数据处理方法、电子设备及存储介质技术

本申请实施例公开了一种数据处理方法、电子设备及存储介质，应用于机器学习技术领域。其中方法包括：获取推荐信息集合，根据推荐信息集合生成推荐特征集合，根据对象属性特征和资源属性特征确定对象行为特征的影响因子和资源行为特征的影响因子，根据影响因子和对象行为特征确定目标对象行为特征，并根据影响因子和资源行为特征确定目标资源行为特征，根据对象属性特征、资源属性特征、目标对象行为特征和目标资源行为特征确定目标对象对待推荐资源响应推荐行为的目标概率，并按照目标概率将待推荐资源推送至对象终端。采用本申请实施例，可以提高对待推荐资源的推荐预测效率和准确率。确率。确率。

【技术实现步骤摘要】
数据处理方法、电子设备及存储介质


[0001]本申请涉及机器学习
，尤其涉及一种数据处理方法、电子设备及存储介质。

技术介绍

[0002]在推荐任务中，主要目的旨在预测出用户感兴趣的待推荐资源并推送至用户终端，以提高推荐任务的有效推荐率。例如，预测用户感兴趣的短视频并对该短视频进行推荐，从而提高用户对短视频的点击率和观看率。现有预测方式通常是构建预测模型以对用户相关属性和待推荐资源相关属性进行联合预测。然而，该方式下，仅通过前述两种属性直接进行预测，使得参与预测过程的特征较少，导致推荐预测效率和准确率不高。因此，如何提高对待推荐资源的推荐预测效率和准确率成为一个亟待解决的问题。

