【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种机器学习领域，具体涉及一种对象推荐方法、一种对象推荐装置、一种计算机设备、一种计算机可读存储介质及一种计算机程序产品。
技术介绍
1、在许多应用场景中涉及对象推荐；所谓对象推荐可以是指将候选的目标对象推荐至源对象，以便于源对象主动请求与目标对象建立社交关系链。目前，对象推荐算法的推荐原理是：挖掘待推荐的源对象对目标对象的兴趣度，优先为源对象推荐其感兴趣的目标对象。
2、可见，现有的对象推荐算法仅考虑源对象是否对目标对象感兴趣；例如，只考虑源对象的兴趣爱好，将兴趣爱好与源对象的兴趣爱好相似的对象作为目标对象推荐至源对象。这使得当目标对象对源对象不感兴趣时，就不能在源对象和目标对象之间成功建立社交关系链，即无法将源对象对目标对象的请求行为(或点击行为)成功转化。由此可见，现有对象推荐算法的推荐准确性较低，对象推荐效果较差。
技术实现思路
1、本申请实施例提供一种对象推荐方法、装置、设备、介质及程序产品，能够为源对象精准推荐目标对象，提高建立社交关系链的成功率，提升对象推荐效果。
2、一方面，本申请实施例提供了一种对象推荐方法，该方法包括：
3、获取源对象的全量对象特征和待推荐的目标对象的全量对象特征；全量对象特征中包含显式特征和隐式特征，显式特征是允许其他对象访问的局部特征；
4、基于源对象的全量对象特征和目标对象的显式特征，对源对象针对目标对象的社交意愿需求进行预测处理，得到源意愿结果；源意愿结果用于指示源
5、基于目标对象的全量对象特征和源对象的显式特征，对目标对象针对源对象的社交意愿需求进行预测处理，得到目标意愿结果；目标意愿结果用于指示在源对象请求与目标对象建立社交关系链的情况下，目标对象同意建立社交关系链的意愿程度；
6、根据源意愿结果和目标意愿结果，生成推荐结果，推荐结果用于指示源对象和目标对象之间的社交意愿匹配程度。
7、另一方面，本申请实施例提供了一种对象推荐装置，该装置包括：
8、获取单元，用于获取源对象的全量对象特征和待推荐的目标对象的全量对象特征；全量对象特征中包含显式特征和隐式特征，显式特征是允许其他对象访问的局部特征；
9、处理单元，用于基于源对象的全量对象特征和目标对象的显式特征，对源对象针对目标对象的社交意愿需求进行预测处理，得到源意愿结果；源意愿结果用于指示源对象请求与目标对象建立社交关系链的意愿程度；
10、处理单元，还用于基于目标对象的全量对象特征和源对象的显式特征，对目标对象针对源对象的社交意愿需求进行预测处理，得到目标意愿结果；目标意愿结果用于指示在源对象请求与目标对象建立社交关系链的情况下，目标对象同意建立社交关系链的意愿程度；
11、处理单元，还用于根据源意愿结果和目标意愿结果，生成推荐结果，推荐结果用于指示源对象和目标对象之间的社交意愿匹配程度。
12、在一种实现方式中，全量对象特征中的隐式特征是不允许其他对象访问的局部特征；处理单元，用于获取源对象的全量对象特征时，具体用于：
13、获取源对象的对象向量，对象向量中包含显式特征向量和隐式特征向量；
14、对源对象的显式特征向量进行空间映射处理，得到源对象的显式特征；
15、对源对象的隐式特征向量进行空间映射处理，得到源对象的隐式特征；
16、将源对象的显式特征和源对象的隐式特征进行特征拼接运算，得到源对象的全量对象特征。
17、在一种实现方式中，处理单元，用于获取源对象的对象向量时，具体用于：
18、获取源对象的全量对象信息，全量对象信息中包含一个或多个显式对象信息，以及一个或多个隐式对象信息；显式对象信息是允许被其他对象访问的对象信息，隐式对象信息是不允许被其他对象访问的对象信息；
19、对一个或多个显式对象信息进行信息融合，得到源对象的显式特征向量；以及，对一个或多个隐式对象信息进行信息融合，得到源对象的隐式特征向量；
20、将源对象的显式特征向量和源对象的隐式特征向量进行特征拼接运算，得到源对象的对象向量。
21、在一种实现方式中，处理单元，用于基于源对象的全量对象特征和目标对象的显式特征，对源对象针对目标对象的社交意愿需求进行预测处理，得到源意愿结果时，具体用于：
22、对源对象的全量对象特征进行特征提取处理，得到源对象的全量特征表示，源对象的全量特征表示用于指示源对象的全量对象信息的属性特征；
23、对目标对象的显式特征进行特征提取处理，得到目标对象的显式特征表示，目标对象的显式特征表示用于指示目标对象的显式对象信息的属性特征；
24、基于源对象的全量特征表示和目标对象的显式特征表示，对源对象针对目标对象的社交意愿需求进行预测处理，得到源意愿结果。
25、在一种实现方式中，处理单元，用于基于源对象的全量特征表示和目标对象的显式特征表示，对源对象针对目标对象的社交意愿需求进行预测处理，得到源意愿结果时，具体用于：
26、将源对象的全量特征表示和目标对象的显式特征表示进行特征拼接运算，得到拼接特征；
27、对拼接特征进行分类预测处理，得到源对象的点击概率，点击概率用于指示源对象请求与目标对象建立社交关系链的需求概率；
28、将源对象的点击概率作为源对象的源意愿结果。
29、在一种实现方式中，源对象的源意愿结果为点击概率；目标对象的目标意愿结果为转化概率，转化概率用于指示在源对象请求与目标对象建立社交关系链的情况下，目标对象同意与源对象建立社交关系链的同意概率；
30、处理单元，用于根据源意愿结果和目标意愿结果，生成推荐结果时，具体用于：
31、将源对象的点击概率和目标对象的转化概率进行相乘运算，生成意愿匹配概率，意愿匹配概率用于指示：源对象请求与目标对象建立社交关系链，且目标对象同意与源对象建立社交关系链的概率；
32、将意愿匹配概率作为推荐结果。
33、在一种实现方式中，目标对象的数量为m个，m为大于1的整数；处理单元，还用于：
34、获取m个目标对象中的每个目标对象对应的推荐结果；
35、按照推荐结果对应的意愿匹配概率从高至低的顺序，对m个目标对象进行排序，得到对象推荐序列；
36、向源对象输出对象推荐序列。
37、在一种实现方式中，对象推荐方法通过调用训练好的对象推荐模型执行；对象推荐模型的训练过程包括：
38、获取样本对集合，样本对集合中包含至少一个样本对，每个样本对中包含：样本申请对象的对象向量，样本转化对象的对象向量，样本申请对象的申请标签，以及样本转化对象的转化标签；
39、利用对象推荐模型对样本对集合中的第i个样本对进行预测处理，得到第i个样本对关联的预测推荐结果本文档来自技高网...
