信息推荐方法、装置、设备及存储介质制造方法及图纸

本申请实施例公开了一种信息推荐方法、装置、设备及存储介质。该方法包括：获取N个待推荐数据、对N个待推荐数据的M种操作方式以及目标用户的用户特征信息，根据预设规则对N种待推荐数据、M种操作方式以及用户特征信息进行处理，得到目标用户对N个待推荐数据中的每个待推荐数据执行每种操作方式的概率，根据预设规则中的权重向量和每种操作方式对应的损失函数，获取每种操作方式对应的目标权重，根据对每个待推荐数据执行每种操作方式的概率以及每种操作方式对应的目标权重，对N个待推荐数据进行推荐。通过该方法可以利用目标用户对每种待推荐数据执行每种操作方式的概率及每种操作方式对应的目标权重，向目标用户推荐更准确的待推荐数据。准确的待推荐数据。准确的待推荐数据。

【技术实现步骤摘要】
信息推荐方法、装置、设备及存储介质


[0001]本申请涉及计算机
，更具体地，涉及一种信息推荐方法、装置、设备及存储介质。

技术介绍

[0002]信息推荐是指根据用户对各类信息的历史浏览记录，为用户推荐用户可能感兴趣的内容的过程。一般是利用信息推荐模型对用户针对历史浏览记录中的信息进行分析，从信息库中找出用户可能感兴趣的信息内容，并在用户的终端的界面上显示用户可能感兴趣的内容。
[0003]在利用信息推荐模型找出用户可能感兴趣的内容时，通常采用的方式是利用信息推荐模型从信息库中查找出用户查看概率较高的内容并进行推荐。然而，仅利用用户查看概率进行信息推荐，信息推荐维度单一，为用户进行信息推荐的准确性较低。

