【技术实现步骤摘要】
本申请属于计算机，具体涉及一种对象处理方法、装置、设备及存储介质。
技术介绍
1、推荐系统一般由匹配/召回阶段和排序/精排阶段组成。匹配/召回阶段主要是检索出前k(top-k)个候选对象，排序/精排阶段则是通过更精确的分数来对候选对象进行排序。
2、相关技术通常是将用户和待召回对象在同一向量空间中进行embedding表示，使用用户的embedding表示用户的兴趣。其中，embedding是一种将离散变量转换为连续向量的方式，然而相关技术中的推荐系统更倾向针对用户的主要兴趣，向用户推荐热门的对象，无法针对用户的小众兴趣向用户推荐一些新的或着长尾的对象；且由于用户的兴趣是多样的，使用一个embedding不足以全面表示用户的兴趣信息，从而降低了推荐系统向用户推荐对象的精度以及推荐对象的范围。
技术实现思路
1、为了解决上述技术问题，本申请提供一种对象处理方法、装置、设备及存储介质。
2、一方面，本申请提出了一种对象处理方法，所述方法包括：
3、获取目标账号的第一账号特征数据和至少两个待召回对象各自对应的第一对象特征数据；
4、将所述第一账号特征数据和所述至少两个待召回对象各自对应的第一对象特征数据，输入兴趣处理网络进行兴趣程度预测处理，得到所述目标账号对所述至少两个待召回对象的兴趣程度数据；所述兴趣处理网络为基于样本账号的至少两个目标样本兴趣向量对预设网络的网络参数进行调整得到；所述至少两个目标样本兴趣向量为基于所述预设网络，对所述样
5、根据所述目标账号对所述至少两个待召回对象的兴趣程度数据，从所述至少两个待召回对象中确定出目标召回对象。
6、另一方面，本申请实施例提供了一种对象处理装置，所述装置包括：
7、特征数据获取模块，用于获取目标账号的第一账号特征数据和至少两个待召回对象各自对应的第一对象特征数据；
8、兴趣程度数据确定模块，用于将所述第一账号特征数据和所述至少两个待召回对象各自对应的第一对象特征数据，输入兴趣处理网络进行兴趣程度预测处理，得到所述目标账号对所述至少两个待召回对象的兴趣程度数据；所述兴趣处理网络为基于样本账号的至少两个目标样本兴趣向量对预设网络的网络参数进行调整得到；所述至少两个目标样本兴趣向量为基于所述预设网络，对所述样本账号的历史操作序列特征向量进行兴趣提取得到，所述历史操作序列特征向量为所述样本账号的历史操作序列特征数据对应的向量，所述历史操作序列特征数据为所述样本账号在历史时间段内操作样本对象所生成的数据；
9、目标召回对象确定模块，用于根据所述目标账号对所述至少两个待召回对象的兴趣程度数据，从所述至少两个待召回对象中确定出目标召回对象。
10、另一方面，本申请提出了一种对象处理的电子设备，所述电子设备包括处理器和存储器，存储器中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现如上述所述的对象处理方法。
11、另一方面，本申请提出了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述所述的对象处理方法。
12、另一方面，本申请提出了一种计算机程序产品，所述计算机程被处理器执行时实现如上述所述的对象处理方法。
13、本申请实施例提出的对象处理方法、装置、电子设备及存储介质，将获取的目标账号的第一账号特征数据和至少两个待召回对象各自对应的第一对象特征数据，输入兴趣处理网络进行兴趣程度预测处理，得到目标账号对至少两个待召回对象的兴趣程度数据；根据目标账号对至少两个待召回对象的兴趣程度数据，从至少两个待召回对象中确定出目标召回对象。该兴趣处理网络为基于样本账号的至少两个目标样本兴趣向量对预设网络的网络参数进行调整得到；该至少两个目标样本兴趣向量，为基于预设网络对样本账号的历史操作序列特征向量进行兴趣提取得到，历史操作序列特征向量为样本账号的历史操作序列特征数据对应的向量，历史操作序列特征数据为样本账号在历史时间段内操作样本对象所生成的数据。即在兴趣处理网络训练过程中，本申请实施例可以从样本账号的历史操作序列特征数据中学习样本账号的兴趣，得到样本账号的至少两个目标样本兴趣向量，由于该至少两个目标样本兴趣向量表征的是样本账号的多个兴趣向量表达，其能够涵盖样本账号的小众兴趣，即能够全面的表示样本账号的兴趣信息，根据该至少两个目标样本兴趣向量进行建模得到的兴趣处理网络能够精准预测目标账号对至少两个待召回对象的兴趣程度数据，从而提升了对象推荐的精度；此外，由于该至少两个目标样本兴趣向量能够涵盖样本账号的小众兴趣，根据该至少两个目标样本兴趣向量进行建模得到的兴趣处理网络能够召回一些新的或着长尾的对象，从而提升了对象的推荐范围。
