要】
信息推荐方法、装置、电子设备及计算机可读存储介质


[0001]本申请涉及人工智能、云技术及多媒体
，具体而言，本申请涉及一种信息推荐方法、装置、电子设备、计算机可读存储介质及计算机程序产品。

技术介绍

[0002]随着科技的发展，互联网已经成为人们生活中不可缺少的一部分。在互联网飞速发展的时代，各种信息发布平台也得到了快速发展，用户可以通过信息发布平台方便快捷的获取到各种信息。比如，通过新闻类的信息发布平台，用户可以在线进行新闻的阅读，及时了解到各个领域的消息。
[0003]为了满足不同用户的不同需求，目前都会通过一些推荐算法来实现信息的推荐，从而使得不同的用户可以获得不同的推荐信息。虽然目前已经存在很多不同的信息推荐算法，但是信息推荐的准确性仍有待改进。

技术实现思路

[0004]本申请的目标在于提供一种有效提高信息推荐准确性的信息推荐方法、装置、电子设备及计算机可读存储介质。为了实现该目的，本申请实施例提供的技术方案如下：
[0005]一方面，本申请提供了一种信息推荐方法，该方法包括：
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：获取第一应用的目标对象的对象信息以及至少一个待推荐信息；对于每个所述待推荐信息，基于所述目标对象的对象信息和该待推荐信息，通过多目标预测模型，预测得到该待推荐信息对应于至少两个推荐评估指标中每个评估指标的第一推荐值；对于每个所述待推荐信息，通过融合该待推荐信息对应的各所述第一推荐值，得到该待推荐信息的第二推荐值；根据各所述待推荐信息的第二推荐值，从所述至少一个待推荐信息中确定所述目标对象的目标推荐信息；其中，所述多目标预测模型是基于多个训练样本和模型的目标损失函数对神经网络模型进行训练得到的，所述目标损失函数包括对应于各评估指标的损失函数，每个评估指标的损失函数的值是根据所述多个训练样本对应于该评估指标的训练损失值和损失修正系数确定的；一个训练样本包括一个样本对象的样本数据，该样本对应的各所述评估指标的损失修正系数是基于该样本的样本数据中包含的目标信息确定的，所述目标信息包括样本对象对应于第二应用的使用行为信息。2.根据权利要求1所述的方法，其特征在于，所述一个样本对象的样本数据包括该样本对象的模型输入数据、该模型输入数据对应于各所述评估指标的标注标签、以及该对象的目标信息，所述模型输入数据包括样本对象信息和样本推荐信息；所述神经网络模型包括多任务学习模型和第一网络模型；所述多目标预测模型是通过以下方式训练得到的：基于各所述训练样本对所述神经网络模型重复执行以下操作，直至所述训练总损失值满足训练结束条件，将训练结束时的多任务学习模型确定为所述多目标预测模型：对于每个所述训练样本，将每个所述训练样本的模型输入数据输入至所述多任务学习模型中，得到该样本对应于各评估指标的预测推荐值，将该样本的目标信息输入至所述第一网络模型中，得到该样本对应于各所述评估指标的损失修正系数；对于每个所述训练样本，基于该样本对应于每个所述评估指标的预测推荐值和标注标签，确定该样本对应于每个所述评估指标的损失函数的训练损失值，基于该样本对应于各所述评估指标的训练损失值和损失修正系数，确定该样本的训练损失值；基于各所述训练样本的训练损失值，确定所述训练总损失值，若训练总损失值不满足所述训练结束条件，则调整神经网络模型的模型参数。3.根据权利要求2所述的方法，其特征在于，一个训练样本对应于一个评估指标的损失修正系数表征了该样本与该评估指标的关联性；对于每个所述训练样本，所述基于该样本对应于各所述评估指标的训练损失值和损失修正系数，确定该样本的训练损失值，包括：将该样本对应于各所述评估指标的损失修正系数，分别作为各个所述评估指标的训练损失值的第一权重，对该样本对应于各所述评估指标的训练损失值进行加权求和，得到该样本的训练损失值。4.根据权利要求2所述的方法，其特征在于，一个训练样本对应于一个评估指标的损失
修正系数表征了该样本是该评估指标的噪声样本的可能性；对于每个所述训练样本，所述基于该样本对应于各所述评估指标的训练损失值和损失修正系数，确定该样本的训练损失值，包括：对于每个所述评估指标，基于该样本对应于该评估指标的训练修正系数，确定该样本对应于该评估指标的训练损失值的第二权重，其中，所述第二权重与所述训练修正系数成负相关；基于该样本对应于各所述评估指标的第二权重，对该样本对应于各所述评估指标的训练损失值进行加权；基于该样本对应于各所述评估指标的加权后的训练损失值，确定该样本的训练损失值。5.根据权利要求4所述的方法，其特征在于，所述目标损失函数还包括正则修正项，对于每个所述训练样本，所述方法还包括：基于该样本对应于各评估指标的训练修正系数，确定该样本的正则修正项的值；所述基于该样本对应于各所述评估指标的加权后的训练损失值，确定该样本的训练损失值，包括：基于该样本对应于各所述评估指标的加权后的训练损失值、以及所述正则修正项，确定该样本的训练损失值。6...

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