推荐方法、装置、电子设备，存储介质制造方法及图纸

本申请公开了一种推荐方法，属于计算机技术领域，有助于提升推荐的目标对象与所述目标用户兴趣偏好的匹配度。所述方法包括：获取目标用户对目标对象的长期兴趣表征和短期兴趣表征，通过预设模型预估所述目标用户对所述目标对象的兴趣偏好评价值；基于所述兴趣偏好评价值，执行所述目标对象推荐。其中，长期兴趣表征携带指示所述目标用户在较长历史时期内对所述目标对象的兴趣偏好信息，短期兴趣表征携带指示所述目标用户在最近较短历史时期内对曝光对象的兴趣偏好信息和所述目标对象关联的实时场景信息。通过在通用特征中融合长期兴趣表征和短期兴趣表征进行用户兴趣偏好预测，可以提升推荐的对象与用户需求的匹配度。

Recommended methods, devices, electronic equipment, storage media

【技术实现步骤摘要】
推荐方法、装置、电子设备，存储介质
本申请实施例涉及计算机
，特别是涉及一种推荐方法、装置、电子设备及计算机可读存储介质。
技术介绍
推荐方法是当前许多互联网服务的核心组件，广泛应用于电子商务，新闻和流媒体等多个领域。各个领域需要面临的共同挑战是用户的偏好千变万化，并且会随着时间变动而变动。当前的推荐方法中采用的推荐策略主要有两种：第一种，假定用户的兴趣在一段时间内固定不变，基于用户的历史行为数据对用户进行推荐；第二种，基于用户的实时场景对用户进行推荐。针对第一种方式，随着时间的推移，用户的兴趣发生变化，推荐结果的精确度会下降。尤其在基于地理位置的推送应用中，用户的信息需求会随着地理位置的改变而发生巨大的变化，这种推荐方式的推荐结果与用户需求匹配度会下降。第二种，单纯考虑用户最近一段时间的交互行为，推荐结果不够丰富，推荐结果与用户需求匹配度会下降。可见，现有技术中的推荐方法的至少存在推荐结果与用户需求匹配度低的问题。
技术实现思路
本申请提供一种推荐方法，有助于提升推荐结果与用户需求匹配度。为了解决上述问题，第一方面，本申请实施例提供了一种推荐方法，包括：获取目标用户对目标对象的长期兴趣表征和短期兴趣表征；至少根据所述长期兴趣表征和所述短期兴趣表征，通过预设模型预估所述目标用户对所述目标对象的兴趣偏好评价值；基于所述兴趣偏好评价值，执行所述目标对象推荐；其中，所述长期兴趣表征携带指示所述目标用户在第一历史时期内对所述目标对象的兴趣偏好信息；所述短期兴趣表征携带指示所述目标用户在第二历史时期内对曝光对象的兴趣偏好信息和所述目标对象关联的实时场景信息；所述第二历史时期的终止时间为早于所述实时时间第一预设时长的时间点，所述第二历史时期的起始时间为早于所述实时时间第二预设时长的时间点，所述第一预设时长小于所述第二预设时长；所述第一历史时期早于所述第二历史时期的起始时间且长于所述第一历史时期。第二方面，本申请实施例提供了一种推荐装置，包括：长期偏好和短期偏好获取模块，用于获取目标用户对目标对象的长期兴趣表征和短期兴趣表征；兴趣偏好评价值预估模块，用于至少根据所述长期兴趣表征和所述短期兴趣表征，通过预设模型预估所述目标用户对所述目标对象的兴趣偏好评价值；对象推荐模块，用于基于所述兴趣偏好评价值，执行所述目标对象推荐；其中，所述长期兴趣表征携带指示所述目标用户在第一历史时期内对所述目标对象的兴趣偏好信息；所述短期兴趣表征携带指示所述目标用户在第二历史时期内对曝光对象的兴趣偏好信息和所述目标对象关联的实时场景信息；所述第二历史时期的终止时间为早于所述实时时间第一预设时长的时间点，所述第二历史时期的起始时间为早于所述实时时间第二预设时长的时间点，所述第一预设时长小于所述第二预设时长；所述第一历史时期早于所述第二历史时期的起始时间且长于所述第一历史时期。