技术实现思路

[0004]有鉴于此，本申请实施例提出了一种信息推荐方法、装置、设备及存储介质，能够提高信息推荐的准确性。
[0005]第一方面，本申请实施例提供了一种信息推荐方法，包括：获取N个待推荐数据、对所述N个待推荐数据的M种操作方式以及目标用户的用户特征信息；根据预设规则对所述N种待推荐数据、所述M种操作方式以及所述用户特征信息进行处理，得到所述目标用户对N个待推荐数据中的每个待推荐数据执行每种操作方式的概率；根据所述预设规则中的权重向量和每种操作方式对应的损失函数，获取每种操作方式对应的目标权重；根据对每个待推荐数据执行每种操作方式的概率以及每种操作方式对应的目标权重，获取每个待推荐数据的评分，根据每个待推荐数据的评分对所述N个待推荐数据进行推荐。
[0006]第二方面，本申请实施例提供了一种信息推荐装置，包括：信息获取模块、信息处理模块、权重获取模块以及数据推荐模块。信息获取模块，用于获取N个待推荐数据、对所述N个待推荐数据的M种操作方式以及目标用户的用户特征信息，N和M分别为大于1的整数；信息处理模块，用于根据预设规则对所述N种待推荐数据、所述M种操作方式以及所述用户特征信息进行处理，得到所述目标用户对N个待推荐数据中的每个待推荐数据执行每种操作方式的概率；权重获取模块，用于根据所述预设规则中的权重向量和每种操作方式对应的损失函数，获取每种操作方式对应的目标权重；数据推荐模块，用于根据对每个待推荐数据执行每种操作方式的概率以及每种操作方式对应的目标权重，获取每个待推荐数据的评分，根据每个待推荐数据的评分对所述N个待推荐数据进行推荐。
[0007]在一种可能的实施方式中，所述权重获取模块包括帕累托前沿获得子模块以及权重获得子模块。所述帕累托前沿获得子模块：用于根据每种操作方式对应的初始权重阈值范围、预设规则中的权重向量和损失函数，获取帕累托最优前沿，所述帕累托最优前沿上的点的坐标为M维，且所述M维的坐标的每个维度分别与所述M种操作方式中每种操作方式的
权重一一对应。所述权重获得子模块，用于从所述帕累托最优前沿中确定一目标点，并根据所述目标点的坐标得到每种操作方式对应的目标权重。
[0008]在一种可能的实施方式中，所述帕累托前沿获得子模块包括：计算式构建单元和帕累托前沿获得单元。所述计算式构建单元，用于根据每种操作方式对应的初始权重阈值范围、所述预设规则中的权重向量和损失函数，构建以每种操作方式对应的目标权重作为决策变量的带约束计算式。所述帕累托前沿获得单元用于根据所述带约束计算式得到帕累托最优前沿。
[0009]在一种可能的实施方式中，所述带约束计算式包括在一种可能的实施方式中，所述带约束计算式包括其中，W
i
为对所述待推荐数据执行第i种操作方式对应的目标权重，C
i
为第i种操作方式的初始权重阈值范围，θ为预设规则中的权重向量，L
i
(θ)为第i种操作方式下关于θ的损失函数。
[0010]在一种可能的实施方式中，帕累托获得单元432b具体用于对带约束计算式采用内点法、有效集法、拉格朗日乘子法或者交替方向乘子法进行求解计算，得到帕累托最优前沿。
[0011]在一种可能的实施方式中，数据推荐模块440具体用于利用评分计算式对每个待推荐数据执行每种操作方式的概率以及每种操作方式对应的目标权重进行计算，获得每个待推荐数据的评分，其中，评分计算式包括：S为待推荐数据的评分，P
i
为对待推荐数据执行第i种操作方式的概率，W
i
为对待推荐数据执行第i种操作方式对应的目标权重。
[0012]在一种可能的实施方式中，在预设规则包括多任务预测模型时，信息推荐装置还包括样本获取模块和模型训练模块。所述样本获取模块，用于获取多个样本数据，每个所述样本数据均包括样本用户的用户特征信息、样本推荐数据的属性信息以及所述样本用户对所述样本推荐数据的操作方式；所述模型训练模块，用于利用多任务学习模型对所述多个样本数据进行训练，得到所述多任务预测模型，其中，所述多任务预测模型包括权重参数和每种操作方式对应的损失函数，所述权重参数用于构成所述权重向量，所述损失函数根据初始损失函数进行训练得到。
[0013]在一种可能的实施方式中，所述推荐模块还用于根据每个待推荐数据对应的评分，对所述N个待推荐数据按照评分由大到小的顺序进行排序得到排序顺序；从所述排序顺序中选取排序为前设数量的目标待推荐数据进行推荐。
[0014]在一种可能的实施方式中，所述信息获取模块包括：历史数据获取子模块、类别获取子模块以及待推荐数据获取子模块。所述历史数据获取子模块，用于响应于信息浏览请求获取目标用户的历史数据；所述类别获取子模块，用于根据所述历史数据获得目标用户感兴趣的信息类别；所述待推荐数据获取子模块，用于根据用户感兴趣的信息类别，从数据库中获取与该信息类别对应的N个待推荐数据。
[0015]在一种可能的实施方式中，所述待推荐数据包括待推荐文本、待推荐视频以及待推荐图片中的至少一种。
[0016]第三方面，本申请实施例提供了一种电子设备，包括处理器以及存储器；一个或多个程序被存储在所述存储器中并被配置为由所述处理器执行以实现上述的方法。
[0017]第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有程序代码，其中，在所述程序代码被处理器运行时执行上述的方法。
[0018]第五方面，本申请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获取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述的方法。
[0019]本申请实施例提供的一种信息推荐方法、装置、设备及存储介质，通过根据预设规则对N种待推荐数据、M种操作方式以及用户特征信息进行处理，得到目标用户对N个待推荐数据中的每个待推荐数据执行每种操作方式的概率，以及根据预设规则中的权重向量和每种操作方式对应的损失函数，获取每种操作方式对应的目标权重；以在对多个待推荐数据进行推荐时，根据对每个待推荐数据执行每种操作方式的概率以及每种操作方式对应的目标权本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息推荐方法，其特征在于，所述方法包括：获取N个待推荐数据、对所述N个待推荐数据的M种操作方式以及目标用户的用户特征信息，N和M分别为大于1的整数；根据预设规则对所述N个待推荐数据、所述M种操作方式以及所述用户特征信息进行处理，得到所述目标用户对N个待推荐数据中的每个待推荐数据执行每种操作方式的概率；根据所述预设规则中的权重向量和每种操作方式对应的损失函数，获取每种操作方式对应的目标权重；根据对每个待推荐数据执行每种操作方式的概率以及每种操作方式对应的目标权重，获取每个待推荐数据的评分，根据每个待推荐数据的评分对所述N个待推荐数据进行推荐。2.根据权利要求1所述的信息推荐方法，其特征在于，所述根据所述预设规则中的权重向量和每种操作方式对应的损失函数，获取每种操作方式对应的目标权重，包括：根据每种操作方式对应的初始权重阈值范围、预设规则中的权重向量和损失函数，获取帕累托最优前沿，所述帕累托最优前沿上的点的坐标为M维，且所述M维的坐标的每个维度分别与所述M种操作方式中每种操作方式的权重一一对应；从所述帕累托最优前沿中确定一目标点，并根据所述目标点的坐标得到每种操作方式对应的目标权重。3.根据权利要求2所述的信息推荐方法，其特征在于，所述根据每种操作方式对应的初始权重阈值范围、预设规则中的权重向量和损失函数，获取帕累托最优前沿，包括：根据每种操作方式对应的初始权重阈值范围、所述预设规则中的权重向量和损失函数，构建以每种操作方式对应的目标权重作为决策变量的带约束计算式；根据所述带约束计算式得到帕累托最优前沿。4.根据权利要求3所述的信息推荐方法，其特征在于，所述带约束计算式包括其中，W
i
为对所述待推荐数据执行第i种操作方式对应的目标权重，C
i
为第i种操作方式的初始权重阈值范围，θ为预设规则中的权重向量，L
i
(θ)为第i种操作方式下关于θ的损失函数。5.根据权利要求3所述的信息推荐方法，其特征在于，所述根据所述带约束计算式得到帕累托最优前沿，包括：对所述带约束计算式采用内点法、有效集法、拉格朗日乘子法和交替方向乘子法中的任意一种进行求解计算，得到帕累托最优前沿。6.根据权利要求1所述的信息推荐方法，其特征在于，所述根据对每个待推荐数据执行每种操作方式的概率以及每种操作方式对应的目标权重，获取每个待推荐数据的评分，包括：利用评分计算式对每个所述待推荐数据执行每种操作方式的概率以及每种操作方式对应的目标权重进行计算，获得每个待推荐数据的评分，其中，所述评分计算式包括：S为所述待推荐数据的评分，P
i
为对所述待推荐数据执行第i种操作方式的...

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