[发明专利]推荐方法、推荐装置、电子设备以及存储介质

说明书

本公开提供了一种应用于移动端的推荐方法，涉及人工智能领域或金融领域等。所述推荐方法包括：响应第一用户的操作，向服务端发送数据推荐请求；接收所述服务端基于所述数据推荐请求发送的N个推荐数据，其中，N为大于或等于2的整数；利用第一排序模型对所述N个推荐数据进行排序，其中，所述第一排序模型包括：在所述移动端中，基于所述第一用户的第一行为数据对通用排序模型进行训练获得的排序模型，所述通用排序模型为适用于多个不同用户的排序模型；以及基于排序后的所述N个推荐数据进行推荐。本公开还提供了一种应用于服务端的推荐方法，以及推荐装置、电子设备和存储介质。

技术领域

本公开涉及人工智能领域或金融领域等，更具体地，涉及一种推荐方法、推荐装置、电子设备以及存储介质。

背景技术

随着科学技术的快速发展，信息量以爆炸的速度增长。用户在海量信息中寻找有用的内容可能会耗费较长时间。如在社交、新闻、电商、音视频或广告推送等领域，通常采用推荐系统针对不同的用户群体进行内容推荐。目前业界通用的推荐模型主要通过使用大量用户的历史行为数据进行训练获得。例如在电商领域，基于大量用户的历史购买信息、浏览信息、交易行为等数据进行训练获得推荐模型，其中，推荐模型将大量用户划分为多个用户类型。推荐模型在后台确定每个用户所属的类型后，将该用户类型偏好的相关产品推送到前端界面进行展示。

在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题：

目前主要通过大规模采集多个用户的数据，训练获得对每个用户都适用的通用模型，然后利用该通用模型进行推荐，导致不能针对每个用户进行个性化推荐，精准度较低。

发明内容

有鉴于此，本公开实施例提供了一种针对每个用户训练获得第一排序模型，从而能够基于第一排序模型实现个性化推荐，提高推荐精准度的推荐方法、推荐装置、电子设备以及存储介质。

本公开实施例的一个方面提供了一种应用于移动端的推荐方法。所述推荐方法包括：响应第一用户的操作，向服务端发送数据推荐请求。接收所述服务端基于所述数据推荐请求发送的N个推荐数据，其中，N为大于或等于2的整数。利用第一排序模型对所述N个推荐数据进行排序，其中，所述第一排序模型包括：在所述移动端中，基于所述第一用户的第一行为数据对通用排序模型进行训练获得的排序模型，所述通用排序模型为适用于多个不同用户的排序模型。以及基于排序后的所述N个推荐数据进行推荐。

根据本公开的实施例，所述在所述移动端中基于所述第一用户的第一行为数据对通用排序模型进行训练包括：接收所述第一用户输入的定制训练数据。基于所述第一行为数据和所述定制训练数据对所述通用排序模型进行训练获得所述第一排序模型。

根据本公开的实施例，在所述向服务端发送数据推荐请求之前包括：响应所述第一用户的操作，查询所述移动端中的模型状态标识，其中，所述模型状态标识用于表征所述移动端中排序模型的状态。基于所述模型状态标识确定所述数据推荐请求的内容。

根据本公开的实施例，所述通用排序模型包括第二排序模型，所述基于所述模型状态标识确定所述数据推荐请求的内容包括：当所述模型状态标识表征所述移动端中不包括所述第一排序模型时，确定所述数据推荐请求的内容包括获取所述第二排序模型，其中，所述第二排序模型通过在所述服务端中基于M个第二用户的第二行为数据对初始排序模型进行训练获得，M为大于或等于1的整数。

根据本公开的实施例，当所述模型状态标识表征所述移动端中包括所述第一排序模型时，在所述基于所述模型状态标识确定所述数据推荐请求的内容之前，包括：向所述服务端发送模型升级请求。接收所述服务端发送的模型升级信息。