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()
【技术实现步骤摘要】
本公开涉及人工智能,尤其涉及深度学习、数据统计,具体涉及推荐方法、深度学习模型的训练方法、装置、电子设备、存储介质以及程序产品。
技术介绍
1、随着信息技术和网络技术的迅猛发展,信息膨胀与冗余给人们的社会活动和娱乐活动带来了信息选择的困惑。从浩瀚的资源中寻找需要的信息具有极大的挑战。互联网的个性化信息服务,可以针对不同的用户提供不同的个性化信息服务策略。基于用户的不同特点以及要求进行自动化的信息推荐。但是,在推荐过程中,其推荐结果符合用户个性化需求的满意度有待提高。
技术实现思路
1、本公开提供了一种推荐方法、深度学习模型的训练方法、装置、电子设备、存储介质以及程序产品。
2、根据本公开的一方面,提供了一种推荐方法,包括:
3、确定目标对象的兴趣激活的历史交互资源序列,其中,上述兴趣激活的历史交互资源序列包括上述目标对象在历史时段内交互过的多个历史交互资源,上述多个历史交互资源均属于目标兴趣的资源;
4、基于上述兴趣激活的历史交互资源序列和上述目标对象的对象属性信息,确定上述目标对象关于上述目标兴趣的对象特征;
5、确定关于上述目标兴趣的多个候选资源特征,其中,上述多个候选资源特征与多个候选资源一一对应,上述候选资源特征用于表征与上述候选资源特征相对应的上述候选资源的资源属性特征,上述多个候选资源均属于上述目标兴趣的资源;以及
6、基于上述多个候选资源特征和上述对象特征,从上述多个候选资源中确定待推荐资源。
7
8、确定样本目标对象的兴趣激活的样本历史交互资源序列,其中,上述兴趣激活的样本历史交互资源序列包括上述样本目标对象在样本历史时段内交互过的多个样本历史交互资源,上述多个样本历史交互资源均属于样本目标兴趣的资源;
9、基于上述兴趣激活的样本历史交互资源序列和上述样本目标对象的样本对象属性信息,确定上述样本目标对象关于上述样本目标兴趣的样本对象特征;
10、从上述样本目标对象的上述兴趣激活的样本历史交互资源序列中确定目标样本历史交互资源;
11、基于上述目标样本历史交互资源的样本资源属性信息,得到样本资源特征;以及
12、基于上述样本对象特征和上述样本资源特征,调整上述深度学习模型的参数,完成训练。
13、根据本公开的另一方面,提供了一种推荐装置,包括:
14、资源序列确定模块,用于确定目标对象的兴趣激活的历史交互资源序列,其中,上述兴趣激活的历史交互资源序列包括上述目标对象在历史时段内交互过的多个历史交互资源,上述多个历史交互资源均属于目标兴趣的资源;
15、对象特征确定模块,用于基于上述兴趣激活的历史交互资源序列和上述目标对象的对象属性信息,确定上述目标对象关于上述目标兴趣的对象特征;
16、候选资源特征确定模块,用于确定关于上述目标兴趣的多个候选资源特征,其中,上述多个候选资源特征与多个候选资源一一对应,上述候选资源特征用于表征与上述候选资源特征相对应的上述候选资源的资源属性特征,上述多个候选资源均属于上述目标兴趣的资源;
17、待推荐资源确定模块,用于基于上述多个候选资源特征和上述对象特征,从上述多个候选资源中确定待推荐资源。
18、根据本公开的另一方面,提供了一种深度学习模型的训练装置,包括:
19、样本资源序列确定模块,用于确定样本目标对象的兴趣激活的样本历史交互资源序列,其中,上述兴趣激活的样本历史交互资源序列包括上述样本目标对象在样本历史时段内交互过的多个样本历史交互资源,上述多个样本历史交互资源均属于样本目标兴趣的资源;
20、样本对象特征确定模块,用于基于上述兴趣激活的样本历史交互资源序列和上述样本目标对象的样本对象属性信息,确定上述样本目标对象关于上述样本目标兴趣的样本对象特征;
21、样本交互资源确定模块,用于从上述样本目标对象的上述兴趣激活的样本历史交互资源序列中确定目标样本历史交互资源;
22、样本资源特征确定模块,用于基于上述目标样本历史交互资源的样本资源属性信息,得到样本资源特征;
23、参数调整模块,用于基于上述样本对象特征和上述样本资源特征,调整上述深度学习模型的参数,完成训练。
24、根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器;其中,上述存储器存储有可被上述至少一个处理器执行的指令,上述指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行如本公开的方法。
25、根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,上述计算机指令用于使上述计算机执行如本公开的方法。
26、根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,上述计算机程序在被处理器执行时实现如本公开的方法。
27、应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种推荐方法,包括:
2.根据权利要求1所述的方法,其中,所述确定目标对象的兴趣激活的历史交互资源序列,包括:
3.根据权利要求1或2所述的方法,还包括:
4.根据权利要求3所述的方法,其中,所述根据兴趣与资源之间的映射关系,对所述历史交互资源序列进行兴趣激活,得到所述兴趣激活的历史交互资源序列,包括:
