对象推荐的方法、计算设备和计算机可读存储介质技术

根据本公开的实施例，提供了对象推荐的方法、电子设备和计算机可读存储介质。对象推荐的方法，包括：基于目标用户和多个参考用户对多个线上对象和多个线下对象的历史选择记录，确定与目标用户相关联的至少一个参考用户；基于历史选择记录，确定上述用户和对象的特征；基于对象的特征，将至少一个线下对象与至少一个线上对象相关联；基于历史选择记录，更新至少一个参考用户对相关联的至少一个线上对象的历史选择记录；以及基于所更新的历史选择记录和用户的特征，确定用于向目标用户推荐的至少一个线上对象。根据本公开的方案，可以准确地向用户推荐对象，提高用户体验。

【技术实现步骤摘要】
对象推荐的方法、计算设备和计算机可读存储介质
本公开的实施例涉及信息推荐领域，并且更具体地，涉及对象推荐的对象推荐的方法、计算设备和计算机可读存储介质。
技术介绍
随着互联网地快速发展，人们接受到的信息也在爆炸式增长，推荐系统需要在信息超载的情况下，为用户推荐其感兴趣的资源、商品、从而提高用户体验并且提高资源的分发效率和商品的购买率。在传统的对象推荐的方案中，计算设备通常基于获取用户线上历史操作行为数据而进行目标对象的推荐。但是，当缺少用户的线上行为（例如线上购买记录和线上视频观看记录）时，或者存在大量的目标对象未被操作，则资源和商品往往不被适当地推荐给用户。因此，传统的对象推荐的方案的不足之处在于：当用户的线上操作行为数据非常稀疏，进而无法准确地向用户推荐目标对象。因此，需要一种高效、准确地向缺乏线上选择记录的用户推荐对象的方法。
技术实现思路
根据本公开的实施例，提供了一种对象推荐的方法、计算设备和计算机可读存储介质，即便缺乏线上操作行为数据，也能够高效、准确地向用户推荐匹配的目标对象。在本公开的第一方面中，提供了一种对象推荐的方法，包括：基于目标用户和多个参考用户对多个线上对象和多个线下对象的历史选择记录，确定多个参考用户中的、与目标用户相关联的至少一个参考用户，历史选择记录至少指示针对对象的历史选择次数；基于历史选择记录，确定目标用户的第一特征、至少一个参考用户的第一特征、多个线上对象的第一特征和多个线下对象的第一特征；基于多个线上对象的第一特征和多个线下对象的第一特征，将至少一个线下对象与至少一个线上对象相关联；基于至少一个参考用户对至少一个线下对象的历史选择记录，更新至少一个参考用户对相关联的至少一个线上对象的历史选择记录；以及基于所更新的历史选择记录、目标用户的第一特征和至少一个参考用户的第一特征，确定用于向目标用户推荐的至少一个线上对象。在本公开的第二方面中，提供了一种对象推荐的装置，包括：基于目标用户和多个参考用户对多个线上对象和多个线下对象的历史选择记录，确定多个参考用户中的、与目标用户相关联的至少一个参考用户，历史选择记录至少指示针对对象的历史选择次数；基于历史选择记录，确定目标用户的第一特征、至少一个参考用户的第一特征、多个线上对象的第一特征和多个线下对象的第一特征；基于多个线上对象的第一特征和多个线下对象的第一特征，将至少一个线下对象与至少一个线上对象相关联；基于至少一个参考用户对至少一个线下对象的历史选择记录，更新至少一个参考用户对相关联的至少一个线上对象的历史选择记录；以及基于所更新的历史选择记录、目标用户的第一特征和至少一个参考用户的第一特征，确定用于向目标用户推荐的至少一个线上对象。在本公开的第三方面中，提供了一种计算设备，包括一个或多个处理器；以及存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现根据本公开的第一方面的方法。在本公开的第四方面中，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实现根据本公开的第一方面的方法。应当理解，
技术实现思路
部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。附图说明结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素。图1示出了本公开的多个实施例能够在其中实现的示例环境的示意图。图2示出了根据本公开的一些实施例的对象推荐的过程的流程图。图3示出了根据本公开的一些实施例的更新历史选择记录的过程的流程图。图4示出了根据本公开的一些实施例的确定用于向用户推荐对象的过程的流程图。图5示出了能够实施本公开的多个实施例的计算设备的框图。具体实施方式下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。在本公开的实施例的描述中，术语“模型”可以从训练数据中学习到相应的输入与输出之间的关联，从而在训练完成后基于训练得到的参数集对给定的输入进行处理以生成对应的输出。“模型”有时也可以被称为“神经网络”、“学习模型”、“学习网络”或“网络”。这些术语在本文中可互换地使用。术语“特征”是值通过一个低维的向量表示对象或用户。该特征向量的性质使距离相近的向量对应的物体有相近的含义。例如，两个对象汽车和数码产品都属于科技类物品，则汽车的特征向量和数码产品的特征向量在空间上距离比较接近。又比如用户A和用户B同时选择娱乐类信息作为感兴趣的标签或者用户A和用户B同时在咖啡店进行过消费，则用户A和用户B的特征在空间上距离比较接近。利用“特征”概念能够用低维向量对物体进行编码还能保留其含义的特点非常适合深度学习。如以上提及的，需要一种正确表示对象和推荐对象的方法。在当前对象推荐方案中，主要存在如下模式：（1）通过用户的历史点展训练，去拟合点击信息，从而得到用户与对象的向量表示，然后通过用户与对象的向量的内积标识用户与对象件的匹配度，以将相应的对象推荐给用户。此方法的缺点在于当用户的线上历史点展信息比较稀疏时，模型无法很好地准确地表示用户和对象的向量表示。导致针对该用户的推送转化率较低。（2）向用户推荐和其过去感兴趣的对象相似的对象。首先建立用户点击的对象列表，通过点击对象来训对象的共现关系，从而得到对象向量表示。然后从用户已经看过的感兴趣对象中选择若干个对象。接着计算用户从点击过的对象与若干个对象的匹配度，根据匹配度排序，推荐给用户匹配度较高的对象。此方法的缺点在于当用户的线上点展信息较少时，无法找到用户感兴趣的足够多的对象，进而无法准确地向用户推荐其未点击过的对象。因此，需要一种高效、准确地向缺乏线上选择记录的用户推荐对象的方法。根据本公开的实施例，提出了一种对象推荐的方案。在该方案中，利用把用户实际对线上对象的选择和根据对应关系映射得到的对线上对象的选择合并作为用户最终的对线上对象的选择，并利用该合数据进行对象的推荐。在一些实施方式中，首先确定与目标用户相似的至少一个参考用户。然后确定该目标用户、参考用户和其选择的线上对象和线下对象的特征。接着建立线上对象和线下对象的对应关系以将参考用户对线下对象的选择记录转换为本文档来自技高网...

