一种信息推荐的方法、装置、电子设备以及存储介质制造方法及图纸

本发明专利技术实施例提供了一种信息推荐的方法、装置、电子设备以及存储介质，所述方法包括：响应于用户的搜索操作，获取用户的多个历史行为信息和预设的搜索资源库中的候选推荐信息，进而可以针对每个历史行为信息进行向量化，生成每个历史行为信息的行为向量信息，并基于多个行为向量信息之间的向量相关性，确定多个历史行为信息的行为特征信息，进而可以根据行为特征信息和候选推荐信息，确定每个行为向量信息对应的权重信息，并基于行为向量信息和权重信息生成目标向量信息，从而以目标向量信息对应的查询词在搜索资源库中确定目标推荐信息，并输出目标推荐信息。通过本发明专利技术实施例，实现了个性化推荐，精准推荐用户预期的信息。精准推荐用户预期的信息。精准推荐用户预期的信息。

【技术实现步骤摘要】
一种信息推荐的方法、装置、电子设备以及存储介质


[0001]本专利技术涉及信息推荐
，特别是涉及一种信息推荐方法、装置、电子设备以及存储介质。

技术介绍

[0002]目前，随着互联网技术的不断发展，各种信息流产品层出不穷，满足了用户大多数的娱乐、学习需求。
[0003]针对视频网站，如何精准推荐符合平台用户的精准信息是视频网站的重要任务。在现有的视频推荐过程中，可以基于用户输入的关键词在视频资源库中搜索视频资源以进行推荐。
[0004]然而，上述视频推荐方法仅参考用户当前输入关键词，无法为用户提供个性化推荐，导致推荐的视频资源不容易符合用户预期，难以实现精准推荐。