第三方面，本申请实施例还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在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时实现本申请实施例所述的推荐方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时本申请实施例公开的推荐方法的步骤。本申请实施例公开的推荐方法，通过获取目标用户对目标对象的长期兴趣表征和短期兴趣表征，其中，所述长期兴趣表征携带指示所述目标用户在第一历史时期内对所述目标对象的兴趣偏好信息，所述短期兴趣表征携带指示所述目标用户在第二历史时期内对曝光对象的兴趣偏好信息和所述目标对象关联的实时场景信息，所述第二历史时期的起始时间为实时时间，所述第二历史时期的终止时间为早于所述实时时间预设时长的时间点，所述第一历史时期早于所述第二历史时期的终止时间且长于所述第一历史时期；至少根据所述长期兴趣表征和所述短期兴趣表征，通过预设模型预估所述目标用户对所述目标对象的兴趣偏好评价值；基于所述兴趣偏好评价值，执行所述目标对象推荐，有助于提升推荐的目标对象与所述目标用户兴趣偏好的匹配度。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例一的推荐方法结构示意图；图2是本申请实施例一的推荐方法采用的推荐模型结构示意图；图3是本申请实施例二的推荐装置结构示意图之一；图4是本申请实施例二的推荐装置结构示意图之二。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。实施例一本申请实施例公开的一种推荐方法，如图1所示，所述方法包括：步骤110至步骤130。步骤110，获取目标用户对目标对象的长期兴趣表征和短期兴趣表征。其中，所述长期兴趣表征携带指示所述目标用户在第一历史时期内对所述目标对象的兴趣偏好信息；所述短期兴趣表征携带指示所述目标用户在第二历史时期内对曝光对象的兴趣偏好信息和所述目标对象关联的实时场景信息；所述第二历史时期的终止时间为早于所述实时时间第一预设时长的时间点，所述第二历史时期的起始时间为早于所述实时时间第二预设时长的时间点，所述第一预设时长小于所述第二预设时长；所述第一历史时期早于所述第二历史时期的起始时间且长于所述第一历史时期。以外卖平台为当前浏览用户推荐菜品为例，平台的当前系统时间则为所述实时时间，可以确定所述当前系统时间(即实时时间)的前一分钟为第二历史时期的终止时间，确定所述当前系统时间的前24小时为第二历史时期的起始时间，则所述第二历史时期长达23小时59分。确定当前系统时间(即实时时间)前三个月至所述当前系统时间的前一天或至所述当前系统时间的时间段作为所述第一历史时期。其中，所述曝光对象指平台展示给用户的对象，所述曝光对象可能包括所述目标对象，也可能不包括所述目标对象。所述目标对象指待推荐给目标用户的平台中的对象，例如，当用户浏览菜品页面时，所述目标对象指平台的菜品；当用户浏览酒店预订页面时，所述目标对象指平台的酒店。本申请实施例中，通过用户与对象之间长期的交互行为，来刻画用户长期且不经常变化的兴趣，并通过所述长期兴趣表征来表示。即所述长期兴趣表征携带指示所述目标用户在第一历史时期内对所述目标对象的兴趣偏好信息。在有信息流的场景下，用户每次访问平台的页面时，平台会根据推荐模型的预测结果，推荐给用户个性化的对象列表，对象列表中的每个对象可以由图片、文字或者小视频等组成。用户可以对页面展示的对象列表中的部分或全部对象执行预设操作。因此，可以根据平台中每个本文档来自技高网...

