[发明专利]一种信息推荐方法、装置、电子设备及可读存储介质

权利要求书

1.一种信息推荐方法，其特征在于，包括：

对多个信息分别进行特征提取，得到所述多个信息各自的通用特征和偏置特征，其中，一个信息的通用特征用于表征该信息的信息内容，一个信息的偏置特征用于表征该信息的展示形式；

将所述多个信息各自的通用特征和偏置特征输入预先训练的信息推荐模型，确定所述多个信息各自的推荐得分；

根据所述多个信息各自的推荐得分，得到预备向用户推荐的目标信息；

其中，所述信息推荐模型包括预设任务模型、偏置模型和融合模块，所述预设任务模型以多个样本信息各自的通用特征以及所述多个样本信息各自携带的预设任务对应的标签为输入训练得到的，所述偏置模型以所述多个样本信息各自的偏置特征以及所述多个样本信息各自携带的所述预设任务对应的标签为输入训练得到的，所述融合模块用于对所述预设任务模型输出的通用指标值和所述偏置模型输出的偏置系数进行融合，并输出多个信息各自的推荐得分。

2.根据权利要求1所述的方法，其特征在于，一个信息的偏置特征包括该信息的多个不同维度的偏置特征；所述偏置模型包括多个偏置专家网络，一个偏置专家网络是以所述多个样本信息的同一维度的偏置特征以及预先对所述多个样本信息分别标注的该维度的偏置因子标签为训练样本，对第一预设网络模型进行训练得到的。

3.根据权利要求1所述的方法，其特征在于，一个信息的偏置特征包括该信息的多个不同维度的偏置特征；所述预设任务模型包括多个子任务网络；所述偏置模型包括多个门开关网络、多个偏置专家网络和多个融合子模块，一个门开关网络以及一个融合子模块与一个子任务网络对应；

一个融合子模块用于根据一个门开关网络输出的多个不同维度的权重，对多个偏置专家网络各自输出的偏置因子进行融合，并输出各个信息的偏置系数。

4.根据权利要求3所述的方法，其特征在于，所述多个门开关网络各自输出的同一维度的权重不同。

5.根据权利要求4所述的方法，其特征在于，所述预设任务模型包括多个子任务网络，所述多个子任务网络表征的多个子任务之间相互关联；每个子任务网络以多个样本信息各自的通用特征以及所述多个样本信息各自携带的子任务对应的标签为输入训练得到的；

对应于一个子任务网络的一个门开关网络是以所述多个样本信息各自的各个维度的偏置特征以及预先对所述多个样本信息分别标注的子任务对应的各个维度的权重标签为训练样本，对第二预设网络模型进行训练得到的。

6.根据权利要求5所述的方法，其特征在于，所述多个子任务网络表征的多个子任务为以下任意多者的组合：点击率CTR、转化率CVR、成交总额GMV、单价Price、点击且转化率CTCVR。

7.根据权利要求1-6任一所述的方法，其特征在于，一个信息的偏置特征包括以下至少一者：该信息的展示位置、该信息的样式、该信息的展示渠道、该信息是否包含图片、该信息中图片的尺寸。

8.一种信息推荐装置，其特征在于，包括：

提取模块，用于对多个信息分别进行特征提取，得到所述多个信息各自的通用特征和偏置特征，其中，一个信息的通用特征用于表征该信息的信息内容，一个信息的偏置特征用于表征该信息的展示形式；

输入模块，用于将所述多个信息各自的通用特征和偏置特征输入预先训练的信息推荐模型，确定所述多个信息各自的推荐得分；

获得模块，用于根据所述多个信息各自的推荐得分，得到预备向用户推荐的目标信息；

其中，所述信息推荐模型包括预设任务模型、偏置模型和融合模块，所述预设任务模型以多个样本信息各自的通用特征以及所述多个样本信息各自携带的预设任务对应的标签为输入训练得到的，所述偏置模型以所述多个样本信息各自的偏置特征以及所述多个样本信息各自携带的所述预设任务对应的标签为输入训练得到的，所述融合模块用于对所述预设任务模型输出的通用指标值和所述偏置模型输出的偏置系数进行融合，并输出各个信息各自的推荐得分。