技术实现思路

[0005]鉴于上述问题，提出了以便提供克服上述问题或者至少部分地解决上述问题的一种信息推荐的方法、装置、电子设备以及存储介质，包括：
[0006]一种信息推荐的方法，所述方法包括：
[0007]响应于用户的搜索操作，获取所述用户的多个历史行为信息和预设的搜索资源库中的候选推荐信息；
[0008]针对每个历史行为信息进行向量化，生成每个历史行为信息的行为向量信息；
[0009]基于多个行为向量信息之间的向量相关性，确定所述多个历史行为信息的行为特征信息；
[0010]根据所述行为特征信息和所述候选推荐信息，确定每个行为向量信息对应的权重信息；
[0011]基于所述行为向量信息和所述权重信息生成目标向量信息；
[0012]以所述目标向量信息对应的查询词在所述搜索资源库中确定目标推荐信息；
[0013]输出所述目标推荐信息。
[0014]可选地，所述针对每个历史行为信息进行向量化，生成每个历史行为信息的行为向量信息，包括：
[0015]获取用于对所述历史行为信息进行向量转换的嵌入矩阵；所述嵌入矩阵中包括向量与行为信息的对应关系；
[0016]从所述嵌入矩阵中，确定每个历史用户行为的行为向量信息。
[0017]可选地，所述基于每个历史行为的行为向量信息之间的向量相关性，确定所述多个历史行为信息的行为特征信息，包括：
[0018]获取用于提取用户行为特征的注意力模型；
[0019]将多个行为向量信息进行拼接，得到向量矩阵；
[0020]将所述向量矩阵输入所述注意力模型，基于所述注意力模型中预先训练的模型参数，生成注意力矩阵；
[0021]获取预设的降维参数，并对所述降维参数与所述注意力矩阵的乘积进行归一化处理，得到行为特征信息。
[0022]可选地，所述根据所述行为特征信息和所述候选推荐信息，确定每个行为向量信息对应的权重信息，包括：
[0023]通过所述嵌入矩阵，对所述候选推荐信息进行向量化，生成候选推荐向量信息；
[0024]对所述候选推荐向量信息进行转置处理，得到所述候选推荐向量信息的转置矩阵；
[0025]将所述转置矩阵与所述行为特征信息相乘，得到第一矩阵；
[0026]获取预设的权重参数，并将所述权重参数与所述第一矩阵相乘，得到第二矩阵；
[0027]对所述第二矩阵进行归一化处理，生成目标权重矩阵，所述目标权重矩阵由每个行为向量信息对应的权重信息构成。
[0028]可选地，所述基于所述行为向量信息和所述权重信息生成目标向量信息，包括：
[0029]将每个行为向量信息与所述行为向量信息对应的权重信息相乘，得到多个子目标向量；所有行为向量信息的权重信息之和为1；
[0030]将所述多个子目标向量进行累加，生成目标向量信息。
[0031]可选地，所述历史行为信息包括所述用户使用的查询词信息和/或所述用户选定的目标资源信息。
[0032]可选地，所述获取所述用户的多个历史行为信息，包括：
[0033]获取用户在历史搜索过程中使用的历史查询词信息以及选定的资源信息；
[0034]确定所述历史查询词和所述资源信息的时序信息；
[0035]基于所述时序信息，按照时间倒序，从所述历史查询词信息和所述资源信息中确定多个历史行为信息。
[0036]一种信息推荐的装置，所述装置包括：
[0037]信息获取模块，用于响应于用户的搜索操作，获取所述用户的多个历史行为信息和预设的搜索资源库中的候选推荐信息；
[0038]历史行为向量化模块，用于针对每个历史行为信息进行向量化，生成每个历史行为信息的行为向量信息；
[0039]行为特征提取模块，用于基于多个行为向量信息之间的向量相关性，确定所述多个历史行为信息的行为特征信息；
[0040]权重信息确定模块，用于根据所述行为特征信息和所述候选推荐信息，确定每个行为向量信息对应的权重信息；
[0041]目标向量信息生成模块，用于基于所述行为向量信息和所述权重信息生成目标向量信息；
[0042]推荐信息确定模块，用于以所述目标向量信息对应的查询词在所述搜索数据库中确定目标推荐信息；
[0043]推荐信息输出模块，用于输出所述目标推荐信息。
[0044]一种电子设备，包括处理器、存储器及存储在所述存储器上并能够在所述处理器
上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述信息推荐的方法。
[0045]一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述信息推荐的方法。
[0046]本专利技术实施例具有以下优点：
[0047]本专利技术实施例通过响应于用户的搜索操作，获取用户的多个历史行为信息和预设的搜索资源库中的候选推荐信息，进而可以针对每个历史行为信息进行向量化，生成每个历史行为信息的行为向量信息，并基于多个行为向量信息之间的向量相关性，确定多个历史行为信息的行为特征信息，进而可以根据行为特征信息和候选推荐信息，确定每个行为向量信息对应的权重信息，并基于行为向量信息和权重信息生成目标向量信息，从而以目标向量信息对应的查询词在搜索资源库中确定目标推荐信息，并输出目标推荐信息。
[0048]通过在用户搜索资源时，引入多个用户历史行为进行分析，将抽象的多个历史行为信息转换为具体可计算的向量信息，以提取行为特征信息，进而确定每个历史行为信息的权重，结合多个历史行为信息和权重，生成新的目标向量，以在搜索资源库中确定目标推荐信息，用户的历史行为信息可以体现用户在选择资源信息时的个性化特征，结合历史行为信息确定目标推荐信息，实现了个性化推荐，精准推荐用户预期的资源信息。
附图说明
[0049]为了更清楚地说明本专利技术的技术方案，下面将对本专利技术的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0050]图1a是本专利技术一实施例提供的一种信息推荐的方法的步骤流程图；
[005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息推荐的方法，其特征在于，所述方法包括：响应于用户的搜索操作，获取所述用户的多个历史行为信息和预设的搜索资源库中的候选推荐信息；针对每个历史行为信息进行向量化，生成每个历史行为信息的行为向量信息；基于多个行为向量信息之间的向量相关性，确定所述多个历史行为信息的行为特征信息；根据所述行为特征信息和所述候选推荐信息，确定每个行为向量信息对应的权重信息；基于所述行为向量信息和所述权重信息生成目标向量信息；以所述目标向量信息对应的查询词在所述搜索资源库中确定目标推荐信息；输出所述目标推荐信息。2.根据权利要求1所述的方法，其特征在于，所述针对每个历史行为信息进行向量化，生成每个历史行为信息的行为向量信息，包括：获取用于对所述历史行为信息进行向量转换的嵌入矩阵；所述嵌入矩阵中包括向量与行为信息的对应关系；从所述嵌入矩阵中，确定每个历史行为信息的行为向量信息。3.根据权利要求1或2或3所述的方法，其特征在于，所述基于多个行为向量信息之间的向量相关性，确定所述多个历史行为信息的行为特征信息，包括：获取用于提取用户行为特征的注意力模型；将多个行为向量信息进行拼接，得到向量矩阵；将所述向量矩阵输入所述注意力模型，基于所述注意力模型中预先训练的模型参数，生成注意力矩阵；获取预设的归一化参数，并对所述归一化参数与所述注意力矩阵的乘积进行归一化处理，得到行为特征信息。4.根据权利要求2所述的方法，其特征在于，所述根据所述行为特征信息和所述候选推荐信息，确定每个行为向量信息对应的权重信息，包括：通过所述嵌入矩阵，对所述候选推荐信息进行向量化，生成候选推荐向量信息；对所述候选推荐向量信息进行转置处理，得到所述候选推荐向量信息的转置矩阵；将所述转置矩阵与所述行为特征信息相乘，得到第一矩阵；获取预设的权重参数，并将所述权重参数与所述第一矩阵相乘，得到第二矩阵；对所述第二矩阵进行归一化处理，生成目标权重矩阵，所述目标权重矩阵由每个行为向量信息对应的权重信息构成。5.根据权利要求1...

【专利技术属性】
技术研发人员：潘迪生，
申请(专利权)人：北京爱奇艺科技有限公司，
类型：发明
国别省市：