[发明专利]对象推荐方法、装置、电子设备和存储介质

权利要求书

1.一种对象推荐方法，其特征在于，包括：

响应于针对目标账号的对象推荐请求，分别确定使用所述目标账号的账号特征参数计算得到的账号特征向量和使用备选对象的对象特征参数计算得到的对象特征向量；

调用预先经过训练并部署在现场可编程逻辑门阵列FPGA中的匹配模型对所述账号特征向量和所述对象特征向量进行前向计算，并将计算得到的匹配度提供至对象推荐系统，以使所述对象推荐系统根据所述匹配度向所述目标账号推荐所述备选对象，其中，所述匹配度用于表征所述备选对象与所述目标账号之间的匹配程度。

2.根据权利要求1所述的方法，其特征在于，确定所述账号特征向量，包括：

解析所述对象推荐请求并提取所述目标账号的账号特征向量；或者，

根据本地预存的所述目标账号的账号信息或者所述对象推荐请求中携带的所述目标账号的账号信息，计算所述目标账号的账号特征向量。

3.根据权利要求1所述的方法，其特征在于，确定所述对象特征向量，包括：

提取所述对象推荐请求中携带的所述备选对象的对象特征参数；

若匹配计算服务器对应的缓存中存在匹配于所述对象特征参数的特征向量，则将该特征向量确定为所述备选对象的对象特征向量；

若所述缓存中不存在匹配于所述对象特征参数的特征向量，则使用所述对象特征参数计算所述备选对象的对象特征向量，并将所述对象特征向量保存在所述缓存中。

4.根据权利要求1所述的方法，其特征在于，所述匹配模型包括基于深度学习的神经网络模型。

5.根据权利要求4所述的方法，其特征在于，在所述FPGA中部署匹配模型，包括：

在所述FPGA中部署所述神经网络模型的权重、偏置和从所述神经网络模型的计算图中提取的结构参数。

6.一种对象推荐系统，其特征在于，包括：

模型训练子系统，用于训练匹配模型，并将经过训练的所述匹配模型提供至FGGA硬件子系统；

模型计算子系统，用于响应于针对目标账号的对象推荐请求，分别确定使用所述目标账号得账号特征参数计算得到的账号特征向量和使用备选对象的对象特征参数计算得到的对象特征向量；将所述账号特征向量和所述对象特征向量输入现场可编程门阵列FPGA硬件子系统；并将所述FPGA硬件子系统返回的计算结果发送至对象推荐子系统；

FPGA硬件子系统，用于部署所述模型训练子系统提供的经过训练的所述匹配模型，基于所述匹配模型对所述账号特征向量和所述对象特征向量进行前向计算，并将计算得到的匹配度返回至所述模型计算子系统，其中，所述匹配度用于表征所述备选对象与所述目标账号之间的匹配程度；

对象推荐子系统，用于接收所述模型计算子系统发送的所述匹配度，并根据所述匹配度向所述目标账号推荐所述备选对象。

7.一种对象推荐装置，其特征在于，包括：

向量确定模块，被配置为响应于针对目标账号的对象推荐请求，分别确定使用所述目标账号的账号特征参数计算得到的账号特征向量和使用备选对象的对象特征参数计算得到的对象特征向量；

前向计算模块，被配置为调用预先经过训练并部署在现场可编程逻辑门阵列FPGA中的匹配模型对所述账号特征向量和所述对象特征向量进行前向计算，并将计算得到的匹配度提供至对象推荐系统，以使所述对象推荐系统根据所述匹配程度向所述目标账号推荐所述备选对象，其中，所述匹配度用于表征所述备选对象与所述目标账号之间的匹配程度。

8.一种电子设备，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求1至5中任一项所述的对象推荐方法。

9.一种计算机可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1至5中任一项所述的对象推荐方法。

10.一种计算机应用程序，其特征在于，所述计算机程序产品被配置为执行如权利要求1至5中任一项所述的对象推荐方法。