跨域推荐、内容推荐方法、装置及设备制造方法及图纸

本申请实施例提供一种跨域推荐、内容推荐方法、装置及设备。该方法包括：获得用户在至少两个类型域的行为对象序列的特征表达，对至少两个类型域的行为对象序列的特征表达进行处理，得到映射到同一空间中的至少两个类型域的行为对象序列的映射后表达，并根据至少两个类型域的映射后表达，确定用户对至少两个类型域中特定类型域中的目标对象进行网络操作的概率，以根据概率向用户推荐对象。本申请能够提高获知的用户行为意图的准确性，从而能够提高推荐效果。推荐效果。推荐效果。

【技术实现步骤摘要】
跨域推荐、内容推荐方法、装置及设备


[0001]本申请涉及互联网
，尤其涉及一种跨域推荐、内容推荐方法、装置及设备。

技术介绍

[0002]在用户通过互联网获取信息时，可以向用户推荐对象，例如视频推荐、商品推荐等。
[0003]以视频推荐为例，通常是根据用户针对视频的历史行为，向用户推荐视频。具体的，根据用户针对视频的历史行为，获知用户的行为意图，并向用户推荐与其行为意图相似的视频。然而，在用户对视频的行为比较稀疏，且视频的行为意图比较多样时，仅根据用户针对视频的历史行为进行推荐，存在无法正确的获知用户的行为意图，从而导致推荐效果较差的问题。

