[发明专利]基于人工智能的对象推荐方法、装置及电子设备

权利要求书

1.一种基于人工智能的对象推荐方法，其特征在于，包括：

获取交互样本；

其中，所述交互样本包括被推荐对象的对象特征、交互用户的领域外特征、所述交互用户的领域内特征及所述交互用户针对所述被推荐对象的交互行为；

其中，所述交互用户是针对所述被推荐对象实施交互行为的用户，所述领域外特征是与所述交互用户相关的、且与所述交互行为无关的特征；所述领域内特征是与所述交互行为相关的特征；

对所述交互样本中的领域内特征进行弱化处理；

通过第一机器学习模型接收所述被推荐对象的对象特征、所述交互用户的领域外特征及弱化处理后的所述领域内特征，并进行预测处理，得到待对比的行为预测结果；

根据所述待对比的行为预测结果和所述交互样本中的交互行为，更新所述第一机器学习模型的权重参数，以

强化所述交互用户的领域外特征与所述被推荐对象的对象特征之间的关联关系；

根据强化后的所述关联关系，确定无交互用户针对待推荐对象的行为预测结果；其中，所述无交互用户是针对所述待推荐对象未实施交互行为的用户；

当所述行为预测结果符合推荐条件时，执行向所述无交互用户推荐所述待推荐对象的操作。

2.根据权利要求1所述的对象推荐方法，其特征在于，所述根据强化后的所述关联关系，确定无交互用户针对待推荐对象的行为预测结果，包括：

通过更新后的所述第一机器学习模型接收所述待推荐对象的对象特征和所述无交互用户的领域外特征，并进行预测处理，得到至少一个初始行为预测结果及对应的结果概率；

将数值最大的结果概率对应的所述初始行为预测结果，确定为所述无交互用户针对所述待推荐对象的行为预测结果；

其中，所述被推荐对象的对象特征与所述待推荐对象的对象特征属于相同的特征种类。

3.根据权利要求2所述的对象推荐方法，其特征在于，

所述更新所述第一机器学习模型的权重参数之后，还包括：

生成包括公钥和私钥的密钥对；

根据所述公钥对更新后的所述第一机器学习模型进行加密处理，并将加密后的所述第一机器学习模型发送至区块链网络，以使

所述区块链网络的节点将加密后的所述第一机器学习模型填充至新区块，并将所述新区块追加至区块链的尾部；

所述通过更新后的所述第一机器学习模型接收所述待推荐对象的对象特征和所述无交互用户的领域外特征之前，还包括：

向所述区块链网络发送模型请求，以获取所述区块链存储的加密后的所述第一机器学习模型；

根据所述私钥对加密后的所述第一机器学习模型进行解密处理。

4.根据权利要求1所述的对象推荐方法，其特征在于，所述对所述交互样本中的领域内特征进行弱化处理，包括：

确定所述交互样本中领域内特征对应的特征种类总数；

将丢弃参数与所述特征种类总数进行乘积处理，得到丢弃种类数量；其中，所述丢弃种类数量为大于0的整数；

对所述交互样本中任意的、且数量符合所述丢弃种类数量的所述领域内特征进行丢弃处理；

对丢弃处理后的所述领域内特征进行池化处理。

5.根据权利要求1所述的对象推荐方法，其特征在于，所述根据所述待对比的行为预测结果和所述交互样本中的交互行为，更新所述第一机器学习模型的权重参数，包括：

根据所述待对比的行为预测结果与所述交互样本中的交互行为之间的差异，确定第一损失值；

将所述交互样本中的领域外特征与弱化处理后的所述领域内特征之间的信息散度，确定为第二损失值；

将所述第一损失值与所述第二损失值进行加权处理，得到加权损失值；

根据所述加权损失值在所述第一机器学习模型中进行反向传播，并在反向传播的过程中，沿梯度下降方向更新所述第一机器学习模型的权重参数。