本申请提供的推荐方法，包括：获取目标用户的用户数据和待为目标用户推荐的目标兴趣物的推荐数据，分别以目标用户和目标兴趣物为计算对象，获取用于表征该计算对象与各个交互物发生的所有交互行为的子行为集合，确定计算对象对预先设置好的兴趣矩阵中的各个兴趣维度的综合偏好程度，针对每个子行为，基于计算对象对各个兴趣维度的综合偏好程度对该子行为进行特征提取，得到计算对象在该子行为中在各个兴趣维度下的特征向量，并将计算对象在各个子行为中在各个兴趣维度下的特征向量构成的矩阵确定为该计算对象对应的兴趣偏好矩阵，基于目标用户对应的兴趣偏好矩阵和目标兴趣物对应的兴趣偏好矩阵，确定是否向目标用户推荐目标兴趣物。荐目标兴趣物。
【技术实现步骤摘要】
一种推荐方法、装置和设备
[0001]本申请涉及推荐
，尤其涉及一种推荐方法、装置和设备。
技术介绍
[0002]近年来，随着互联网技术的飞速发展，推荐技术逐渐兴起，在推荐技术中，如何对用户的多样性兴趣偏好进行挖掘和刻画成为当前研究的重点。
[0003]目前的主流技术是通过低维嵌入向量表征用户的兴趣偏好，例如，采用双塔模型提取兴趣偏好矩阵，但是，现有的双塔模型的两个塔相互独立，特征交互能力较弱，无法有效的挖掘和刻画多样性兴趣偏好，推荐效果不佳，用户满意度较差。
技术实现思路
[0004]有鉴于此，本申请提供一种推荐方法、装置和设备，以有效的刻画多样性兴趣，提高推荐效果，提高用户满意度。
[0005]具体地，本申请是通过如下技术方案实现的：
[0006]本申请第一方面提供一种推荐方法，所述方法包括：
[0007]获取目标用户的用户数据和待为所述目标用户推荐的目标兴趣物的推荐数据；
[0008]分别以所述目标用户和所述目标兴趣物为计算对象，获取用于表征该计算对象与各个交互物发生的所有交互行为的子行为集合；其中，所述各个交互物为基于该计算对象的用户数据或推荐数据中的历史交互数据获取到的交互物集合中的各个交互物；
[0009]确定所述计算对象对预先设置好的兴趣矩阵中的各个兴趣维度的综合偏好程度；
[0010]针对每个子行为，基于所述计算对象对各个兴趣维度的综合偏好程度对该子行为进行特征提取，得到所述计算对象在该子行为中在各个兴趣维度下的特征向量，并将所述计算对象在各个子行为中在各个兴趣维度下的特征向量构成的矩阵确定为该计算对象对应的兴趣偏好矩阵；
[0011]基于所述目标用户对应的兴趣偏好矩阵和所述目标兴趣物对应的兴趣偏好矩阵，确定是否向所述目标用户推荐所述目标兴趣物。
[0012]本申请第二方面提供一种推荐装置，所述装置包括获取模块、处理模块、计算模块和判断模块；其中，
[0013]所述获取模块，用于获取目标用户的用户数据和待为所述目标用户推荐的目标兴趣物的推荐数据；
[0014]所述获取模块，还用于分别以所述目标用户和所述目标兴趣物为计算对象，获取用于表征该计算对象与各个交互物发生的所有交互行为的子行为集合；其中，所述各个交互物为基于该计算对象的用户数据或推荐数据中的历史交互数据获取到的交互物集合中的各个交互物；
[0015]所述处理模块，用于确定所述计算对象对预先设置好的兴趣矩阵中的各个兴趣维度的综合偏好程度；
[0016]所述计算模块，用于针对每个子行为，基于所述计算对象对各个兴趣维度的综合偏好程度对该子行为进行特征提取，得到所述计算对象在该子行为中在各个兴趣维度下的特征向量，并将所述计算对象在各个子行为中在各个兴趣维度下的特征向量构成的矩阵确定为该计算对象对应的兴趣偏好矩阵；
[0017]所述判断模块，用于基于所述目标用户对应的兴趣偏好矩阵和所述目标兴趣物对应的兴趣偏好矩阵，确定是否向所述目标用户推荐所述目标兴趣物。
[0018]本申请第三方面提供一种推荐设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本申请第一方面提供的任一项所述方法的步骤。
[0019]本申请第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本申请第一方面提供的任一项所述方法的步骤。
[0020]本申请提供的推荐方法、装置和设备，通过获取目标用户的用户数据和待为目标用户推荐的目标兴趣物的推荐数据，其次分别以目标用户和目标兴趣物为计算对象，获取用于表征该计算对象与各个交互物发生的所有交互行为的子行为集合；其中，各个交互物为基于该计算对象的用户数据或推荐数据中的历史交互数据获取到的交互物集合中的各个交互物，进而确定计算对象对预先设置好的兴趣矩阵中的各个兴趣维度的偏好程度，然后针对每个子行为，基于计算对象对各个兴趣维度的综合偏好程度对该子行为进行特征提取，得到计算对象在该子行为中在各个兴趣维度下的特征向量，并将计算对象在各个子行为中在各个兴趣维度下的特征向量构成的矩阵确定为该计算对象对应的兴趣偏好矩阵，最后基于目标用户对应的兴趣矩阵和目标兴趣物对应的兴趣偏好矩阵，确定是否向目标用户推荐目标兴趣物。这样，通过构建子行为，进而基于细粒度的子行为，从多个兴趣维度对兴趣偏好进行描述，使得对目标用户的刻画更加全面。此外，通过全局共享的兴趣矩阵，可将目标用户和目标兴趣物的高层表征映射到相同的兴趣空间，并在兴趣维度上进行对齐，这样，可提高特征交互能力，有效挖掘和刻画多样性兴趣偏好，提高推荐效果，进而提高用户满意度。