技术实现思路

[0003]本申请实施例提供了一种数据处理方法、电子设备及存储介质，可以有效地提高对待推荐资源的推荐预测效率和准确率。
[0004]一方面，本申请实施例提供了一种数据处理方法，该方法包括：
[0005]获取推荐信息集合；该推荐信息集合包括目标对象的对象属性信息和对象行为信息、待推荐资源的资源属性信息和资源行为信息；
[0006]根据推荐信息集合生成推荐特征集合；该推荐特征集合包括对象属性信息的对象属性特征、对象行为信息的对象行为特征、资源属性信息的资源属性特征以及资源行为信息的资源行为特征；
[0007]根据对象属性特征和资源属性特征确定对象行为特征的影响因子和资源行为特征的影响因子；
[0008]根据对象行为特征的影响因子和对象行为特征确定目标对象行为特征，并根据资源行为特征的影响因子和资源行为特征确定目标资源行为特征；
[0009]根据对象属性特征、资源属性特征、目标对象行为特征和目标资源行为特征确定目标对象对待推荐资源响应推荐行为的目标概率，并按照目标概率将待推荐资源推送至目标对象的对象终端。
[0010]一方面，本申请实施例提供了一种数据处理装置，该装置包括：
[0011]获取模块，用于获取推荐信息集合；该推荐信息集合包括目标对象的对象属性信息和对象行为信息、待推荐资源的资源属性信息和资源行为信息；
[0012]处理模块，用于根据推荐信息集合生成推荐特征集合；该推荐特征集合包括对象属性信息的对象属性特征、对象行为信息的对象行为特征、资源属性信息的资源属性特征以及资源行为信息的资源行为特征；
[0013]确定模块，用于根据对象属性特征和资源属性特征确定对象行为特征的影响因子和资源行为特征的影响因子；
[0014]确定模块，还用于根据对象行为特征的影响因子和对象行为特征确定目标对象行为特征，并根据资源行为特征的影响因子和资源行为特征确定目标资源行为特征；
[0015]确定模块，还用于根据对象属性特征、资源属性特征、目标对象行为特征和目标资源行为特征确定目标对象对待推荐资源响应推荐行为的目标概率，并按照目标概率将待推荐资源推送至目标对象的对象终端。
[0016]一方面，本申请实施例提供了一种电子设备，该电子设备包括处理器和存储器，其中，存储器用于存储计算机程序，该计算机程序包括程序指令，处理器被配置用于调用该程序指令，执行上述方法中的部分或全部步骤。
[0017]一方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序包括程序指令，该程序指令被处理器执行时，用于执行上述方法中的部分或全部步骤。
[0018]相应地，根据本申请的一个方面，提供了一种计算机程序产品或者计算机程序，该计算机程序产品或计算机程序包括程序指令，该程序指令被处理器执行时实现上述方法中的部分或全部步骤。
[0019]本申请实施例中，可以根据推荐信息集合生成推荐特征集合，根据对象属性特征和资源属性特征确定对象行为特征的影响因子和资源行为特征的影响因子，根据对象行为特征的影响因子和对象行为特征确定目标对象行为特征，根据资源行为特征的影响因子和资源行为特征确定目标资源行为特征，根据对象属性特征、资源属性特征、目标对象行为特征和目标资源行为特征确定目标对象对待推荐资源响应推荐行为的目标概率，并按照目标概率将待推荐资源推送至对象终端。通过上述方法，不仅可以结合更多的特征信息确定目标概率，还可以通过影响因子对对象行为特征和资源行为特征进行特征选择以确定在预测过程中更适配的目标行为特征，因此可以提高对待推荐资源的推荐预测效率和准确率，进而有利于提升后续基于目标概率进行推荐的效果。
附图说明
[0020]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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。
[0021]图1为本申请实施例提供的一种应用架构示意图；
[0022]图2为本申请实施例提供的一种数据处理方法的流程示意图；
[0023]图3a为本申请实施例提供的一种待推荐资源的示意图；
[0024]图3b为本申请实施例提供的一种待推荐资源的示意图；
[0025]图3c为本申请实施例提供的一种待推荐资源的示意图；
[0026]图4为本申请实施例提供的一种数据处理方法的流程示意图；
[0027]图5a为本申请实施例提供的一种确定推荐特征集合的场景示意图；
[0028]图5b为本申请实施例提供的一种确定推荐特征集合的场景示意图；
[0029]图5c为本申请实施例提供的一种确定推荐特征集合的场景示意图；
[0030]图6a为本申请实施例提供的一种基于目标预测模型的特征提取场景示例图；
[0031]图6b为本申请实施例提供的一种基于目标预测模型的特征提取场景示例图；
[0032]图6c为本申请实施例提供的一种基于目标预测模型的特征提取场景示例图；
[0033]图7为本申请实施例提供的一种基于目标预测模型的待推荐资源的推送场景示意图；
[0034]图8为本申请实施例提供的一种数据处理方法的流程示意图；
[0035]图9a为本申请实施例提供的一种模型训练的场景示意图；
[0036]图9b为本申请实施例提供的一种预测模型的示意图；
[0037]图10为本申请实施例提供的一种数据处理装置的结构示意图；
[0038]图11为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0039]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。
[0040]本申请实施例提出的数据处理方法实现于电子设备，该电子设备可以是服务器，也可以是终端。其中，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：获取推荐信息集合；所述推荐信息集合包括目标对象的对象属性信息和对象行为信息、待推荐资源的资源属性信息和资源行为信息；根据所述推荐信息集合生成推荐特征集合；所述推荐特征集合包括所述对象属性信息的对象属性特征、所述对象行为信息的对象行为特征、所述资源属性信息的资源属性特征以及所述资源行为信息的资源行为特征；根据所述对象属性特征和所述资源属性特征确定所述对象行为特征的影响因子和所述资源行为特征的影响因子；根据所述对象行为特征的影响因子和所述对象行为特征确定目标对象行为特征，并根据所述资源行为特征的影响因子和所述资源行为特征确定目标资源行为特征；根据所述对象属性特征、所述资源属性特征、所述目标对象行为特征和所述目标资源行为特征确定所述目标对象对所述待推荐资源响应推荐行为的目标概率，并按照所述目标概率将所述待推荐资源推送至所述目标对象的对象终端。2.根据权利要求1所述的方法，其特征在于，所述目标概率由目标预测模型生成；所述方法还包括：获取M个样本信息集合；一个样本信息集合包括一个样本对象的样本对象属性信息和样本对象行为信息、一个样本推荐资源的样本资源属性信息和样本资源行为信息；每个样本信息集合均具有概率标签和资源类型标签，M个样本信息集合具有R种资源类型标签，M为大于1的正整数，R为大于1且小于或等于M的正整数；将每个样本信息集合输入初始预测模型，基于所述初始预测模型生成所述每个样本信息集合对应的样本概率；任一个样本概率表示对应样本信息集合中的样本对象对该样本信息集合中的样本推荐资源响应推荐行为的概率；根据每种资源类型标签的数量确定针对所述M个样本信息集合的目标损失函数；根据所述目标损失函数、所述每个样本信息集合对应的样本概率和对应的概率标签训练所述初始预测模型，得到所述目标预测模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述初始预测模型生成所述每个样本信息集合对应的样本概率，包括：基于所述初始预测模型生成第j个样本信息集合对应的样本特征集合；所述样本特征集合包括所述第j个样本信息集合中样本对象属性信息的样本对象属性特征、样本对象行为信息的样本对象行为特征、样本资源属性信息的样本资源属性特征、样本资源行为信息的样本资源行为特征；所述第j个样本信息集合为所述M个样本信息集合中任一个样本信息集合，j为小于或等于M的正整数；根据所述样本对象属性特征和所述样本资源属性特征生成所述样本对象行为特征的样本影响因子和所述样本资源行为特征的样本影响因子；根据所述样本对象行为特征的样本影响因子和所述样本对象行为特征确定目标样本对象行为特征，并根据所述样本资源行为特征的样本影响因子和所述样本资源行为特征确定目标样本资源行为特征；根据所述对象属性特征、所述资源属性特征、所述目标样本对象行为特征和所述目标样本资源行为特征确定所述第j个样本信息集合对应的样本概率。
4.根据权利要求3所述的方法，其特征在于，所述初始预测模型包括R个初始概率预测网络，一种资源类...

【专利技术属性】
技术研发人员：王国瑞，
申请(专利权)人：腾讯音乐娱乐科技深圳有限公司，
类型：发明
国别省市：