【技术保护点】
1.一种对象推荐的方法，包括：/n基于目标用户和多个参考用户对多个线上对象和多个线下对象的历史选择记录，确定所述多个参考用户中的、与目标用户相关联的至少一个参考用户，所述历史选择记录至少指示针对所述对象的历史选择次数；/n基于所述历史选择记录，确定所述目标用户的第一特征、所述至少一个参考用户的第一特征、所述多个线上对象的第一特征和所述多个线下对象的第一特征；/n基于所述多个线上对象的第一特征和所述多个线下对象的第一特征，将至少一个线下对象与至少一个线上对象相关联；/n基于所述至少一个参考用户对所述至少一个线下对象的历史选择记录，更新所述至少一个参考用户对相关联的所述至少一个线上对象的历史选择记录；以及/n基于所更新的所述历史选择记录、所述目标用户的第一特征和所述至少一个参考用户的第一特征，确定用于向所述目标用户推荐的所述至少一个线上对象。/n

【技术特征摘要】
1.一种对象推荐的方法，包括：
基于目标用户和多个参考用户对多个线上对象和多个线下对象的历史选择记录，确定所述多个参考用户中的、与目标用户相关联的至少一个参考用户，所述历史选择记录至少指示针对所述对象的历史选择次数；
基于所述历史选择记录，确定所述目标用户的第一特征、所述至少一个参考用户的第一特征、所述多个线上对象的第一特征和所述多个线下对象的第一特征；
基于所述多个线上对象的第一特征和所述多个线下对象的第一特征，将至少一个线下对象与至少一个线上对象相关联；
基于所述至少一个参考用户对所述至少一个线下对象的历史选择记录，更新所述至少一个参考用户对相关联的所述至少一个线上对象的历史选择记录；以及
基于所更新的所述历史选择记录、所述目标用户的第一特征和所述至少一个参考用户的第一特征，确定用于向所述目标用户推荐的所述至少一个线上对象。


2.根据权利要求1所述的方法，其中更新所述至少一个参考用户对相关联的所述至少一个线上对象的历史选择记录包括：
基于所述至少一个线下对象的第一特征和所述至少一个线上对象的第一特征，确定所述至少一个线下对象和所述至少一个线上对象之间的第一匹配度；以及
基于所述第一匹配度和所述至少一个参考用户对所述至少一个线下对象的第一历史选择次数，确定第二历史选择次数；以及
基于所述第二历史选择次数，更新所述至少一个参考用户对相关联的所述至少一个线上对象的历史选择次数。


3.根据权利要求1所述的方法，其中确定用于向所述目标用户推荐的所述至少一个线上对象包括：
基于所述目标用户的第一特征和所述至少一个参考用户的第一特征，确定所述目标用户和所述至少一个参考用户之间的第二匹配度；
基于所述第二匹配度、所述至少一个参考用户对所述多个线下对象的历史选择次数的总和以及所更新的所述历史选择记录，确定所述目标用户和所述至少一个线上对象之间的第三匹配度；以及
如果所述第三匹配度大于第一匹配度阈值，确...

【专利技术属性】
技术研发人员：常建龙，赵玮，张辛宇，姜浩然，
申请(专利权)人：南京研利科技有限公司，
类型：发明
国别省市：江苏;32