附图说明
[0021]图1为本申请一实施例示出的一种推荐方法的流程图；
[0022]图2为本申请一示例性实施例示出的一种计算综合偏好程度的实现原理图；
[0023]图3为本申请另一实施例示出的一种推荐方法的流程图；
[0024]图4为本申请另一实施例示出的一种推荐方法的流程图；
[0025]图5为本申请再一实施例示出的一种推荐方法的流程图；
[0026]图6为本申请一示例性实施例示出的一种双塔模型的结构示意图；
[0027]图7为本申请提供的推荐装置所在推荐设备的一种硬件结构图；
[0028]图8为本申请提供的推荐装置实施例一的结构示意图。
具体实施方式
[0029]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例
中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0030]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0031]应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
[0032]本申请提供一种推荐方法、装置和设备，以有效的刻画多样性兴趣，提高推荐效果，提高用户满意度。
[0033]本申请提供的推荐方法、装置和设备，通过获取目标用户的用户数据和待为用户推荐的目标兴趣物的推荐数据，其次分别以目标用户和目标兴趣物为计算对象，获取用于表征该计算对象与各个交本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种推荐方法，其特征在于，所述方法包括：获取目标用户的用户数据和待为所述目标用户推荐的目标兴趣物的推荐数据；分别以所述目标用户和所述目标兴趣物为计算对象，获取用于表征该计算对象与各个交互物发生的所有交互行为的子行为集合；其中，所述各个交互物为基于该计算对象的用户数据或推荐数据中的历史交互数据获取到的交互物集合中的各个交互物；确定所述计算对象对预先设置好的兴趣矩阵中的各个兴趣维度的综合偏好程度；针对每个子行为，基于所述计算对象对各个兴趣维度的综合偏好程度对该子行为进行特征提取，得到所述计算对象在该子行为中在各个兴趣维度下的特征向量，并将所述计算对象在各个子行为中在各个兴趣维度下的特征向量构成的矩阵确定为该计算对象对应的兴趣偏好矩阵；基于所述目标用户对应的兴趣偏好矩阵和所述目标兴趣物对应的兴趣偏好矩阵，确定是否向所述目标用户推荐所述目标兴趣物。2.根据权利要求1所述的方法，其特征在于，所述确定所述计算对象对预先设置好的兴趣矩阵中的各个兴趣维度的综合偏好程度，包括：针对所述每个子行为，将所述子行为映射到所述兴趣矩阵对应的兴趣空间中，得到所述计算对象在该子行为中在所述兴趣空间中的偏好向量；其中，所述偏好向量中的每个元素表征所述计算对象在该子行为中对所述兴趣矩阵中的每个兴趣维度的偏好度；针对每个兴趣维度，将所述计算对象在各个子行为中对该兴趣维度的偏好度进行聚合，得到所述计算对象对该兴趣维度的综合偏好程度。3.根据权利要求2所述的方法，其特征在于，所述将所述计算对象在各个子行为中对该兴趣维度的偏好度进行聚合，得到所述计算对象对该兴趣维度的综合偏好程度，包括：针对每个兴趣维度，从所述计算对象在各个子行为中对该兴趣维度的偏好度中，选择指定数目个偏好度；将选择好的偏好度进行聚合。4.根据权利要求1所述的方法，其特征在于，所述获取用于表征该计算对象与各个交互物发生的所有交互行为的子行为集合，包括：对所述计算对象的用户数据或推荐数据中的属性信息和历史交互数据分别进行特征提取，得到所述计算对象的对象嵌入向量和与该计算对象交互的各个交互物的物体嵌入向量；针对每个交互物，基于所述对象嵌入向量和该交互物的物体嵌入向量构建一个子行为。5.根据权利要求4所述的方法，其特征在于，获取所述计算对象的兴趣偏好矩阵的过程基于预先训练好的双塔模型中的双塔获取得到；其中，所述双塔模型的第一个塔用于基于输入的所述用户数据获取所述目标用户对应的兴趣偏好矩阵，所述双塔模型中的第二塔用于基于输入的所述推荐数据获取所述目标兴趣物对应的兴趣偏好矩阵；所述双塔模型还设置有兴趣矩阵层，所述兴趣矩阵层中预先配置有所述兴趣矩阵，所述...
【专利技术属性】
技术研发人员：钟成，吴保鑫，高君，
申请(专利权)人：北京陌陌信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。