[发明专利]推荐信息处理方法、装置、设备及存储介质

权利要求书

1.一种推荐信息处理方法，其特征在于，包括：

获取目标对象的属性信息，及对应的初始类目得分集；

基于所述属性信息及所述初始类目得分集，利用预设的预测模型，确定所述目标对象在预设的每个候选类目的得分，所述预设的预测模型，为利用样本对象的属性信息及类目得分集训练得到的，其中，所述样本对象的类目得分集中包含的类目得分的数量满足预设条件；

根据所述目标对象在预设的每个候选类目的得分，向所述目标对象推送推荐信息；

其中，所述获取目标对象对应的初始类目得分集，包括：

若所述目标对象为首次注册对象，则在所述目标对象浏览首屏信息，且在首屏并未点击任何类目对应的信息，而是直接点击刷新后，根据预设的类目得分集确定所述目标对象对应的初始类目得分集；

若所述目标对象为首次注册对象，则在所述目标对象浏览首屏信息，且在首屏点击了至少一种类目对应的信息后，再点击刷新，根据所述目标对象的点击行为确定所述目标对象对应初始类目得分集。

2.如权利要求1所述的方法，其特征在于，所述确定所述目标对象在预设的每个候选类目的得分之前，还包括：

获取所述目标对象对应的初始标签得分集；

所述确定所述目标对象在预设的每个候选类目的得分，包括：

基于所述属性信息、所述初始类目得分集及所述初始标签得分集，利用预设的预测模型，确定所述目标对象在预设的每个候选类目的得分。

3.如权利要求1所述的方法，其特征在于，若所述目标对象的初始类目得分集中包含的类目得分的数量大于第一阈值，则所述确定所述目标对象在预设的每个候选类目的得分之前，还包括：

按照预设的规则，从所述初始类目得分集中抽取参考类目得分集；

所述确定所述目标对象在预设的每个候选类目的得分，包括：

基于所述属性信息及参考类目得分集，利用预设的预测模型，确定所述目标对象在预设的每个候选类目的得分。

4.如权利要求1所述的方法，其特征在于，所述确定所述目标对象在预设的每个候选类目的得分之前，还包括：

根据所述初始类目得分集中包含的类目得分的数量，确定类目得分向量；

所述确定所述目标对象在预设的每个候选类目的得分，包括：

基于所述类目得分向量、所述属性信息及所述初始类目得分集，利用预设的预测模型，确定所述目标对象在预设的每个候选类目的得分。

5.如权利要求4所述的方法，其特征在于，所述确定所述目标对象在预设的每个候选类目的得分，包括：

确定所述属性信息对应的属性向量，及所述初始类目得分集中每个类目对应的类目向量；

根据所述每个类目对应的类目向量及每个类目对应的得分，确定所述目标对象对应的总类目向量；

基于所述类目得分向量、所述属性向量及所述总类目向量，利用预设的预测模型，确定所述目标对象在预设的每个候选类目的得分。

6.如权利要求1-5任一所述的方法，其特征在于，所述确定所述目标对象在预设的每个候选类目的得分之前，还包括：

根据每个历史注册对象的历史行为数据，确定每个历史注册对象对应的类目得分集；

根据每个历史注册对象对应的类目得分集中包含的类目得分的数量，从所述历史注册对象中获取样本对象；

获取所述样本对象的属性信息；

利用所述样本对象的属性信息及对应的类目得分集，对初始模型进行训练，以生成所述预设的预测模型。

7.如权利要求6所述的方法，其特征在于，所述利用所述样本对象的属性信息及对应的类目得分集，对初始模型进行训练，包括：

利用每个样本对象的属性信息及对应的类目得分集，对初始模型进行训练，确定每个样本对象在预设的每个候选类目的预测得分；

根据每个样本对象在预设的每个候选类目的预测得分，与每个样本对象对应的类目得分集中类目得分的差异，确定预测误差值；

根据所述预测误差值，对所述初始模型进行反向传播修正，以生成所述预设的预测模型。