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，所述方法包括：
2.根据权利要求1所述的对象处理方法，其特征在于，所述兴趣处理网络的训练方法包括：
3.根据权利要求2所述的对象处理方法，其特征在于，所述将所述第二账号特征数据、所述第二对象特征数据和所述至少两个样本兴趣数据，输入所述预设网络进行特征转换和兴趣提取处理，得到所述样本账号对应的所述至少两个目标样本兴趣向量，包括：
4.根据权利要求3所述的对象处理方法，其特征在于，所述将所述历史操作序列特征向量和所述初始样本兴趣向量输入所述预设网络中的兴趣提取层进行兴趣提取处理，得到所述至少两个目标样本兴趣向量，包括：
5.根据权利要求4所述的对象处理方法，其特征在于，所述确定所述初始样本兴趣向量与所述历史操作序列特征向量之间的当前映射系数，包括：
6.根据权利要求2所述的对象处理方法，其特征在于，所述第二对象特征数据中标注有所述样本账号对所述样本对象的兴趣程度标签，所述基于所述至少两个目标样本兴趣向量确定损失数据，包括：
7.根据权利要求6所述的对象处理方法，其特征在于，所述将
8.根据权利要求4所述的对象处理方法，其特征在于，所述基于所述损失数据调整所述预设网络的网络参数，直至所述损失数据满足第一预设条件，得到所述兴趣处理网络，包括：
9.根据权利要求1至8中任一项所述的对象处理方法，其特征在于，所述将所述第一账号特征数据和所述至少两个待召回对象各自对应的第一对象特征数据，输入兴趣处理网络进行兴趣程度预测处理，得到所述目标账号对所述至少两个待召回对象的兴趣程度数据，包括：
10.根据权利要求9所述的对象处理方法，其特征在于，所述根据所述目标账号对所述至少两个待召回对象的兴趣程度数据，从所述至少两个待召回对象中确定出目标召回对象，包括：
11.一种对象处理装置，其特征在于，所述装置包括：
12.一种对象处理的电子设备，其特征在于，所述电子设备包括处理器和存储器，存储器中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1至10中任一项所述的对象处理方法。
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中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1至10中任一项所述的对象处理方法。
...【技术特征摘要】
1.一种对象处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的对象处理方法，其特征在于，所述兴趣处理网络的训练方法包括：
3.根据权利要求2所述的对象处理方法，其特征在于，所述将所述第二账号特征数据、所述第二对象特征数据和所述至少两个样本兴趣数据，输入所述预设网络进行特征转换和兴趣提取处理，得到所述样本账号对应的所述至少两个目标样本兴趣向量，包括：
4.根据权利要求3所述的对象处理方法，其特征在于，所述将所述历史操作序列特征向量和所述初始样本兴趣向量输入所述预设网络中的兴趣提取层进行兴趣提取处理，得到所述至少两个目标样本兴趣向量，包括：
5.根据权利要求4所述的对象处理方法，其特征在于，所述确定所述初始样本兴趣向量与所述历史操作序列特征向量之间的当前映射系数，包括：
6.根据权利要求2所述的对象处理方法，其特征在于，所述第二对象特征数据中标注有所述样本账号对所述样本对象的兴趣程度标签，所述基于所述至少两个目标样本兴趣向量确定损失数据，包括：
7.根据权利要求6所述的对象处理方法，其特征在于，所述将所述至少两个目标样本兴趣向量输入所述预设网络中的兴趣融合层进行归一化处理，得到所述至少两个目标样本兴趣向量各自与所述样本对象之间的关联...
【专利技术属性】
技术研发人员：石志林，
申请(专利权)人：腾讯科技深圳有限公司，
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。