一种推荐物品的方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种推荐物品的方法、装置、设备及存储介质。该方法包括：确定包含场景特征和属性特征的初始特征信息，其中，所述属性特征包括物品属性特征和用户属性特征；基于目标预处理方式对所述初始特征信息进行相应的预处理，得到目标特征信息；将所述目标特征信息输入预设多任务神经网络模型，得到曝光预估值和获取预估值，并根据所述曝光预估值和所述获取预估值，向用户推荐物品。本发明专利技术实施例的技术方案，利用多任务神经网络模型充分挖掘了场景特征和属性特征中蕴含的特征信息，提高了物品的曝光预估值和获取预估值的准确度，利用该曝光预估值和获取预估值确定的推荐物品，可以很好的满足用户的需求并提高物品的被获取的概率。的概率。的概率。

【技术实现步骤摘要】
一种推荐物品的方法、装置、设备及存储介质


[0001]本专利技术涉及互联网应用
，尤其涉及一种推荐物品的方法、装置、设备及存储介质。

技术介绍

[0002]目前，对于物品的推荐排序，通常需要通过精排后，再截取前n个物品对用户进行展示和推荐。该截取的动作可能会造成，曝光数据与精排候选数据之间存在偏差，从而导致向用户推荐的物品不准确。
[0003]现存的精排有两种方法。一是采用最小价、最多好评或最短耗时等人工规则来确定物品排序。二是采用一般的机器学习算法来预测物品的获取率，如收集精排候选集中的物品曝光率、点击率和获取数据等，再进行曝光后获取率的预测，并按曝光后获取率预估值的大小来确定物品排序。
[0004]然而，利用人工规则来确定物品排序的方式，较为主观，容易造成物品排序不贴合用户需求的情况出现，其并不能很好的解决向用户推荐的物品不准确的问题。由于精排候选集中存在着大量不会曝光的数据，因此将利用一般机器学习算法确定的物品排序，也容易造成物品排序不贴合用户需求的情况出现，影响用户的体验感。

