一种对象推荐方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及计算机技术领域，尤其涉及一种对象推荐方法、装置、电子设备及存储介质，获得待推荐对象的正样本集和负样本集，基于各个正样本的用户画像特征，以及各个负样本的用户画像特征，获得对所述待推荐对象的备选用户进行筛选时的至少一组候选特征组合；从所述至少一组候选特征组合中，筛选出与所述正样本集中的各个用户的用户画像特征之间的关联度满足设定条件的至少一组候选特征组合作为目标特征组合；根据筛选出的目标特征组合，从所述备选用户中确定用户画像特征与所述目标特征组合相匹配的目标用户；将所述待推荐对象推荐给确定出的目标用户，提高了效率和准确性。提高了效率和准确性。提高了效率和准确性。

【技术实现步骤摘要】
一种对象推荐方法、装置、电子设备及存储介质


[0001]本申请涉及计算机
，尤其涉及一种对象推荐方法、装置、电子设备及存储介质。

技术介绍

[0002]人群定向是广告系统中非常重要的一个环节，人群定向的目标是确定出和指定广告最相关的用户作为潜在用户群体。相关技术中，可以基于画像索引来确定目标人群，主要依赖于用户画像的构建，然后广告主设置人群定向条件，提取相应的目标人群，进而向目标人群推荐广告。
[0003]但是相关技术中的这种方法，确定定向条件时通常需要预先进行人群画像洞察，并人工进行洞察结果分析，从而依赖广告主经验而选择目标画像特征，作为定向条件，准确性较低，并且由于不知道在哪些画像特征上有差异，会在尽量多的画像特征进行洞察分析，并仅能分别针对单维度画像特征进行分析计算，计算量较大，效率较低。

