[发明专利]资源推荐方法、装置、可读介质以及设备

权利要求书

1.一种资源推荐方法，其特征在于，包括：

构建目标用户当前的消费行为序列；其中，所述目标用户当前的消费行为序列由所述目标用户最新的预设时间段内的n个行为资源的标识按照交互时间顺序排列构成；n为正整数；所述行为资源为所述目标用户执行了交互行为的资源；

将所述目标用户当前的消费行为序列对应的向量以及目标资源的标识向量输入至预构建的多层感知器网络层中，由所述预构建的多层感知器网络层得到每一个所述行为资源对应的权重，并对每一个所述行为资源对应的权重和所述目标用户当前的消费行为序列对应的向量进行加权合并计算，得到并输出所述目标用户的喜好向量和所述目标资源的标识向量；其中，所述目标用户的喜好向量用于说明所述目标用户对所述目标资源的喜好程度；所述行为资源对应的权重用于说明所述行为资源在预测所述目标用户对所述目标资源的喜好程度时的贡献度；

将所述目标用户的喜好向量、所述目标资源的标识向量、以及每一个与目标用户相关联的特征向量进行连接，连接得到输入向量；

将所述输入向量输入至预构建的多目标深度网络中，由预构建的每一个所述目标深度网络分别得到并输出所述目标深度网络对应的目标下的目标资源预测值；其中，所述目标为用于反映对资源的喜好程度的业务指标；每一个所述目标下的目标资源预测值用于确定出是否向所述目标用户推荐所述目标资源；

所述将所述目标用户的喜好向量、所述目标资源的标识向量、以及每一个与目标用户相关联的特征向量进行连接，连接得到输入向量之后，还包括：

将所述输入向量输入至预构建的深度注意力网络共享层，由所述预构建的深度注意力网络共享层中的网络共享层输出多个维度相同的处理后向量，并由所述预构建的深度注意力网络共享层中的每一个注意力机制加权层分别对所述多个维度相同的处理后向量进行加权合并，由每一个所述注意力机制加权层得到并输出处理后的输入向量；

其中，所述将所述输入向量输入至预构建的多目标深度网络中，由预构建的每一个所述目标深度网络分别得到并输出所述目标深度网络对应的目标下的目标资源预测值，包括：

针对每一个所述注意力机制加权层输出的处理后的输入向量，将所述处理后的输入向量输入至预构建的与所述注意力机制加权层相对应的目标深度网络中，由预构建的与所述注意力机制加权层相对应的目标深度网络得到并输出所述目标深度网络对应的目标下的目标资源预测值。

2.根据权利要求1所述的方法，其特征在于，所述与目标用户相关联的特征向量，包括：所述目标用户的特征向量、所述行为资源的特征向量、所述目标资源的特征向量以及所述目标用户与所述行为资源之间的交互特征向量；其中，所述与目标用户相关联的特征向量由目标用户画像、资源画像以及目标用户上下文行为画像生成得到；所述目标用户画像用于说明所述目标用户的基本信息以及所述目标用户对资源执行的交互行为信息；所述资源画像用于说明资源的基本信息；所述目标用户上下文行为画像用于说明所述目标用户对资源执行交互行为时的场景信息。