一种信息推荐方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种信息推荐方法、装置、设备及存储介质。其中，该方法包括：从数据库中获取用户标识、目标信息标识、用户访问信息序列，根据用户标识、目标信息标识、用户访问信息序列以及推荐模型确定用户与目标信息之间的相关性，其中，推荐模型包括用户网络和信息网络，用户网络包括三个向量层和三个均值层，当用户与目标信息之间的相关性满足预设条件时，将目标信息推荐给用户。相比于现有技术，本实施例提出的网络结构可以实现一个模型能够灵活应用于多个不同的场景下，向用户推荐信息，同时可以减少模型训练的工程量。

An information recommendation method, device, equipment and storage medium

【技术实现步骤摘要】
一种信息推荐方法、装置、设备及存储介质
本专利技术实施例涉及信息处理技术，尤其涉及一种信息推荐方法、装置、设备及存储介质。
技术介绍
在推荐系统中，通常采用各种深度学习算法进行信息推荐，例如，采用深度分解矩阵(DeepMatrixFactorization，DMF)模型计算用户与某一专辑之间的相关性，从而确定出用户可能感兴趣的信息，并将该信息推荐给用户。常见的信息推荐方式为给所有用户推荐免费信息和付费信息，给会员用户推荐会员信息，但这样的推荐方式需要投入大量的人力、物力根据不同类型的信息训练多个不同的模型，开发阶段的工程量较大。
技术实现思路
本专利技术提供一种信息推荐方法、装置、设备及存储介质，能够实现一个模型可灵活应用于多个不同的场景下，向用户推荐信息，同时可以减少模型训练的工程量。第一方面，本专利技术实施例提供了一种信息推荐方法，该方法包括：从数据库中获取用户标识、目标信息标识、用户访问信息序列；根据用户标识、目标信息标识、用户访问信息序列以及推荐模型确定用户与目标信息之间的相关性；其中，推荐模型包括用户网络和信息网络，用户网络包括三个向量层和三个均值层；当用户与目标信息之间的相关性满足预设条件时，将目标信息推荐给用户。第二方面，本专利技术实施例还提供了一种信息推荐装置，该装置包括：获取模块，用于从数据库中获取用户标识、目标信息标识、用户访问信息序列；确定模块，用于根据用户标识、目标信息标识、用户访问信息序列以及推荐模型确定用户与目标信息之间的相关性；其中，推荐模型包括用户网络和信息网络，用户网络包括三个向量层和三个均值层；推荐模块，用于当用户与目标信息之间的相关性满足预设条件时，将目标信息推荐给用户。第三方面，本专利技术实施例还提供了一种信息推荐设备，该设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，当处理器执行计算机程序时，实现如本专利技术实施例任一方面提供的信息推荐方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，当该计算机程序被处理器执行时，实现如本专利技术实施例任一方面提供的信息推荐方法。本专利技术实施例提供了一种信息推荐方法、装置、设备及存储介质，具体为从数据库中获取用户标识、目标信息标识、用户访问信息序列，根据用户标识、目标信息标识、用户访问信息序列以及推荐模型确定用户与目标信息之间的相关性，其中，推荐模型包括用户网络和信息网络，用户网络包括三个向量层和三个均值层，当用户与目标信息之间的相关性满足预设条件时，将目标信息推荐给用户。相比于现有技术，本实施例提出的网络结构可以实现一个模型能够灵活应用于多个不同的场景下，向用户推荐信息，同时可以减少模型训练的工程量。附图说明图1是本专利技术实施例一中的信息推荐方法流程图；图2是本专利技术实施例二中的信息推荐方法流程图；图3是本专利技术实施例二中的推荐模型网络结构示意图；图4是本专利技术实施例三中的信息推荐装置结构示意图；图5是本专利技术实施例四中的信息推荐设备结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。另外，在本专利技术实施例中，“可选地”或者“示例性地”等词用于表示作例子、例证或说明。本专利技术实施例中被描述为“可选地”或者“示例性地”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“可选地”或者“示例性地”等词旨在以具体方式呈现相关概念。实施例一本专利技术实施例提供了一种信息推荐方法，其具体实现方式如图1所示，包括：S101、从数据库中获取用户标识、目标信息标识、用户访问信息序列。在本实施例中，数据库可以为某网络平台的数据库，用户标识可以理解为用于区分多个用户的标识信息，例如，用户访问某网络平台时注册的用户名或者登陆某网络平台的设备标识等等。目标信息可以理解为某网络平台拟向用户推荐的信息，该信息可以为网络平台上的音乐专辑、电影、论文、新闻等等。进一步地，目标信息标识也即为网络平台拟向用户推荐的信息的标识，其中，拟推荐的信息可以为一个或多个，那么对应地，目标信息标识也可以为一个或多个。用户访问信息序列可以理解为用户浏览某网络平台时，用户依次访问信息的编号所组成的序列。例如，用户在某音乐网站上依次播放了音乐a、音乐b、音乐c，而音乐a、音乐b、音乐c的编号分别为1、2、3，那么该编号1、2、3则构成了用户访问信息序列。由于用户在某网络平台上访问信息时，该网络平台的数据库可以记录并保存该用户的标识和历史访问记录，并且，网络平台拟向用户的推荐的目标信息也存储于该网络平台的数据库中。因此，可以基于数据库获取用户的标识、目标信息标识以及用户访问信息序列。S102、根据用户标识、目标信息标识、用户访问信息序列以及推荐模型确定用户与目标信息之间的相关性。在本实施例中，推荐模型可以是根据用户标识、目标信息标识以及用户访问信息序列训练得到的。该推荐模型包括有用户网络和信息网络两部分，其中，用户网络可以包括三个向量层和三个均值层，该三个向量层和三个均值层可以分别依次输入不同属性的信息，例如，三个向量层可以分别输入免费信息、会员信息和付费信息，并将三个向量层的输出分别输入至三个均值层。相比于现有技术中，推荐不同属性的信息需要采用多个训练模型的方式，本实施例将不同属性的信息综合输入至一个模型中，确定信息与用户之间的相关性，可以实现基于一个模型能够灵活应用于多个不同的场景下，并减少模型训练的工程量。在获取到用户标识、目标信息标识以及用户访问信息序列之后，可以基于该推荐模型确定用户与目标信息的相关性。其中，用户与目标信息的相关性可以理解为用户对目标信息感兴趣的程度，例如，若用户对目标信息非常感兴趣，那么可以认为用户与目标信息之间的相关性比较强。S103、当用户与目标信息之间的相关性满足预设条件时，将目标信息推荐给用户。在本实施例中，预设条件可以为筛选若干个与用户强相关的目标信息。例如，基于推荐模型确定用户与目标信息之间的相关性后，当目标信息有多个时，可以基于相关性的强弱对多个目标信息进行排序，进而选取前若干名信息作为目标信息推荐给用户。另外，预设条件也可以为相关性数值大于预设阈值，当目标信息仅有一个时，若基于推荐模型确定的用户与目标信息之间的相关性数值大于预设阈值，那么可以将该目标信息推荐给用户。反之，若该目标信息与用户之间的相关性数值小于预设阈值，那么该目标信息不满于预设条件，则网络平台不会将该目标信息推荐给用户。本专利技术实施例提供了一种信息推荐方法，具体为从数据库中获取用户标识、目标信息标识、用户访问信息序列，根据用户标识、目标信息标识、用户访问信息序列以本文档来自技高网...

