[发明专利]一种数据推荐方法及装置

权利要求书

1.一种数据推荐方法，其特征在于，包括：

获取数据推荐任务所需的样本特征；

利用帕德近似模型对所述数据推荐任务所需的样本特征进行处理，得到第一预测值，并利用神经网络学习模型对所述数据推荐任务所需的样本特征进行处理，得到第二预测值，并基于所述第一预测值和所述第二预测值，得到第三预测值；

基于所述第三预测值，获得待推荐的数据；

所述帕德近似模型为预先基于第一输入特征与第一目标值的映射关系对帕德近似算法训练得到的模型，所述神经网络学习模型为预先基于第二输入特征与第二目标值的映射关系对神经网络学习算法训练得到的模型，所述第一输入特征为维度高于二阶的输入特征，所述第二输入特征为维度高于所述第一输入特征的输入特征。

2.根据权利要求1所述的方法，其特征在于，所述帕德近似模型包括：

帕德近似关系式一

其中，y_pade表示第一预测值，x_i表示所述数据推荐任务所需的样本特征中的其中一个样本特征，表示求和函数，m表示所述数据推荐任务所需的样本特征的个数，p_0i、p_1i、…、p_ni分别表示不同维度的权重系数，q_0i、q_1i、…、q_ni分别表示不同维度的权重系数，p_0i、p_1i、…、p_ni与q_0i、q_1i、…、q_ni不同n为大于2的整数。

3.根据权利要求1所述的方法，其特征在于，所述帕德近似模型，包括：

帕德近似关系式二

其中，y_pade表示第一预测值，x_i表示所述数据推荐任务所需的样本特征中的其中一个样本特征，p_0i、p_1i、…、p_ni分别表示不同维度的权重系数，q_0i、q_1i、…、q_ni分别表示不同维度的权重系数，p_0i、p_1i、…、p_ni与q_0i、q_1i、…、q_ni不同，NN(x_i；{w})表示神经网络模型，w表示不同维度的权重系数，表示求和函数，m表示所述数据推荐任务所需的样本特征的个数，n为大于2的整数。

4.根据权利要求1-3任意一项所述的方法，其特征在于，所述获取数据推荐任务所需的样本特征，包括；

获取数据推荐任务所需的样本特征，各个所述样本特征各自包括至少一个子特征；

从所述数据推荐任务所需的样本特征中选取出子特征总个数不大于设定个数阈值的样本特征，作为薄样本特征；

从所述数据推荐任务所需的样本特征中选取出子特征总个数大于所述设定个数阈值的样本特征，作为厚样本特征；

所述利用帕德近似模型对所述数据推荐任务所需的样本特征进行处理，得到第一预测值，并利用神经网络学习模型对所述数据推荐任务所需的样本特征进行处理，得到第二预测值，包括：

利用帕德近似模型对各个所述薄样本特征进行处理，得到第一预测值，并利用神经网络学习模型对各个所述薄样本特征进行处理，得到第二预测值；

所述基于所述第三预测值，获得待推荐的数据，包括：

将所述厚样本特征输入预先训练的XGboost模型，得到所述XGboost模型输出的第四预测值；

基于所述第三预测值和所述第四预测值，获得待推荐的数据。