[发明专利]信息推荐方法、装置、设备及计算机可读存储介质

权利要求书

1.一种信息推荐方法，其特征在于，包括：

对待推荐信息和目标对象分别进行特征提取，对应得到具有第一维度的第一特征向量和具有第二维度的第二特征向量；

对所述第一特征向量和所述第二特征向量分别进行映射处理，对应得到具有第三维度的第一降维向量和具有第四维度的第二降维向量；其中，所述第三维度小于所述第一维度，所述第四维度小于所述第二维度；

采用待嵌入向量，对所述第一降维向量和所述第二降维向量分别进行向量嵌入处理，对应得到所述待推荐信息的具有第五维度的第一嵌入向量和所述目标对象的具有第六维度的第二嵌入向量；其中，所述第五维度小于所述第三维度，所述第六维度小于所述第四维度，所述待嵌入向量是通过对信息推荐模型进行训练，确定所述待推荐信息与所述目标对象之间的第一匹配度，并通过预设损失模型，确定所述第一匹配度与真实匹配度之间的差值，得到第一损失结果，以及，根据所述第一损失结果，对所述信息推荐模型中的初始的待嵌入向量进行优化后所得到的嵌入向量；

根据所述第一嵌入向量和所述第二嵌入向量，确定所述待推荐信息与所述目标对象之间的第二匹配度；

当所述第二匹配度大于阈值时，将所述待推荐信息推荐给所述目标对象。

2.根据权利要求1所述的方法，其特征在于，所述对所述第一特征向量和所述第二特征向量分别进行映射处理，对应得到具有第三维度的第一降维向量和具有第四维度的第二降维向量，包括：

采用第一预设哈希函数对所述第一特征向量进行所述映射处理，得到具有所述第三维度的所述第一降维向量；

采用第二预设哈希函数对所述第二特征向量进行所述映射处理，得到具有所述第四维度的所述第二降维向量。

3.根据权利要求1所述的方法，其特征在于，所述待嵌入向量包括所述待推荐信息的第一待嵌入向量；

对所述第一降维向量进行向量嵌入处理，对应得到所述待推荐信息的具有第五维度的第一嵌入向量，包括：

获取所述待推荐信息的第一权重和所述第一待嵌入向量；

将所述第一降维向量中每一维度的分量，分别与所述第一权重和所述第一待嵌入向量进行点乘，得到每一维度的分量对应的第一点乘结果；

对至少两个所述分量对应的所述第一点乘结果进行求和，得到所述待推荐信息的具有第五维度的第一嵌入向量。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

确定所述第二匹配度与第一预设匹配度之间的相似度；

根据所述相似度确定所述第一待嵌入向量的第一更新参数；

采用所述第一更新参数对所述第一待嵌入向量进行更新，得到更新后的第一待嵌入向量；

对应地，所述方法还包括：采用所述更新后的第一待嵌入向量对所述第一降维向量进行向量嵌入处理。

5.根据权利要求1所述的方法，其特征在于，所述待嵌入向量包括所述目标对象的第二待嵌入向量；

对所述第二降维向量进行特征嵌入处理，对应得到所述目标对象的具有第六维度的第二嵌入向量，包括：

获取所述目标对象的第二权重和所述第二待嵌入向量；

将所述第二降维向量中每一维度的分量，分别与所述第二权重和所述第二待嵌入向量进行点乘，得到每一维度的分量对应的第二点乘结果；

对至少两个所述分量对应的所述第二点乘结果进行求和，得到所述目标对象的具有第六维度的第二嵌入向量。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

确定所述第二匹配度与第二预设匹配度之间的相似度；

根据所述相似度确定所述第二待嵌入向量的第二更新参数；

采用所述第二更新参数对所述第二待嵌入向量进行更新，得到更新后的第二待嵌入向量；

对应地，所述方法还包括：采用所述更新后的第二待嵌入向量对所述第二降维向量进行向量嵌入处理。