System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 对象处理方法、装置、电子设备及计算机可读存储介质制造方法及图纸_技高网

对象处理方法、装置、电子设备及计算机可读存储介质制造方法及图纸

技术编号:39944517 阅读:6 留言:0更新日期:2024-01-08 22:49
本发明专利技术实施例提供一种对象处理方法、装置、电子设备及计算机可读存储介质。方法包括:获取目标用户的历史操作数据;对历史操作数据进行属性区分处理,得到历史操作数据对应的属性特征;根据属性特征和待推荐对象的对象特征,将待推荐对象向目标用户进行推荐处理。本发明专利技术实施例提高了推荐精度,能够更加精准的向用户进行推荐。

【技术实现步骤摘要】

本专利技术涉及人工智能,具体而言,涉及一种对象处理方法、装置、电子设备及计算机可读存储介质


技术介绍

1、传统的深度学习方法对序列的建模仅做单一顺序模式的抓捕,通过序列内部的物品转换来预测用户可能感兴趣的下一物品,但是,很多时候,序列内部的物品可能并没有顺序关系,例如,用户的购买序列:牛奶、黄油和白糖,先购买牛奶或者先购买黄油并不重要,但如果用户同时购买了牛奶、黄油和白糖,那可以预测用户接下来购买面粉的概率很高,可见,在很多应用场景中,序列内部的物品可能并没有顺序关系,于是,很多并不基于顺序的深度学习方法应运而生。例如,在电影推荐领域,基于用户近期观看的电影确定待推荐电影被用户点击观看的概率,进一步的,根据各个待推荐电影被用户点击观看的概率向用户进行电影推荐。

2、现有的电影推荐方法,确定了电影与每个属性之间的相关值,然后基于电影与每个属性之间的相关值实现电影推荐,由于电影与每个属性之间的相关值可能全部相同,导致推荐精度较低。


技术实现思路

1、本专利技术实施例提供一种对象处理方法、装置、电子设备及计算机可读存储介质,提高了推荐精度,能够更加精准的向用户进行推荐。

2、本专利技术的实施例可以通过以下实现:

3、第一方面,本专利技术实施例提供一种对象处理方法,包括:

4、获取目标用户的历史操作数据;

5、对历史操作数据进行属性区分处理,得到历史操作数据对应的属性特征;

6、根据属性特征和待推荐对象的对象特征,将待推荐对象向目标用户进行推荐处理。

7、第二方面,本专利技术实施例提供一种对象处理装置,包括:

8、获取模块,用于获取目标用户的历史操作数据;

9、区分模块,用于对历史操作数据进行属性区分处理,得到历史操作数据对应的属性特征;

10、推荐模块,用于根据属性特征和待推荐对象的对象特征,将待推荐对象向目标用户进行推荐处理。

11、第三方面,本专利技术实施例提供一种电子设备,电子设备包括处理器、存储器以及存储于存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序以实现上述的对象处理方法中的步骤。

12、第四方面,本专利技术实施例提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现第一方面的对象处理方法中的步骤。

13、本专利技术实施例,考虑到电影所蕴含的属性应当是稀疏的,比如,有个电影是纯科教电影,那么,科教属性应当是和该电影相关的属性,而爱情属性,则应当是和该电影不相关的属性,若只计算得到电影与每个属性之间的相关值,而不对电影对应的属性进行区分处理,那么必然引入不相关属性参与推荐计算,于是,为了提高推荐计算精度,对历史操作数据进行了属性区分处理,降低不相关属性对推荐计算的负面影响,从而提高推荐精度,进而向用户进行更加精准的推荐。

本文档来自技高网...

【技术保护点】

1.一种对象处理方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述历史操作数据包括多个历史操作子数据;

3.根据权利要求2所述的方法,其特征在于,所述基于所述初步相关值和所述初步不相关值,得到所述历史操作数据对应的属性特征,包括:

4.根据权利要求2所述的方法,其特征在于,所述对所述历史操作数据进行特征提取处理,得到初步特征,包括:

5.根据权利要求1所述的方法,其特征在于,所述根据所述属性特征和待推荐对象的对象特征,将所述待推荐对象向所述目标用户进行推荐处理,包括:

6.根据权利要求5所述的方法,其特征在于,所述根据所述属性特征和待推荐对象的对象特征,得到所述待推荐对象对应的操作概率,包括:

7.根据权利要求6所述的方法,其特征在于,所述根据所述第二查询参数矩阵、所述第二键参数矩阵、该注意力头对应的属性子特征以及初步子特征,得到该注意力头对应的相似度特征,包括:

8.根据权利要求6所述的方法,其特征在于,所述属性嵌入子特征由每个所述历史操作子数据对应的对象嵌入子特征组成;</p>

9.根据权利要求8所述的方法,其特征在于,所述根据所述汇总意向特征,得到所述待推荐对象对应的操作概率,包括:

10.根据权利要求6所述的方法,其特征在于,所述获取目标用户的历史操作数据之前,还包括:

11.一种对象处理装置,其特征在于,包括:

12.一种电子设备,其特征在于,所述电子设备包括处理器、存储器以及存储于所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现权利要求1至10任一项所述的对象处理方法中的步骤。

13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行以实现权利要求1至10任一项所述的对象处理方法中的步骤。

...

【技术特征摘要】

1.一种对象处理方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述历史操作数据包括多个历史操作子数据;

3.根据权利要求2所述的方法,其特征在于,所述基于所述初步相关值和所述初步不相关值,得到所述历史操作数据对应的属性特征,包括:

4.根据权利要求2所述的方法,其特征在于,所述对所述历史操作数据进行特征提取处理,得到初步特征,包括:

5.根据权利要求1所述的方法,其特征在于,所述根据所述属性特征和待推荐对象的对象特征,将所述待推荐对象向所述目标用户进行推荐处理,包括:

6.根据权利要求5所述的方法,其特征在于,所述根据所述属性特征和待推荐对象的对象特征,得到所述待推荐对象对应的操作概率,包括:

7.根据权利要求6所述的方法,其特征在于,所述根据所述第二查询参数矩阵、所述第二键参数矩阵、该注意力头对应的属性子特征以及初步子特征,得到该...

【专利技术属性】
技术研发人员:周华驰范嘉琦唐振宇
申请(专利权)人:TCL科技集团股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1