【技术保护点】
1.一种推荐方法，其特征在于，包括：/n获取目标用户对目标对象的长期兴趣表征和短期兴趣表征；/n至少根据所述长期兴趣表征和所述短期兴趣表征，通过预设模型预估所述目标用户对所述目标对象的兴趣偏好评价值；/n基于所述兴趣偏好评价值，执行所述目标对象推荐；/n其中，所述长期兴趣表征携带指示所述目标用户在第一历史时期内对所述目标对象的兴趣偏好信息；所述短期兴趣表征携带指示所述目标用户在第二历史时期内对曝光对象的兴趣偏好信息和所述目标对象关联的实时场景信息；所述第一历史时期早于所述第二历史时期的起始时间且长于所述第一历史时期。/n

【技术特征摘要】
1.一种推荐方法，其特征在于，包括：
获取目标用户对目标对象的长期兴趣表征和短期兴趣表征；
至少根据所述长期兴趣表征和所述短期兴趣表征，通过预设模型预估所述目标用户对所述目标对象的兴趣偏好评价值；
基于所述兴趣偏好评价值，执行所述目标对象推荐；
其中，所述长期兴趣表征携带指示所述目标用户在第一历史时期内对所述目标对象的兴趣偏好信息；所述短期兴趣表征携带指示所述目标用户在第二历史时期内对曝光对象的兴趣偏好信息和所述目标对象关联的实时场景信息；所述第一历史时期早于所述第二历史时期的起始时间且长于所述第一历史时期。


2.根据权利要求1所述的方法，其特征在于，获取目标用户对目标对象的长期兴趣表征的步骤，包括：
根据目标用户的用户标识，从预先训练得到的若干用户向量中获取所述目标用户的用户向量，以及，根据目标对象的对象标识从预先训练得到的若干对象向量中获取所述目标对象的对象向量；
将获取的所述目标用户的用户向量和所述目标对象的对象向量进行拼接，得到所述目标用户对所述目标对象的长期兴趣表征；
其中，所述目标用户的用户向量为表示所述目标用户对所述目标对象的各维度隐含特征偏好强弱的矩阵，所述目标对象的对象向量为表示所述目标对象匹配所述各维度隐含特征概率的矩阵。


3.根据权利要求1所述的方法，其特征在于，所述获取目标用户对目标对象的长期兴趣表征的步骤之前，还包括：
按照预设周期，根据平台中每个用户对平台曝光的对象的历史行为数据，训练每个所述用户的用户向量和每个所述对象的对象向量。


4.根据权利要求3所述的方法，其特征在于，所述按照预设周期，根据平台中每个用户对平台曝光的对象的历史行为数据，训练每个所述用户的用户向量和每个所述对象的对象向量的步骤，包括：
确定当前周期对应的所述第一历史时期；
根据平台中每个用户在第一历史时期内对平台曝光的对象的历史行为数据，分别建立用户-对象对，所述用户-对象对包括：用户标识、对象标识和行为类型，所述行为类型用于指示所述用户是否对所述对象执行预设操作；
根据建立的所述用户-对象对，构建用户-对象矩阵；
通过协同过滤算法，以各用户向量与各对象向量的内积与所述用户-对象矩阵的损失值最小为目标，对所述用户-对象矩阵进行分解，分别确定每个所述用户的所述用户向量和每个所述对象的所述对象向量；其中，所述用户向量为表示相应用户对所述平台曝光的对象的各维度隐含特征偏好强弱的矩阵，所述对象向量为表示相应对象匹配所述各维度隐含特征概率的矩阵。


5.根据权利要求1所述的方法，其特征在于，获取目标用户对目标对象的短期兴趣表征的步骤，包括：
根据所述目标用户在所述实时时间对所述目标对象执行预设操作时所处的实时地理位置和所述目标对象的对象标识、所述目标用户在所述第二历史时期内的执行各所述预设操作时所处地理位置和所针对的曝光对象的对象标识，确定所述目标用户对所述目标对象的短期兴趣表征。


6.根据权利要求5所述的方法，其特征在于，所述根据所述目标用户在所述实时时间对所述目标对象执行预设操作时所处的实时地理位置和所述目标对象的对象标识、所述目标用户在所述第二历史时期内的执行各所述预设操作时所处地理位置和所针对的曝光对象的对象标识，...

【专利技术属性】
技术研发人员：王强，李倩，娄欢，
申请(专利权)人：汉海信息技术上海有限公司，
类型：发明
国别省市：上海;31