技术实现思路

[0005]本专利技术提供了一种推荐物品的方法、装置、设备及存储介质，以解决向用户推荐的物品不贴合用户需求的问题。
[0006]第一方面，本专利技术提供了一种推荐物品的方法，包括：
[0007]确定包含场景特征和属性特征的初始特征信息，其中，所述属性特征包括物品属性特征和用户属性特征；
[0008]基于目标预处理方式对所述初始特征信息进行相应的预处理，得到目标特征信息，其中，所述目标预处理方式包括填充处理、归一化处理以及独热编码处理中的至少一项；
[0009]将所述目标特征信息输入预设多任务神经网络模型，得到曝光预估值和获取预估值，并根据所述曝光预估值和所述获取预估值，向用户推荐物品。
[0010]第二方面，本专利技术提供了一种推荐物品的装置，包括：
[0011]初始信息确定模块，用于确定包含场景特征和属性特征的初始特征信息，其中，所述属性特征包括物品属性特征和用户属性特征；
[0012]目标信息确定模块，用于基于目标预处理方式对所述初始特征信息进行相应的预处理，得到目标特征信息，其中，所述目标预处理方式包括填充处理、归一化处理以及独热编码处理中的至少一项；
[0013]物品推荐模块，用于将所述目标特征信息输入预设多任务神经网络模型，得到曝光预估值和获取预估值，并根据所述曝光预估值和所述获取预估值，向用户推荐物品。
[0014]第三方面，本专利技术提供了一种电子设备，该电子设备包括：
[0015]至少一个处理器；
[0016]以及与至少一个处理器通信连接的存储器；
[0017]其中，存储器存储有可被至少一个处理器执行的计算机程序，该计算机程序被至少一个处理器执行，以使至少一个处理器能够执行上述第一方面的推荐物品的方法。
[0018]第四方面，本专利技术提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现上述第一方面的推荐物品的方法。
[0019]本专利技术提供的推荐物品的方案，确定包含场景特征和属性特征的初始特征信息，其中，所述属性特征包括物品属性特征和用户属性特征，基于目标预处理方式对所述初始特征信息进行相应的预处理，得到目标特征信息，其中，所述目标预处理方式包括填充处理、归一化处理以及独热编码处理中的至少一项，将所述目标特征信息输入预设多任务神经网络模型，得到曝光预估值和获取预估值，并根据所述曝光预估值和所述获取预估值，向用户推荐物品。通过采用上述技术方案，首先基于目标预处理方式对初始特征信息进行相应的预处理，然后利用预设多任务神经网络模型处理预处理后的结果，充分挖掘和利用了场景特征和属性特征中蕴含的特征信息，提高了物品的曝光预估值和获取预估值的准确度，利用该曝光预估值和获取预估值确定的推荐物品，可以很好的满足用户的需求，以及提高物品的获取率。
[0020]应当理解，本部分所描述的内容并非旨在标识本专利技术的关键或重要特征，也不用于限制本专利技术的范围。本专利技术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
[0021]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0022]图1是根据本专利技术实施例一提供的一种推荐物品的方法的流程图；
[0023]图2是根据本专利技术实施例二提供的一种推荐物品的方法的流程图；
[0024]图3是根据本专利技术实施例三提供的一种推荐物品的装置的结构示意图；
[0025]图4是根据本专利技术实施例四提供的一种电子设备的结构示意图。
具体实施方式
[0026]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0027]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或
描述的那些以外的顺序实施。在本专利技术的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0028]实施例一
[0029]图1为本专利技术实施例一提供了一种推荐物品的方法的流程图，本实施例可适用于向用户推荐物品的情况，该方法可以由推荐物品的装置来执行，该推荐物品的装置可以采用硬件和/或软件的形式实现，该推荐物品的装置可配置于电子设备中，该电子设备可以是两个或多个物理实体构成，也可以是一个物理实体构成。
[0030]如图1所示，该本专利技术实施例一提供的一种推荐物品的方法，具体包括如下步骤：
[0031]S101、确定包含场景特征和属性特征的初始特征信息，其中，所述属性特征包括物品属性特征和用户属性特征。
[0032]在本实施例中，场景特征可以理解为应用场景的名称等应用场景本身的特征，如向用户推荐出行的中转方案等。物品属性特征可以理解为待被本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种推荐物品的方法，其特征在于，包括：确定包含场景特征和属性特征的初始特征信息，其中，所述属性特征包括物品属性特征和用户属性特征；基于目标预处理方式对所述初始特征信息进行相应的预处理，得到目标特征信息，其中，所述目标预处理方式包括填充处理、归一化处理以及独热编码处理中的至少一项；将所述目标特征信息输入预设多任务神经网络模型，得到曝光预估值和获取预估值，并根据所述曝光预估值和所述获取预估值，向用户推荐物品。2.根据权利要求1所述的方法，其特征在于，所述预设多任务神经网络模型的确定方式，包括：采集包含样本场景特征、样本物品属性特征、样本用户属性特征以及样本标签的训练样本，其中，所述样本标签包括表示样本物品是否被曝光的曝光标签和表示所述样本物品是否被获取的获取标签；基于目标预处理方式对所述训练样本进行相应的预处理，得到样本特征信息；利用所述样本特征信息对预设初始模型进行多轮训练，以确定训练完成的预设多任务神经网络模型。3.根据权利要求2所述的方法，其特征在于，所述利用所述样本特征信息对预设初始模型进行多轮训练，以确定训练完成的预设多任务神经网络模型，包括：利用所述样本特征信息对预设初始模型进行多轮训练，根据每轮训练得到的样本曝光预估值和对应的曝光标签之间的第一匹配度，以及样本获取预估值和对应的获取标签之间的第二匹配度，确定训练完成的预设多任务神经网络模型；或，利用所述样本特征信息对预设初始模型进行多轮训练，并根据所述多轮训练的轮数，确定训练完成的预设多任务神经网络模型。4.根据权利要求2所述的方法，其特征在于，在所述基于目标预处理方式对所述训练样本进行相应的预处理之前，还包括：根据所述样本场景特征、所述样本物品属性特征和所述样本用户属性特征的数据特征，从预设处理方式库中确定目标预处理方式，其中，所述预设处理方式库中至少包括所述填充处理、所述归一化处理以及所述独热编码处理。5.根据权利要求1所述的方法，其特征在于，所述基于目标预处理方式对所述初始特征信息进行相应的预处理，得到目标...

【专利技术属性】
技术研发人员：王安琪，
申请(专利权)人：苏州创旅天下信息技术有限公司，
类型：发明
国别省市：