本发明专利技术公开了一种推荐方法、装置、电子设备及计算机可读介质，属于机器学习技术领域。该推荐方法包括：获取第一用户使用一个或多个娱乐项目的历史数据；历史数据包括娱乐项目的时间信息；将历史数据输入娱乐项目推荐模型；娱乐项目推荐模型输出第一用户的娱乐推荐信息，娱乐推荐信息包括娱乐项目和每个娱乐项目的推荐得分。该方法通过娱乐项目推荐模型可以捕捉第一用户与娱乐项目之间的潜在关系，基于娱乐推荐信息中每个娱乐项目的推荐得分精准地向用户推荐响应的娱乐项目，从而获得良好的推荐效果。
【技术实现步骤摘要】
本专利技术涉及机器学习，具体涉及一种推荐方法、装置、电子设备及计算机可读介质。
技术介绍
1、向用户推荐用户感兴趣的热点信息、热门游戏是相关平台经常要处理的业务。用户感兴趣的游戏可以通过以下几种方式确定：
2、第一，基于热门推荐算法，该算法是根据业务类型确定核心指标，如点击数、购买数等来评估游戏的热度，按照游戏的热度顺序推荐给用户，热门推荐算法是按照游戏的热度顺序推荐给用户。
3、第二，基于内容的推荐算法，该算法是基于游戏相关信息、用户相关信息及用户对游戏的操作行为来构建推荐算法模型，为用户提供推荐服务。
4、第三，基于协同过滤方法，该方法大致分为基于邻域的推荐和基于模型的推荐，基于邻域的推荐本质上是利用有大概相同的爱好的用户进行扩展推荐，基于模型的推荐使用部分机器学习算法，找出用户与项的相互作用模型，从而找出数据中的特定模式，进而向用户推荐相应的项目或产品。
5、以上几种推荐方式均没有充分利用时间信息，导致获得较差的推荐效果。
技术实现思路
>1、为此，本专利技本文档来自技高网...
【技术保护点】
1.一种推荐方法，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，所述娱乐项目的时间信息包括每个所述娱乐项目的使用时长，在所述娱乐项目推荐模型输出所述第一用户的娱乐推荐信息之前，还包括：
3.根据权利要求2所述的方法，其特征在于，在所述娱乐项目推荐模型输出所述第一用户的娱乐推荐信息之后，还包括：
4.根据权利要求1所述的方法，其特征在于，所述娱乐项目推荐模型通过以下步骤训练获得：
5.根据权利要求4所述的方法，其特征在于，所述基于所述表示向量得分、所述时间向量得分、预设的表示参数、预设的时间参数和预设的损失函数更新所述娱乐样本...
【技术特征摘要】
1.一种推荐方法，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，所述娱乐项目的时间信息包括每个所述娱乐项目的使用时长，在所述娱乐项目推荐模型输出所述第一用户的娱乐推荐信息之前，还包括：
3.根据权利要求2所述的方法，其特征在于，在所述娱乐项目推荐模型输出所述第一用户的娱乐推荐信息之后，还包括：
4.根据权利要求1所述的方法，其特征在于，所述娱乐项目推荐模型通过以下步骤训练获得：
5.根据权利要求4所述的方法，其特征在于，所述基于所述表示向量得分、所述时间向量得分、预设的表示参数、预设的时间参数和预设的损失函数更新所述娱乐样本的表示向量、所述娱乐样本的时间向量、所述第二用户的表示向量和所述第二用户的时间向量，包括：
6.根据权利要求4所述的方法，其特征在于，所述基于所述娱乐样...
【专利技术属性】
技术研发人员：周骁，姜奕威，魏家馨，武宗涛，
申请(专利权)人：中国联合网络通信集团有限公司，
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。