5.根据权利要求3或4所述的方法,还包括:
6.根据权利要求5所述的方法,还包括:
7.根据权利要求1至6中任一项所述的方法,其中,所述基于所述兴趣激活的历史交互资源序列和所述目标对象的对象属性信息,确定所述目标对象关于所述目标兴趣的对象特征,包括:
8.根据权利要求1至7中任一项所述的方法,其中,所述确定关于所述目标兴趣的多个候选资源特征,包括:
9.根据权利要求8所述的方法,还包括:
10.根据权利要求1至9中任一项所述的方法,其中,所述基于所述多个候选资源特征和所述对象特征,从所述多个候选资源中确定待推荐资源,包括:
11.根据权利要求10所述的方法,
12.根据权利要求1至11中任一项所述的方法,还包括:
13.一种深度学习模型的训练方法,包括:
14.根据权利要求13所述的方法,其中,所述确定样本目标对象的兴趣激活的样本历史交互资源序列,包括:
15.根据权利要求13或14所述的方法,还包括:
16.根据权利要求15所述的方法,其中,所述根据样本兴趣与资源之间的映射关系,对所述样本历史交互资源序列进行兴趣激活,得到所述兴趣激活的样本历史交互资源序列,包括:
17.根据权利要求15或16所述的方法,还包括:
18.根据权利要求17所述的方法,还包括:
19.根据权利要求13至18中任一项所述的方法,其中,所述基于所述兴趣激活的样本历史交互资源序列和所述样本目标对象的样本对象属性信息,确定所述样本目标对象针对所述样本目标兴趣的样本对象特征,包括:
20.一种推荐装置,包括:
21.根据权利要求20所述的装置,其中,资源序列确定模块包括:
22.根据权利要求20或21所述的装置,还包括:
23.根据权利要求22所述的装置,其中,兴趣激活模块包括:
24.根据权利要求22或23所述的装置,还包括:
25.根据权利要求24所述的装置,还包括:
26.根据权利要求20至25中任一项所述的装置,其中,对象特征确定模块包括:
27.根据权利要求20至26中任一项所述的装置,其中,候选资源特征确定模块包括:
28.根据权利要求27所述的装置,还包括:
29.根据权利要求20至28中任一项所述的装置,其中,待推荐资源确定模块包括:
30.根据权利要求29所述的装置,其中,所述待推荐资源包括多个;
31.根据权利要求20至30中任一项所述的装置,还包括:
32.一种深度学习模型的训练装置,包括:
33.根据权利要求32所述的装置,其中,样本资源序列确定模块包括:
34.根据权利要求32或33所述的装置,还包括:
35.根据权利要求34所述的装置,其中,样本兴趣激活模块包括:
36.根据权利要求34或35所述的装置,还包括:
37.根据权利要求36所述的装置,还包括:
38.根据权利要求32至37中任一项所述的装置,其中,样本对象特征确定模块包括:
39.一种电子设备,包括:
40.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至19中任一项所述的方法。
41.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至19中任一项所述的方法。
...【技术特征摘要】
1.一种推荐方法,包括:
2.根据权利要求1所述的方法,其中,所述确定目标对象的兴趣激活的历史交互资源序列,包括:
3.根据权利要求1或2所述的方法,还包括:
4.根据权利要求3所述的方法,其中,所述根据兴趣与资源之间的映射关系,对所述历史交互资源序列进行兴趣激活,得到所述兴趣激活的历史交互资源序列,包括:
5.根据权利要求3或4所述的方法,还包括:
6.根据权利要求5所述的方法,还包括:
7.根据权利要求1至6中任一项所述的方法,其中,所述基于所述兴趣激活的历史交互资源序列和所述目标对象的对象属性信息,确定所述目标对象关于所述目标兴趣的对象特征,包括:
8.根据权利要求1至7中任一项所述的方法,其中,所述确定关于所述目标兴趣的多个候选资源特征,包括:
9.根据权利要求8所述的方法,还包括:
10.根据权利要求1至9中任一项所述的方法,其中,所述基于所述多个候选资源特征和所述对象特征,从所述多个候选资源中确定待推荐资源,包括:
11.根据权利要求10所述的方法,其中,所述待推荐资源包括多个;
12.根据权利要求1至11中任一项所述的方法,还包括:
13.一种深度学习模型的训练方法,包括:
14.根据权利要求13所述的方法,其中,所述确定样本目标对象的兴趣激活的样本历史交互资源序列,包括:
15.根据权利要求13或14所述的方法,还包括:
16.根据权利要求15所述的方法,其中,所述根据样本兴趣与资源之间的映射关系,对所述样本历史交互资源序列进行兴趣激活,得到所述兴趣激活的样本历史交互资源序列,包括:
17.根据权利要求15或16所述的方法,还包括:
18.根据权利要求17所述的方法,还包括:
19.根据权利要求13至18中任一项所述的方法,其中,所述基于所述兴趣激活的样本历史交互资源序列和所述样本目...
【专利技术属性】
技术研发人员:李一,嵇智,莫钟林,赵鑫玮,郭洪沙,许诺,
申请(专利权)人:百度在线网络技术北京有限公司,
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。