【技术保护点】
1.一种对象推荐方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述全量对象特征中的所述隐式特征是不允许其他对象访问的局部特征；所述获取源对象的全量对象特征，包括：
3.如权利要求2所述的方法，其特征在于，所述获取所述源对象的对象向量，包括：
4.如权利要求1所述的方法，其特征在于，所述基于所述源对象的全量对象特征和所述目标对象的显式特征，对所述源对象针对所述目标对象的社交意愿需求进行预测处理，得到源意愿结果，包括：
5.如权利要求4所述的方法，其特征在于，所述基于所述源对象的全量特征表示和所述目标对象的显式特征表示，对所述源对象针对所述目标对象的社交意愿需求进行预测处理，得到源意愿结果，包括：
6.如权利要求1所述的方法，其特征在于，所述源对象的源意愿结果为点击概率；所述目标对象的目标意愿结果为转化概率，所述转化概率用于指示在所述源对象请求与所述目标对象建立社交关系链的情况下，所述目标对象同意与所述源对象建立社交关系链的同意概率；
7.如权利要求1所述的方法，其特征在于，所述目标对象的数量
8.如权利要求1所述的方法，其特征在于，所述方法通过调用训练好的对象推荐模型执行；所述对象推荐模型的训练过程包括：
9.如权利要求8所述的方法，其特征在于，所述获取样本对集合，包括：
10.如权利要求9所述的方法，其特征在于，
11.如权利要求8所述的方法，其特征在于，所述样本对集合中第i个样本对中的对象向量包含显式特征向量和隐式特征向量；所述对象推荐模型中包含参数共享模块、第一分类器和第二分类器；所述利用所述对象推荐模型对所述样本对集合中的第i个样本对进行预测处理，得到所述第i个样本对关联的预测推荐结果，包括：
12.如权利要求8所述的方法，其特征在于，所述按照减小所述第一预测意愿结果和所述申请标签之间的差异的方向，以及减小所述预测推荐结果和所述转化标签之间的差异的方向，对所述对象推荐模型进行迭代训练，包括：
13.一种对象推荐装置，其特征在于，包括：
14.一种计算机设备，其特征在于，包括：
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序适于由处理器加载并执行如权利要求1-12任一项所述的对象推荐方法。
16.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机指令，所述计算机指令被处理器执行时实现如权利要求1-12任一项所述的对象推荐方法。
...【技术特征摘要】
1.一种对象推荐方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述全量对象特征中的所述隐式特征是不允许其他对象访问的局部特征；所述获取源对象的全量对象特征，包括：
3.如权利要求2所述的方法，其特征在于，所述获取所述源对象的对象向量，包括：
4.如权利要求1所述的方法，其特征在于，所述基于所述源对象的全量对象特征和所述目标对象的显式特征，对所述源对象针对所述目标对象的社交意愿需求进行预测处理，得到源意愿结果，包括：
5.如权利要求4所述的方法，其特征在于，所述基于所述源对象的全量特征表示和所述目标对象的显式特征表示，对所述源对象针对所述目标对象的社交意愿需求进行预测处理，得到源意愿结果，包括：
6.如权利要求1所述的方法，其特征在于，所述源对象的源意愿结果为点击概率；所述目标对象的目标意愿结果为转化概率，所述转化概率用于指示在所述源对象请求与所述目标对象建立社交关系链的情况下，所述目标对象同意与所述源对象建立社交关系链的同意概率；
7.如权利要求1所述的方法，其特征在于，所述目标对象的数量为m个，m为大于1的整数；所述方法还包括：
8.如权利要求1所述的方法，其特征在于，所述方法通过调用训练好的对象推荐模型执行；所...
【专利技术属性】
技术研发人员：陈嘉伟，林文清，
申请(专利权)人：深圳市腾讯网域计算机网络有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。