[发明专利]资源推荐方法、装置、可读介质以及设备

说明书

本申请公开了一种资源推荐方法、装置、可读介质以及设备，该方法通过将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多层感知器网络层中，将每一个行为资源对应的权重和消费行为序列对应的向量进行加权合并，得到并输出目标用户的喜好向量；将目标用户的喜好向量、目标资源的标识向量、以及与目标用户相关联的特征向量进行连接，得到输入向量；输入至多目标深度网络中，得到并输出每一个目标下的目标资源预测值，每一个目标下的目标资源预测值用于确定出是否向目标用户推荐目标资源。由于本申请中行为资源对应的权重说明了行为资源在预测目标用户对目标资源的喜好程度时的贡献度，因此对目标用户推荐的资源会更为准确。

技术领域

本申请涉及计算机技术领域，尤其涉及一种资源推荐方法、装置、可读介质以及设备。

背景技术

现有技术中，为了提高用户与平台间的粘滞性，许多平台会通过用户的历史行为去预测出用户所喜好的资源，然后将预测出的用户所喜好的资源推荐给用户。其中，资源可以是商品、文章、视频等等。

然而，平台在对用户的历史行为进行挖掘时，挖掘得并不充分，没有考虑到用户的历史行为与用户当前所喜好的资源之间的相关性的强弱。用户不同的历史行为与用户当前所喜好的资源之间的相关性是不同的，例如在收集用户的历史点击视频的行为时，距离当前时间越近的行为与用户当前所喜好的视频之间的相关性较强，而距离当前时间较远的行为与用户当前所喜好的视频之间的相关性较弱。由于现有的资源推荐方法中，在使用用户的历史行为去预测用户所喜好的资源时，没有考虑到用户不同的历史行为与用户当前所喜好的资源之间的相关性的差异，导致推荐资源的准确度不高，影响了用户对平台的体验。

发明内容

基于上述现有技术的不足，本申请提出了一种资源推荐方法、装置、可读介质以及设备，以实现在确定是否向目标用户推荐目标资源时，考虑不同行为资源在预测目标用户对所述目标资源的喜好程度时的贡献度，得到准确的用于说明目标用户对目标资源的喜好程度的目标用户的喜好向量。

本申请第一方面公开了一种资源推荐方法，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。

可选地，在上述资源推荐方法中，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。