技术实现思路

[0004]本申请实施例提供一种对象推荐方法、装置、电子设备及存储介质，以提高生成定向条件的准确性和效率，从而提高定向推荐准确性。
[0005]本申请实施例提供的具体技术方案如下：
[0006]本申请一个实施例提供了一种对象推荐方法，包括：
[0007]获得待推荐对象的正样本集和负样本集，其中，所述正样本集包括的每个正样本表示对于推荐优化目标具有正向行为特征的用户，所述负样本集包括的各个负样本表示对于所述推荐优化目标具有负向行为特征的用户；
[0008]基于各个正样本的用户画像特征，以及各个负样本的用户画像特征，获得对所述待推荐对象的备选用户进行筛选时的至少一组候选特征组合；
[0009]从所述至少一组候选特征组合中，筛选出与所述正样本集中的各个用户的用户画像特征之间的关联度满足设定条件的至少一组候选特征组合作为目标特征组合；
[0010]根据筛选出的目标特征组合，从所述备选用户中确定用户画像特征与所述目标特征组合相匹配的目标用户；
[0011]将所述待推荐对象推荐给确定出的目标用户。
[0012]本申请另一个实施例提供了一种对象推荐装置，包括：
[0013]第一获得模块，用于获得待推荐对象的正样本集和负样本集，其中，所述正样本集包括的每个正样本表示对于推荐优化目标具有正向行为特征的用户，所述负样本集包括的各个负样本表示对于所述推荐优化目标具有负向行为特征的用户；
[0014]第二获得模块，用于基于各个正样本的用户画像特征，以及各个负样本的用户画像特征，获得对所述待推荐对象的备选用户进行筛选时的至少一组候选特征组合；
[0015]筛选模块，用于从所述至少一组候选特征组合中，筛选出与所述正样本集中的各
个用户的用户画像特征之间的关联度满足设定条件的至少一组候选特征组合作为目标特征组合；
[0016]确定模块，用于根据筛选出的目标特征组合，从所述备选用户中确定用户画像特征与所述目标特征组合相匹配的目标用户；
[0017]推荐模块，用于将所述待推荐对象推荐给确定出的目标用户。
[0018]本申请另一个实施例提供了一种电子设备，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，所述处理器执行所述程序时实现上述任一种对象推荐方法的步骤。
[0019]本申请另一个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，所述计算机程序被处理器执行时实现上述任一种对象推荐方法的步骤。
[0020]本申请另一个实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的任一种对象推荐方法。
[0021]本申请实施例中，获得待推荐对象的正样本集和负样本集，基于各个正样本的用户画像特征，以及各个负样本的用户画像特征，获得对所述待推荐对象的备选用户进行筛选时的至少一组候选特征组合，并可以对所述至少一组候选特征组合进行处理，从中筛选出与所述正样本集中的各个用户的用户画像特征之间的关联度满足设定条件的至少一组候选特征组合作为目标特征组合；根据筛选出的目标特征组合，从所述备选用户中确定用户画像特征与所述目标特征组合相匹配的目标用户，进而可以将所述待推荐对象推荐给确定出的目标用户，这样，可以实现对指定的正样本集和负样本集进行特征分析，自动生成各候选特征组合，实现了特征组合定向分析，而不仅是单维度定向分析，并且可以对各候选特征组合进行自动分析筛选，来确定目标特征组合，作为推荐的目标用户的定向条件，实现了可以根据不同推荐优化目标，快速生成定向条件推荐，极大提高了效率，并且也提高了准确性。
附图说明
[0022]图1为本申请实施例中对象推荐方法的应用架构示意图；
[0023]图2为本申请实施例中一种对象推荐方法流程图；
[0024]图3为本申请实施例中生成候选特征组合的原理示意图；
[0025]图4为本申请实施例中另一种对象推荐方法的流程示意图；
[0026]图5为本申请实施例中发起人群特征分析的界面示意图；
[0027]图6为本申请实施例中正负样本集确定的界面示意图；
[0028]图7为本申请实施例中行业热门定向原理示意图；
[0029]图8为本申请实施例中行业优质定向原理示意图；
[0030]图9为本申请实施例中对象推荐装置结构示意图；
[0031]图10为本申请实施例中电子设备的结构示意图。
具体实施方式
[0032]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，所描述的实施例仅仅是本申请一部分实施例，并不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做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。
[0033]为便于对本申请实施例的理解，下面先对几个概念进行简单介绍：
[0034]人群定向：通过对用户行为数据、用户属性特征等的分析，找出潜在目标用户群体的共同特征，然后将待推荐对象投放给具有共同特征的目标用户群体，例如广告人群定向，即广告最终的实际投放用户就出现在该广告的目标用户群体中。
[0035]广告洞察分析：即用户画像分析，洞察分析可以帮助客户更加全面细致的了解人群的属性、兴趣分类、关注点及地域特点等的特征分布情况，这些特征可以用来优化广告创意、指导营销策略、为进一步制定投放提供参考依据等。
[0036]点击率(Click Through Rate，CTR)：人群定向用户曝光后产生点击的比率，是点击用户数与曝光用户数的比值，可以用于衡量一个广告人群定向用户在曝光后的点击效果。
[0037]转化率(Click Value Rate，CVR)：人群定向用户点击广告后发生转化行为的比率，是转化用户数与点击用户数的比值，可以用于衡量一个广告人群定向用户在点击广告后的转化效果，其中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对象推荐方法，其特征在于，包括：获得待推荐对象的正样本集和负样本集，其中，所述正样本集包括的每个正样本表示对于推荐优化目标具有正向行为特征的用户，所述负样本集包括的各个负样本表示对于所述推荐优化目标具有负向行为特征的用户；基于各个正样本的用户画像特征，以及各个负样本的用户画像特征，获得对所述待推荐对象的备选用户进行筛选时的至少一组候选特征组合；从所述至少一组候选特征组合中，筛选出与所述正样本集中的各个用户的用户画像特征之间的关联度满足设定条件的至少一组候选特征组合作为目标特征组合；根据筛选出的目标特征组合，从所述备选用户中确定用户画像特征与所述目标特征组合相匹配的目标用户；将所述待推荐对象推荐给确定出的目标用户。2.如权利要求1所述的方法，其特征在于，获得待推荐对象的正样本集和负样本集，具体包括：将上传的实验组用户作为正样本集，并将上传的对照组用户作为负样本集；或，获取所述推荐优化目标和历史参考对象推荐信息，并根据所述推荐优化目标，从所述历史参考对象推荐信息中筛选出对于所述推荐优化目标具有正向行为特征的用户，获得正样本集，并筛选出对于所述推荐优化目标具有负向行为特征的用户，获得负样本集。3.如权利要求1所述的方法，其特征在于，进一步包括：过滤掉在所述正样本集或所述负样本集中覆盖度小于预设阈值的用户画像特征。4.如权利要求1所述的方法，其特征在于，基于各个正样本的用户画像特征，以及各个负样本的用户画像特征，获得对所述待推荐对象的备选用户进行筛选时的至少一组候选特征组合，具体包括：根据所述正样本集中各个正样本的用户画像特征，以及所述负样本集中各个负样本的用户画像特征，训练集成树模型，获得已训练的集成树模型，其中，所述集成树模型中树的数量为第一数目，每棵树的深度为第二数目；分别针对所述已训练的集成树模型中的各个树，从树的根节点到各叶子节点进行遍历，将从根节点到各叶子节点所对应的用户画像特征进行组合，获得各最高阶特征组合，并根据所述各最高阶特征组合的各非空子集中的特征组合，获得至少一组候选特征组合，其中，所述最高阶特征组合的阶数为所述第二数目，则所述至少一组候选特征组合的阶数为从1到所述第二数目。5.如权利要求1-4任一项所述的方法，其特征在于，从所述至少一组候选特征组合中，筛选出与所述正样本集中的各个用户的用户画像特征之间的关联度满足设定条件的至少一组候选特征组合作为目标特征组合，具体包括：分别计算所述至少一组候选特征组合在所述正样本集、所述负样本集和预设全量用户集中的占比；分别根据所述至少一组候选特征组合在所述正样本集和在所述预设全量用户集中的占比，确定所述至少一组候选特征组合对应的正样本集目标群体指数，并分别根据所述至少一组候选特征组合在所述负样本集和在所述预设全量用户集中的占比，确定所述至少一组候选特征组合对应的负样本集目标群体指数；
分别根据所述至少一组候选特征组合对应的正样本集目标群体指数和负样本集目标群体指数，获得所述至少一组候选特征组合的显著度指标和差异度指标，并分别根据所述至少一组候选特征组合的显著度指标和差异度指标，获得所述至少一组候选特征组合的最终排序指标；根据所述至少一组候选特征组合的最终排序指标，分别对各阶的至少一组候选特征组合从高到低进行...

【专利技术属性】
技术研发人员：杨春风，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：