[发明专利]一种推荐方法和装置

说明书

本发明公开了一种推荐方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取待推荐用户的用户特征、长期行为数据和短期行为数据，以及对象特征；根据长期行为数据得到待推荐用户的长期兴趣偏好；根据长期兴趣偏好、短期行为数据和对象特征，得到待推荐用户的动态兴趣特征；根据动态兴趣特征、对象特征和用户特征，得到待推荐用户对对象的偏好度；根据待推荐用户对对象的偏好度确定推荐对象以进行推荐。该实施方式更好地体现了用户兴趣变化对推荐结果的影响，使得推荐结果可解释性强，同时带来更高的点击预估准确率，推荐效果明显提高。

技术领域

本发明涉及计算机技术领域，尤其涉及一种推荐方法和装置。

背景技术

随着互联网信息技术的高速发展，信息爆炸成为人们摄取信息的挑战。推荐系统是在用户无搜索词来展现强烈意图的情况下，能够根据用户的基本信息和历史行为捕捉到用户的兴趣爱好和潜在需求，预测出用户可能偏好的信息集合，帮助用户过滤掉大量无关信息，迅速发现所需信息，增加了交互性同时提高了信息获取的体验。

目前推荐系统主要是基于内容的协同过滤算法和基于点击率模型的预估算法等实现的。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

目前的推荐系统仅通过对用户行为序列的学习来训练推荐模型，无法准确地体现用户兴趣的变化对推荐结果的影响。

发明内容

有鉴于此，本发明实施例提供一种推荐方法和装置，能够更好地体现用户兴趣变化对推荐结果的影响，使得推荐结果可解释性强，同时带来更高的点击预估准确率，推荐效果明显提高。

为实现上述目的，根据本发明实施例的一个方面，提供了一种推荐方法。

一种推荐方法，包括：获取待推荐用户的用户特征、长期行为数据和短期行为数据，以及对象特征；根据所述长期行为数据得到所述待推荐用户的长期兴趣偏好；根据所述长期兴趣偏好、所述短期行为数据和所述对象特征，得到所述待推荐用户的动态兴趣特征；根据所述动态兴趣特征、所述对象特征和所述用户特征，得到所述待推荐用户对对象的偏好度；根据所述待推荐用户对对象的偏好度确定推荐对象以进行推荐。

可选地，根据所述长期行为数据得到所述待推荐用户的长期兴趣偏好包括：使用基于注意力机制的网络作为特征提取器，对所述长期行为数据进行特征提取，并对提取的特征进行加和池化处理，得到所述待推荐用户的长期兴趣偏好。

可选地，所述基于注意力机制的网络为自注意力机制网络。

可选地，还包括：对所述基于注意力机制的网络的输出进行有监督学习来训练辅助损失函数。

可选地，根据所述长期兴趣偏好、所述短期行为数据和所述对象特征，得到所述待推荐用户的动态兴趣特征包括：使用所述对象特征分别与所述短期行为序列和所述长期兴趣偏好进行注意力计算，以得到所述待推荐用户对对象的短期兴趣特征和长期兴趣特征；基于自注意力机制网络对所述短期兴趣特征和所述长期兴趣特征进行计算，以得到待推荐用户的动态兴趣特征。

可选地，根据所述动态兴趣特征、所述对象特征和所述用户特征，得到所述待推荐用户对对象的偏好度包括：将所述动态兴趣特征、所述对象特征和所述用户特征进行拼接；将拼接得到的特征向量经过全连接层后，再进行softmax运算，以得到所述待推荐用户对对象的偏好度。

可选地，待推荐用户的用户特征包括用户静态属性特征和用户兴趣挖掘特征。

根据本发明实施例的另一方面，提供了一种推荐装置。