[发明专利]一种特征提取方法、装置和存储介质

说明书

本发明实施例公开了一种特征提取方法、装置和存储介质，其中，通过构建包括用户标识和对象标识的正样本对，构建包括用户特征提取子网络、对象特征提取子网络以及损失网络的深度学习网络；将用户对应的第一辅助信息以及用户标识输入到用户特征提取子网络进行特征向量提取；将对象对应的第二辅助信息以及对象标识输入到对象特征提取子网络进行特征向量提取；将两个特征提取子网络取到的特征向量输入损失网络，根据损失网络输出的损失值进行联合训练，直至收敛；根据收敛后的对象特征提取子网络提取得到对象的目标特征向量。相较于相关技术，本发明提取得到对象的目标特征向量融合了用户的相关信息，能够更有效的表征对象，进而能够更好的进行推荐。

技术领域

本发明涉及推荐技术领域，具体涉及一种特征提取方法、装置和存储介质。

背景技术

在推荐技术领域，推荐的对象可以是视频、音乐、新闻以及商品等。推荐系统由多模块组成，比如召回模块、精排模块等。其中，许多模块是以特征向量为核心来进行搭建的，比如，召回模块基于对象的特征向量来进行相似召回，精排模块中对用户点击序列中的对象进行特征向量聚合，用以表征用户的行为特征等。然而，相关技术中关注的是如何使用对象的特征向量，而忽略了特征向量的提取。

发明内容

本发明实施例提供一种特征提取方法、装置和存储介质，能够有效的提取对象的特征向量，进而能够更好的进行推荐。

本发明实施例提供的特征提取方法，包括：

获取用户对于对象的操作行为数据，并根据所述操作行为数据构建正样本对，所述正样本对包括用户标识和对象标识；

构建初始的深度学习网络，所述深度学习网络包括用户特征提取子网络、对象特征提取子网络以及连接所述用户特征提取子网络和所述对象特征提取子网络的损失网络；

获取所述用户对应的第一辅助信息，并将所述用户标识以及所述第一辅助信息输入到所述用户特征提取子网络进行特征向量提取；

获取所述对象对应的第二辅助信息，并将所述对象标识以及所述第二辅助信息输入到所述对象特征提取子网络进行特征向量提取；

将所述用户特征提取子网络以及所述对象特征提取子网络提取到的特征向量输入所述损失网络，并根据所述损失网络输出的损失值对所述用户特征提取子网络和所述对象特征提取子网络的参数进行调整，直至所述用户特征提取子网络和所述对象特征提取子网络收敛；

根据收敛后的所述对象特征提取子网络提取得到所述对象的目标特征向量。

本发明实施例还提供一种特征提取装置，包括：

样本构建模块，用于获取用户对于对象的操作行为数据，并根据所述操作行为数据构建正样本对，所述正样本对包括用户标识和对象标识；

网络构建模块，用于构建初始的深度学习网络，所述深度学习网络包括用户特征提取子网络、对象特征提取子网络以及连接所述用户特征提取子网络和所述对象特征提取子网络的损失网络；

第一特征提取模块，用于获取所述用户对应的第一辅助信息，并将所述用户标识以及所述第一辅助信息输入到所述用户特征提取子网络进行特征向量提取；

第二特征提取模块，用于获取所述对象对应的第二辅助信息，并将所述对象标识以及所述第二辅助信息输入到所述对象特征提取子网络进行特征向量提取；

模型训练模块，用于将所述用户特征提取子网络以及所述对象特征提取子网络提取到的特征向量输入所述损失网络，并根据所述损失网络输出的损失值对所述用户特征提取子网络和所述对象特征提取子网络的参数进行调整，直至所述用户特征提取子网络和所述对象特征提取子网络收敛；

目标特征提取模块，用于根据收敛后的所述对象特征提取子网络提取得到所述对象的目标特征向量。