【技术保护点】
1.一种信息推荐方法，其特征在于，包括：/n从数据库中获取用户标识、目标信息标识、用户访问信息序列；/n根据所述用户标识、目标信息标识、用户访问信息序列以及推荐模型确定所述用户与所述目标信息之间的相关性；/n其中，所述推荐模型包括用户网络和信息网络，所述用户网络包括三个向量层和三个均值层；/n当所述用户与所述目标信息之间的相关性满足预设条件时，将所述目标信息推荐给用户。/n

【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：
从数据库中获取用户标识、目标信息标识、用户访问信息序列；
根据所述用户标识、目标信息标识、用户访问信息序列以及推荐模型确定所述用户与所述目标信息之间的相关性；
其中，所述推荐模型包括用户网络和信息网络，所述用户网络包括三个向量层和三个均值层；
当所述用户与所述目标信息之间的相关性满足预设条件时，将所述目标信息推荐给用户。


2.根据权利要求1所述的方法，其特征在于，确定所述推荐模型，包括：
构建训练模型；
根据数据库生成训练数据；
对所述训练数据进行处理，得到输入数据；
根据所述输入数据训练所述训练模型，得到所述推荐模型。


3.根据权利要求2所述的方法，其特征在于，所述训练数据包括用户标识和用户访问信息序列。


4.根据权利要求3所述的方法，其特征在于，对所述训练数据进行处理，得到输入数据，包括：
根据所述用户标识获取用户特征，并对所述用户特征进行独热编码；
根据所述用户访问信息序列中第一信息的标识获取第一信息的信息特征，并对所述信息特征进行独热编码；
对所述用户访问信息序列中的第一信息进行编码处理，得到第一编码信息；
对所述用户访问信息序列中的第二信息序列进行编码处理，得到第二编码信息序列；
其中，第一信息为所述用户访问信息序列中的最后一个信息，所述第二信息序列为所述用户访问信息序列中除最后一个信息之外的其余信息所组成的序列；
将独热编码后的用户特征、独热编码后的信息特征、第一编码信息和第二编码信息序列确定为所述输入数据。


5.根据权利要求2-4任一项所述的方法，其特征在于，根据所述输入数据训练所述训练模型，包括：
对所述第二编码信息序列进行处理，得到第二信息...

【专利技术属性】
技术研发人员：成梭宇，
申请(专利权)人：上海喜马拉雅科技有限公司，
类型：发明
国别省市：上海;31