一种对象推荐方法、装置、设备及介质制造方法及图纸

本公开关于一种对象推荐方法、装置、设备及介质，用以高效、精准地为用户提供内容，提升内容的推荐效率，提高内容的点击率，降低用户操作成本。本公开的对象推荐方法，包括：确定待向终端中当前账户展示的多个对象；利用预先训练的对象排序模型确定多个对象中每个对象展示后被选中的选择评价参数，其中，对象排序模型是基于预先确定的当前账户的属性特征、当前账户历史搜索文本的文本特征、为当前账户历史展示对象的对象特征以及当前账户对历史展示对象的选择结果训练生成的；基于每个对象展示后被选中的选择评价参数，确定多个对象的展示顺序，并以展示顺序向当前账户推荐多个对象。

【技术实现步骤摘要】
一种对象推荐方法、装置、设备及介质
本公开涉及信息
，尤其涉及一种对象推荐方法、装置、设备及介质。
技术介绍
目前，深度学习技术在视频图像、语音识别、自然语言处理等相关领域得到广泛应用。由于深度学习技术的拟合能力，端到端的全局优化能力突出，使深度学习技术在多媒体的内容理解场景中大放异彩。如图1所示，两幅“猫”的图片，相关技术使用深度学习技术的图像分类网络可以将图1中(a)、(b)两幅图片中的内容均识别为“猫”。当用户搜索“猫”的图片时，由于图像分类网络对于图1中(a)、(b)两幅图片是同等对待的，因此，会为用户推送(a)、(b)中的任一张，但是绝大多数用户不会选择(b)中的“猫”的图片，而是选择(a)中的“猫”的图片，这样的现象反映出相关技术并未“精准地”为用户提供内容或搜索结果。面对海量的文本数据、图片数据、视频数据，如何高效地，精准地为用户提供内容，提升内容的推荐效率，提高内容的点击率，降低用户操作成本，是亟需解决的问题。
技术实现思路
本公开提供一种对象推荐方法、装置、设备及介质，用以高效、精准地为用户提供内容，提升内容的推荐效率，提高内容的点击率，降低用户操作成本。本公开的技术方案如下：根据本公开实施例的第一方面，提供一种对象推荐方法，包括：确定待向终端中当前账户展示的多个对象；利用预先训练的对象排序模型确定多个对象中每个对象展示后被选中的选择评价参数，其中，对象排序模型是基于预先确定的当前账户的属性特征、当前账户历史搜索文本的文本特征、为当前账户历史展示对象的对象特征以及当前账户对历史展示对象的选择结果训练生成的，选择评价参数表征对象与当前账户对历史展示对象的选择结果为选中的全部对象的相关度；基于每个对象展示后被选中的选择评价参数，确定多个对象的展示顺序，并以展示顺序向当前账户推荐多个对象。一种可能的实施方式中，本公开提供的对象推荐方法中，多个对象为与当前账户输入的用于搜索对象的搜索文本相匹配的对象。一种可能的实施方式中，本公开提供的对象推荐方法中，预先训练的对象排序模型采用如下步骤训练：将预先确定的当前账户的属性特征、当前账户历史搜索文本的文本特征、为当前账户历史展示对象的对象特征作为第一深度神经网络模型的输入特征，并将当前账户对历史展示对象的选择结果作为第一深度神经网络模型输出特征，对第一深度神经网络模型进行训练，将训练生成的第一深度神经网络模型作为对象排序模型。一种可能的实施方式中，本公开提供的对象推荐方法中，预先确定的当前账户的属性特征、当前账户历史搜索文本的文本特征、为当前账户历史展示对象的对象特征采用如下步骤确定：从当前账户的账户日志中获取当前账户标识ID、当前账户历史搜索文本、为当前账户历史展示对象的对象ID、以及当前账户对历史展示对象的选择结果；利用预先训练的第二深度神经网络模型对对象ID所标识的对象进行分类，确定当前账户的属性特征和对象ID所标识对象的对象特征，其中，第二深度神经网络模型是基于当前账户ID、为当前账户历史展示对象、以及当前账户对历史展示对象的选择结果训练生成的；对当前账户历史搜索文本进行分词处理，将分词后得到多个词的平均词向量作为当前账户历史搜索文本的文本特征。根据本公开实施例的第二方面，提供一种对象推荐装置，包括：确定单元，被配置为执行确定待向终端中当前账户展示的多个对象；处理单元，被配置为执行利用预先训练的对象排序模型确定多个对象中每个对象展示后被选中的选择评价参数，其中，对象排序模型是基于预先确定的当前账户的属性特征、当前账户历史搜索文本的文本特征、为当前账户历史展示对象的对象特征以及当前账户对历史展示对象的选择结果训练生成的，选择评价参数表征对象与当前账户对历史展示对象的选择结果为选中的全部对象的相关度；展示单元，被配置为执行基于每个对象展示后被选中的选择评价参数，确定多个对象的展示顺序，并以展示顺序向当前账户推荐多个对象。一种可能的实施方式中，本公开提供的对象推荐装置中，多个对象为与当前账户输入的用于搜索对象的搜索文本相匹配的对象。一种可能的实施方式中，本公开提供的对象推荐装置中，处理单元被配置为预先采用如下步骤训练对象排序模型：将预先确定的当前账户的属性特征、当前账户历史搜索文本的文本特征、为当前账户历史展示对象的对象特征作为第一深度神经网络模型的输入特征，并将当前账户对历史展示对象的选择结果作为第一深度神经网络模型输出特征，对第一深度神经网络模型进行训练，将训练生成的第一深度神经网络模型作为对象排序模型。一种可能的实施方式中，本公开提供的对象推荐装置中，处理单元被配置为采用如下步骤预先确定当前账户的属性特征、当前账户历史搜索文本的文本特征、为当前账户历史展示对象的对象特征：从当前账户的账户日志中获取当前账户标识ID、当前账户历史搜索文本、为当前账户历史展示对象的对象ID、以及当前账户对历史展示对象的选择结果；利用预先训练的第二深度神经网络模型对对象ID所标识的对象进行分类，确定当前账户的属性特征和对象ID所标识对象的对象特征，其中，第二深度神经网络模型是基于当前账户ID、为当前账户历史展示对象、以及当前账户对历史展示对象的选择结果训练生成的；对当前账户历史搜索文本进行分词处理，将分词后得到多个词的平均词向量作为当前账户历史搜索文本的文本特征。根据本公开实施例的第三方面，提供一种对象推荐设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为执行指令以实现第一方面中任一项的对象推荐方法。根据本公开实施例的第四方面，提供一种存储介质，当存储介质中的指令由对象推荐设备的处理器执行时，使得对象推荐设备能够执行第一方面中任一项的对象推荐方法。本公开的实施例提供的技术方案至少带来以下有益效果：确定待向终端中当前账户展示的多个对象，利用预先训练的对象排序模型确定多个对象中每个对象展示后被选中的选择评价参数，其中，对象排序模型是基于预先确定的当前账户的属性特征、当前账户历史搜索文本的文本特征、为当前账户历史展示对象的对象特征以及当前账户对历史展示对象的选择结果训练生成的，选择评价参数表征对象与当前账户对历史展示对象的选择结果为选中的全部对象的相关度，基于每个对象展示后被选中的选择评价参数，确定多个对象的展示顺序，并以展示顺序向当前账户推荐多个对象。结合当前账户的高维信息，也即当前账户的属性特征、当前账户历史搜索文本的文本特征、为当前账户历史展示对象的对象特征，确定多个对象中每个对象的选择评价参数，并根据选择评价参数确定多个对象展示顺序，在向当前账户推荐多个对象时，优先推荐与当前账户对历史展示对象的选择结果为选中的全部对象相关的对象，也即优先推荐展示后被当前账户选中可能性大的对象，从而高效、精准地为用户推荐内容，提升内容的推荐效率，提高内容的点击率，降低用户操作成本。附图说明此处的附图被并入本文档来自技高网...

