对象推荐方法以及装置制造方法及图纸

本说明书实施例提供对象推荐方法以及装置，其中所述对象推荐方法包括：获取指定对象与各待推荐对象的相似度，以及所述各待推荐对象的属性信息；根据各所述相似度，获得相似度融合特征，根据各所述属性信息，获得属性融合特征；对所述相似度融合特征和所述属性融合特征进行融合，并根据融合结果确定所述各待推荐对象的推荐权重；根据所述各待推荐对象的推荐权重，确定所述待推荐对象中的目标对象，并向目标用户推荐所述目标对象。本方法可以有效提高对象推荐的准确性。高对象推荐的准确性。高对象推荐的准确性。

【技术实现步骤摘要】
对象推荐方法以及装置


[0001]本说明书实施例涉及对象推荐
，特别涉及一种对象推荐方法。

技术介绍

[0002]随着计算机技术和互联网技术的不断发展，各种各样的网络平台层出不穷，其中以推荐平台和社交平台最为流行。而推荐平台和社交平台的进一步优化，离不开推荐系统。因此，改善推荐系统性能具有非常重要的意义。
[0003]现有技术中，推荐系统一般基于协同过滤算法或者秋千(swing)算法计算对象之间的相似度，然后基于相似度为用户推荐对应的对象。然而上述方法，在进行推荐时，考虑推荐的影响因素单一，制约了推荐系统的准确性，影响推荐平台和社交平台的收益以及用户体验。