技术实现思路

[0004]本申请实施例提供一种跨域推荐、内容推荐方法、装置及设备，用以解决现有技术中推荐效果较差的问题。
[0005]第一方面，本申请实施例提供一种跨域推荐方法，包括：
[0006]获得用户在至少两个类型域的行为对象序列的特征表达，所述至少两个类型域存在关联性，任一类型域的行为对象序列的特征表达中包括所述类型域中多个对象的特征表达；
[0007]对所述至少两个类型域的行为对象序列的特征表达进行处理，得到映射到同一空间中的所述至少两个类型域的行为对象序列的映射后表达，任一类型域的行为对象序列的映射后表达中包括所述类型域中多个对象的映射后表达；
[0008]根据所述至少两个类型域的所述映射后表达，确定所述用户对所述至少两个类型域中特定类型域中的目标对象进行网络操作的概率，以根据所述概率向所述用户推荐对象。
[0009]第二方面，本申请实施例提供一种内容推荐方法，包括：
[0010]获得用户在内容域和商品域的行为对象序列的特征表达，所述内容域中的内容是关于所述商品域中商品的内容，所述内容域的行为对象序列的特征表达中包括多个内容的特征表达，所述商品域的行为对象序列的特征表达中包括多个商品的特征表达；
[0011]对所述内容域和所述商品域的行为对象序列的特征表达进行处理，得到映射到同一空间中的所述内容域和所述商品域的行为对象序列的映射后表达，所述内容域的行为对象序列的映射后表达中包括所述多个内容的映射后表达，所述商品域的行为对象序列的映射后表达中包括所述多个商品的映射后表达；
[0012]根据所述内容域和所述商品域的所述映射后表达，确定所述用户对目标内容进行浏览的概率，以根据所述概率向所述用户进行内容推荐。
[0013]第三方面，本申请实施例提供一种跨域推荐装置，包括：
[0014]获得模块，用于获得用户在至少两个类型域的行为对象序列的特征表达，所述至少两个类型域之间存在关联，任一类型域的行为对象序列的特征表达中包括所述类型域中多个对象的特征表达；
[0015]编码模块，用于对所述至少两个类型域的行为对象序列的特征表达进行处理，得到映射到同一空间中的所述至少两个类型域的行为对象序列的映射后表达，任一类型域的行为对象序列的映射后表达中包括所述类型域中多个对象的映射后表达；
[0016]推荐模块，用于根据所述至少两个类型域的所述映射后表达，确定所述用户对所述至少两个类型域中特定类型域中的目标对象进行网络操作的概率，以根据所述概率向所述用户推荐对象。
[0017]第四方面，本申请实施例提供一种内容推荐装置，包括：
[0018]获得模块，用于获得用户在内容域和商品域的行为对象序列的特征表达，所述内容域中的内容是关于所述商品域中商品的内容，所述内容域的行为对象序列的特征表达中包括多个内容的特征表达，所述商品域的行为对象序列的特征表达中包括多个商品的特征表达；
[0019]编码模块，用于对所述内容域和所述商品域的行为对象序列的特征表达进行处理，得到映射到同一空间中的所述内容域和所述商品域的行为对象序列的映射后表达，所述内容域的行为对象序列的映射后表达中包括所述多个内容的映射后表达，所述商品域的行为对象序列的映射后表达中包括所述多个商品的映射后表达；
[0020]推荐模块，用于根据所述内容域和所述商品域的所述映射后表达，确定所述用户对目标内容进行浏览的概率，以根据所述概率向所述用户进行内容推荐。
[0021]第五方面，本申请实施例提供一种服务器，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，所述一条或多条计算机指令被所述处理器执行时实现如第一方面任一项所述的方法。
[0022]第六方面，本申请实施例提供一种计算机程序产品，包括计算机程序指令，当所述指令由处理器执行时，实现如第一方面任一项所述的方法。
[0023]第七方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被执行时，实现如第一方面任一项所述的方法。
[0024]在本申请实施例中，服务器可以将用户在存在关联性的至少两个类型域中行为对象的特征表达，映射到同一个空间，并基于行为对象的映射后表达进行用户的跨域意图综合分析，其中，类型域是基于行为所针对主体的类型所划分出的范围，例如，行为所针对主体的类型包括商品和视频时，该至少两个类型域可以包括内容域和商品域，内容域和商品域的关联性可以体现为内容域中的内容是关于商品域中商品的内容。通过跨域意图综合分析，实现了根据用户在至少两个类型域的历史行为，进行该至少两个类型域中特定类型域中的对象推荐，由于用户在不同类型域的历史行为有一定的意图一致性，因此能够提高获知的用户行为意图的准确性，从而能够提高推荐效果。
附图说明
[0025]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。
[0026]图1为本申请实施例的推荐系统的示意图；
[0027]图2为本申请一实施例提供的跨域推荐方法的流程示意图；
[0028]图3为本申请一实施例提供的多头注意力块的结构示意图；
[0029]图4A为本申请一实施例提供的通过多头注意力块处理视频域的行为对象序列的示意图；
[0030]图4B为本申请一实施例提供的通过多头注意力块处理商品域的行为对象序列的示意图；
[0031]图5为本申请一实施例提供的采用对比学习的算法训练序列编码器的示意图；
[0032]图6为本申请一实施例提供的确定用户对目标视频的浏览概率的示意图；
[0033]图7为本申请一实施例提供的内容推荐方法的流程示意图；
[0034]图8为本申请一实施例提供的跨域推荐装置的结构示意图；
[0035]图9为本申请一实施例提供的服务器的结构示意图；
[0036]图10为本申请一实施例提供的内容推荐装置的结构示意图；
[0037]图11为本申请另一实施例提供的服务器的结构示意图。
具体实施方式
[0038]为使本申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跨域推荐方法，其特征在于，包括：获得用户在至少两个类型域的行为对象序列的特征表达，所述至少两个类型域存在关联性，任一类型域的对象序列的特征表达中包括所述类型域中多个对象的特征表达；对所述至少两个类型域的行为对象序列的特征表达进行处理，得到映射到同一空间中的所述至少两个类型域的行为对象序列的映射后表达，任一类型域的行为对象序列的映射后表达中包括所述类型域中多个对象的映射后表达；根据所述至少两个类型域的所述映射后表达，确定所述用户对所述至少两个类型域中特定类型域中的目标对象进行网络操作的概率，以根据所述概率向所述用户推荐对象。2.根据权利要求1所述的方法，其特征在于，所述特征表达为向量表达；所述对所述至少两个类型域的行为对象序列的特征表达进行处理，得到映射到同一空间中的所述至少两个类型域的行为对象序列的映射后表达，包括：通过预训练得到的至少两个序列编码器，对应对所述至少两个类型域的行为对象序列的特征表达进行处理，得到映射到同一空间中的所述至少两个类型域的行为对象序列的映射后表达，所述序列编码器与所述类型域一一对应。3.根据权利要求2所述的方法，其特征在于，所述至少两个序列编码器是按照下述方式训练得到：获得多个样本用户中每个样本用户同一时间窗口内在所述至少两个类型域的行为对象序列的样本特征表达；构建至少两对序列编码器，所述至少两对序列编码器中设置有可学习参数，每个类型域对应一对序列编码器，每对序列编码器对应一个类型域，每对序列编码器中包括一个第一序列编码器和一个第二序列编码器；将所述多个样本用户在至少两个类型域的样本特征表达，分别对应输入至至少两个第一序列编码器中，生成所述样本特征表达的第一样本映射后表达，并将所述多个样本用户在至少两个类型域的样本特征表达，分别对应输入至至少两个第二序列编码器中，生成所述样本特征表达的第二样本映射后表达；基于每个样本用户在任意类型域的第一样本映射后表达，相对于多个目标用户在其他每个类型域的第二样本映射后表达的后验概率，以及所述第一样本映射后表达和所述第二样本映射后表达是否是一对正样本的标签，计算损失并根据所述损失对所述任意类型域对应的序列编码器的可学习参数进行迭代调整，直至所述损失满足预设要求；其中，所述多个目标用户包括所述样本用户以及至少一个其他样本用户。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述特征表达为向量表达；所述根据所述至少两个类型域的所述映射后表达，确定所述用户对所述至少两个类型域中特定类型域中的目标对象进行网络操作的概率，包括：对所述至少两个类型域的所述映射后表达进行串联，得到第一串联后表达；将所述第一串联后表达输入第一网络进行处理，得到所述第一串联后表达中每个对象的加权后表达；每个对象的加权后表达用于表征所述对象的映射后表达相对于其他对象的映射后表达在进行对象推荐时的重要程度；根据每个对象的加权后表达，确定所述用户对所述至少两个类型域中特定类型域中的目标对象进行网络操作的概率。
5.根据权利要求4所述的方法，其特征在于，所述根据每个对象的加权后表达，确定所述用户对所述至少两个类型域中特定类型域中的目标对象进行网络操作的概率，包括：将所述至少两个类型域的行为对象序列的加权后表达和目标向量表达一起，对应输入至少两个第二网络进行处理，得到所述用户在每个类型域与所述目标向量表达相关联的意图表达；所述类型域与所述第二网络一...

【专利技术属性】
技术研发人员：雷陈奕，王国鑫，唐海红，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：