[发明专利]一种数据推荐方法、装置、电子设备及存储介质

权利要求书

1.一种数据推荐方法，其特征在于，包括：

获取用户特征和各推荐对象特征，根据所述用户特征和所述各推荐对象特征获得用户与各推荐对象之间的第一推荐分值，其中，所述第一推荐分值表征所述用户对于推荐对象的偏好度的预测分值；

根据各第一推荐分值对所述各推荐对象进行排序；

分别对排序后的所述各推荐对象进行标签化处理，确定标签化处理后的所述各推荐对象中位于结果集中的目标推荐对象；

将各目标推荐对象进行推荐。

2.如权利要求1所述的方法，其特征在于，分别对排序后的所述各推荐对象进行标签化处理，确定标签化处理后的所述各推荐对象中位于结果集中的目标推荐对象，具体包括：

分别针对所述各推荐对象，执行以下操作：

确定任意一个推荐对象预先标注的各属性标签，以及所述各属性标签的优先级；

根据所述各属性标签的优先级，从所述各属性标签中确定出满足预设优先级条件的目标属性标签；

当所述目标属性标签包含在预配置的标签库中，确定将该推荐对象作为目标推荐对象，并将所述目标推荐对象添加至结果集中，其中，所述标签库中包含有各属性标签。

3.如权利要求2所述的方法，其特征在于，所述确定标签化处理后的所述各推荐对象中位于结果集中的目标推荐对象，还包括：

当所述目标属性标签未包含在所述标签库中，将该推荐对象添加至候补队列中；

确定将所述各推荐对象均添加至所述结果集和/或候选队列中，且当所述结果集中的目标推荐对象的数量未达到第一预设值时，从所述候补队列中选出一定数量的推荐对象添加至所述结果集中；

将所述结果集中的推荐对象作为目标推荐对象。

4.如权利要求2所述的方法，其特征在于，所述确定任意一个待推荐对象预先标注的各属性标签，以及所述各属性标签的优先级之前，还包括：

确定该推荐对象是否有属性标签；

当确定该推荐对象无属性标签时，将该推荐对象添加至候补队列中。

5.如权利要求2所述的方法，其特征在于，将所述目标推荐对象添加至结果集中，还包括：

分别确定各目标属性标签对应的目标推荐对象的数量是否达到第二预设值；

确定任意一目标属性标签对应的目标推荐对象的数量达到第二预设值时，从所述标签库中删除该目标属性标签。

6.如权利要求1所述的方法，其特征在于，根据所述用户特征和所述各推荐对象特征获得用户与各推荐对象之间的第一推荐分值，具体包括：

基于已训练的第一评分模型，以所述用户特征、任意一个推荐对象特征为输入参数，预测获得所述用户与该推荐对象之间的第一推荐分值。

7.如权利要求6所述的方法，其特征在于，预测获得所述用户与该推荐对象之间的第一推荐分值，具体包括：

根据所述推荐对象特征中的推荐对象连续特征和离散特征，生成该推荐对象的显著特征，并将所述显著特征转换为显著向量；

将所述推荐对象特征转换为推荐对象向量，以及，将所述用户特征转换为用户向量；

计算所述推荐对象向量和所述用户向量之间的交叉向量；

根据所述显著向量、所述用户向量、所述推荐对象向量、所述交叉向量，以及预设的权重向量，确定所述用户与该推荐对象之间的第一推荐分值。

8.一种数据推荐装置，其特征在于，包括：

第一评分模块，用于获取用户特征和各推荐对象特征，根据所述用户特征和所述各推荐对象特征获得用户与各推荐对象之间的第一推荐分值，其中，所述第一推荐分值表征所述用户对于推荐对象的偏好度的预测分值；

排序模块，用于根据各第一推荐分值对所述各推荐对象进行排序；

处理模块，用于分别对排序后的所述各推荐对象进行标签化处理，确定标签化处理后的所述各推荐对象中位于结果集中的目标推荐对象；

推荐模块，用于将各目标推荐对象进行推荐。