【技术保护点】
1.一种对象推荐方法，其特征在于，所述方法包括：/n确定待向终端中当前账户展示的多个对象；/n利用预先训练的对象排序模型确定所述多个对象中每个对象展示后被选中的选择评价参数，其中，所述对象排序模型是基于预先确定的所述当前账户的属性特征、所述当前账户历史搜索文本的文本特征、为所述当前账户历史展示对象的对象特征以及所述当前账户对历史展示对象的选择结果训练生成的，所述选择评价参数表征所述对象与所述当前账户对历史展示对象的选择结果为选中的全部对象的相关度；/n基于每个对象展示后被选中的选择评价参数，确定所述多个对象的展示顺序，并以所述展示顺序向所述当前账户推荐所述多个对象。/n

【技术特征摘要】
1.一种对象推荐方法，其特征在于，所述方法包括：
确定待向终端中当前账户展示的多个对象；
利用预先训练的对象排序模型确定所述多个对象中每个对象展示后被选中的选择评价参数，其中，所述对象排序模型是基于预先确定的所述当前账户的属性特征、所述当前账户历史搜索文本的文本特征、为所述当前账户历史展示对象的对象特征以及所述当前账户对历史展示对象的选择结果训练生成的，所述选择评价参数表征所述对象与所述当前账户对历史展示对象的选择结果为选中的全部对象的相关度；
基于每个对象展示后被选中的选择评价参数，确定所述多个对象的展示顺序，并以所述展示顺序向所述当前账户推荐所述多个对象。


2.根据权利要求1所述的方法，其特征在于，所述多个对象为与所述当前账户输入的用于搜索对象的搜索文本相匹配的对象。


3.根据权利要求1或2所述的方法，其特征在于，所述预先训练的对象排序模型采用如下步骤训练：
将预先确定的所述当前账户的属性特征、所述当前账户历史搜索文本的文本特征、为所述当前账户历史展示对象的对象特征作为第一深度神经网络模型的输入特征，并将所述当前账户对历史展示对象的选择结果作为所述第一深度神经网络模型输出特征，对所述第一深度神经网络模型进行训练，将训练生成的第一深度神经网络模型作为所述对象排序模型。


4.根据权利要求3所述的方法，其特征在于，所述预先确定的所述当前账户的属性特征、所述当前账户历史搜索文本的文本特征、为所述当前账户历史展示对象的对象特征采用如下步骤确定：
从所述当前账户的账户日志中获取所述当前账户标识ID、所述当前账户历史搜索文本、为所述当前账户历史展示对象的对象ID、以及所述当前账户对历史展示对象的选择结果；
利用预先训练的第二深度神经网络模型对所述对象ID所标识的对象进行分类，确定所述当前账户的属性特征和所述对象ID所标识对象的对象特征，其中，所述第二深度神经网络模型是基于所述当前账户ID、为所述当前账户历史展示对象、以及所述当前账户对历史展示对象的选择结果训练生成的；
对所述当前账户历史搜索文本进行分词处理，将分词后得到多个词的平均词向量作为所述当前账户历史搜索文本的文本特征。


5.一种对象推荐装置，其特征在于，所述装置包括：
确定单元，被配置为执行确定待向终端中当前账户展示的多个对象；
处理单元，被配置为执行利用预先训练的对象排序模型确定所述多个对象中每个对象展示后被选中的选择评价参数，其中，...

【专利技术属性】
技术研发人员：张志伟，林靖，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：北京;11