技术实现思路

[0004]有鉴于此，本说明书实施例提供了一种对象推荐方法。本说明书一个或者多个实施例同时涉及一种对象推荐装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。
[0005]根据本说明书实施例的第一方面，提供了一种对象推荐方法，包括：
[0006]获取指定对象与各待推荐对象的相似度，以及所述各待推荐对象的属性信息；
[0007]根据各所述相似度，获得相似度融合特征，根据各所述属性信息，获得属性融合特征；
[0008]对所述相似度融合特征和所述属性融合特征进行融合，并根据融合结果确定所述各待推荐对象的推荐权重；
[0009]根据所述各待推荐对象的推荐权重，确定所述待推荐对象中的目标对象，并向目标用户推荐所述目标对象。
[0010]可选地，所述根据各所述相似度，获得相似度融合特征，根据各所述属性信息，获得属性融合特征之前，还包括：
[0011]获取预训练的对象推荐模型，其中，所述对象推荐模型包括相似度融合子模型、属性融合子模型、特征融合层和推荐权重输出子模型；
[0012]相应地，所述根据各所述相似度，获得相似度融合特征，根据各所述属性信息，获得属性融合特征，包括：
[0013]将各所述相似度输入至所述相似度融合子模型进行相似度融合，获得相似度融合特征；
[0014]将各所述属性信息输入至所述属性融合子模型进行属性融合，获得属性融合特征；
[0015]相应地，所述对所述相似度融合特征和所述属性融合特征进行融合，并根据融合结果确定所述各待推荐对象的推荐权重，包括：
[0016]将所述相似度融合特征和所述属性融合特征输入至所述特征融合层进行融合，获得融合结果；
[0017]将所述融合结果输入所述推荐权重输出子模型，获得所述各待推荐对象的推荐权重。
[0018]可选地，所述获取预训练的对象推荐模型之前，还包括：
[0019]获取第一样本对象、第二样本对象集和预设的待训练模型，其中，所述待训练模型包括相似度融合子模型、属性融合子模型、特征融合层和推荐权重输出子模型；
[0020]从所述第二样本对象集中提取多个第二样本对象，并确定第一样本对象与各第二样本对象的样本相似度，以及所述各第二样本对象的样本属性信息；
[0021]将各所述样本相似度输入至所述相似度融合子模型进行融合，获得样本相似度融合特征，将各所述样本属性信息输入至所述属性融合子模型进行融合，获得样本属性融合特征；
[0022]将所述样本相似度融合特征和所述样本属性融合特征输入至所述特征融合层进行融合，获得样本融合结果；
[0023]将所述样本融合结果输入所述推荐权重输出子模型，获得所述各第二样本对象的预测结果；
[0024]根据各所述预测结果和各第二样本对象携带的权重标签确定损失值，并根据所述损失值，调整所述待训练模型中所述相似度融合子模型、所述属性融合子模型和所述推荐权重输出子模型的模型参数，继续执行所述从所述第二样本对象集中提取多个第二样本对象的步骤，在达到预设训练停止条件的情况下，将训练好的所述待训练模型确定为对象推荐模型。
[0025]可选地，所述根据各所述预测结果和各第二样本对象携带的权重标签确定损失值，包括：
[0026]根据各所述预测结果、各第二样本对象携带的权重标签和排序损失函数，确定第一子损失值；
[0027]根据各所述预测结果、各第二样本对象携带的权重标签和均方误差损失函数，确定第二子损失值；
[0028]根据所述第一子损失值和所述第二子损失值，确定所述损失值。
[0029]可选地，所述第二样本对象携带有排序标签；
[0030]相应地，所述根据各所述预测结果、各第二样本对象携带的权重标签和排序损失函数，确定第一子损失值，包括：
[0031]根据所述预测结果，确定各第二样本对象的预测排序；
[0032]根据各第二样本对象的所述预测排序和所述排序标签，确定各第二样本对象的排序差异值；
[0033]基于所述排序差异值，根据各所述预测结果、各第二样本对象携带的权重标签和排序损失函数，确定第一子损失值。
[0034]可选地，所述基于所述排序差异值，根据各所述预测结果、各第二样本对象携带的权重标签和排序损失函数，确定第一子损失值，包括：
[0035]判断所述排序差异值是否符合预设排序差异范围；
[0036]若是，将所述排序差异值对应的预测结果和所述排序差异值对应的第二样本对象携带的权重标签输入至所述，确定第一子损失值。
[0037]可选地，所述根据各所述相似度，获得相似度融合特征，包括：
[0038]分别对各所述相似度进行特征提取，得到各相似度对应的相似度特征；
[0039]将各所述相似度特征进行融合处理，获得相似度融合特征。
[0040]可选地，所述相似度包括多个子相似度，所述多个子相似度为利用各种预设相似度算法对指定对象与待推荐对象计算得到；
[0041]相应地，所述分别对各所述相似度进行特征提取，得到各相似度对应的相似度特征，包括：
[0042]针对任一相似度，分别对该相似度中的各子相似度进行特征提取，得到各子相似度对应的子相似度特征；
[0043]将各子相似度特征进行拼接，得到该相似度对应的相似度特征。
[0044]可选地，所述根据各所述属性信息，获得属性融合特征，包括：
[0045]分别对各所述属性信息进行特征提取，得到各属性信息对应的属性特征；
[0046]将各所述属性特征进行融合处理，获得属性融合特征。
[0047]可选地，所述属性信息包括多个行为属性信息；
[0048]相应地，所述分别对各所述属性信息进行特征提取，得到各属性信息对应的属性特征，包括：
[0049]针对任一属性信息，分别对该属性信息中的各行为属性信息进行特征提取，得到各行为属性信息对应的行为属性特征；
[0050]将各行为属性特征进行拼接，得到该属性信息对应的属性特征。
[0051]可选地，所述对所述相似度融合特征和所述属性融合特征进行融合之前，还包括：
[0052]分别对各所述相似度进行特征提取，得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对象推荐方法，包括：获取指定对象与各待推荐对象的相似度，以及所述各待推荐对象的属性信息；根据各所述相似度，获得相似度融合特征，根据各所述属性信息，获得属性融合特征；对所述相似度融合特征和所述属性融合特征进行融合，并根据融合结果确定所述各待推荐对象的推荐权重；根据所述各待推荐对象的推荐权重，确定所述待推荐对象中的目标对象，并向目标用户推荐所述目标对象。2.根据权利要求1所述的方法，所述根据各所述相似度，获得相似度融合特征，根据各所述属性信息，获得属性融合特征之前，还包括：获取预训练的对象推荐模型，其中，所述对象推荐模型包括相似度融合子模型、属性融合子模型、特征融合层和推荐权重输出子模型；相应地，所述根据各所述相似度，获得相似度融合特征，根据各所述属性信息，获得属性融合特征，包括：将各所述相似度输入至所述相似度融合子模型进行相似度融合，获得相似度融合特征；将各所述属性信息输入至所述属性融合子模型进行属性融合，获得属性融合特征；相应地，所述对所述相似度融合特征和所述属性融合特征进行融合，并根据融合结果确定所述各待推荐对象的推荐权重，包括：将所述相似度融合特征和所述属性融合特征输入至所述特征融合层进行融合，获得融合结果；将所述融合结果输入所述推荐权重输出子模型，获得所述各待推荐对象的推荐权重。3.根据权利要求2所述的方法，所述获取预训练的对象推荐模型之前，还包括：获取第一样本对象、第二样本对象集和预设的待训练模型，其中，所述待训练模型包括相似度融合子模型、属性融合子模型、特征融合层和推荐权重输出子模型；从所述第二样本对象集中提取多个第二样本对象，并确定第一样本对象与各第二样本对象的样本相似度，以及所述各第二样本对象的样本属性信息；将各所述样本相似度输入至所述相似度融合子模型进行融合，获得样本相似度融合特征，将各所述样本属性信息输入至所述属性融合子模型进行融合，获得样本属性融合特征；将所述样本相似度融合特征和所述样本属性融合特征输入至所述特征融合层进行融合，获得样本融合结果；将所述样本融合结果输入所述推荐权重输出子模型，获得所述各第二样本对象的预测结果；根据各所述预测结果和各第二样本对象携带的权重标签确定损失值，并根据所述损失值，调整所述待训练模型中所述相似度融合子模型、所述属性融合子模型和所述推荐权重输出子模型的模型参数，继续执行所述从所述第二样本对象集中提取多个第二样本对象的步骤，在达到预设训练停止条件的情况下，将训练好的所述待训练模型确定为对象推荐模型。4.根据权利要求3所述的方法，所述根据各所述预测结果和各第二样本对象携带的权重标签确定损失值，包括：
根据各所述预测结果、各第二样本对象携带的权重标签和排序损失函数，确定第一子损失值；根据各所述预测结果、各第二样本对象携带的权重标签和均方误差损失函数，确定第二子损失值；根据所述第一子损失值和所述第二子损失值，确定所述损失值。5.根据权利要求4所述的方法，所述第二样本对象携带有排序标签；相应地，所述根据各所述预测结果、各第二样本对象携带的权重标签和排序损失函数，确定第一子损失值，包括：根据所述预测结果，确定各第二样本对象的预测排序；根据各第二样本对象的所述预测排序和所述排序标签，确定各第二样本对象的排...

【专利技术属性】
技术研发人员：张涛，刘静雯，肖志博，钱昊，杨璐威，蒋文，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：