[发明专利]一种对象选择方法、装置、计算机设备以及存储介质

权利要求书

1.一种对象选择方法，其特征在于，包括：

确定用户选择的目标对象，以及确定与所述目标对象具有选择关系的多个待推荐对象；每个所述待推荐对象对应至少一种所述选择关系，所述多个待推荐对象对应多种所述选择关系；

提取所述目标对象的特征向量，得到第一特征向量，并提取每个所述待推荐对象的特征向量，得到第二特征向量；

基于所述第一特征向量和所述第二特征向量，确定多个备选对象组；每个备选对象组中包含所述多个待推荐对象中的至少部分待推荐对象，且每个备选对象组对应至少一种选择关系；

在所述多个备选对象组中确定满足可靠性要求的目标备选对象组，并将所述目标备选对象组中的待推荐对象确定为所述目标对象的推荐对象。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一特征向量和所述第二特征向量，确定多个备选对象组，包括：

确定每个所述选择关系对应的包含多个待推荐对象的初始对象组；

基于所述第一特征向量和所述第二特征向量，计算每个所述待推荐对象在各个所述初始对象组中的选择概率；

基于所述选择概率过滤每个所述初始对象组中不满足概率要求的待推荐对象，并根据过滤后的每个所述初始对象组确定所述多个备选对象组。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第一特征向量和所述第二特征向量，计算每个所述待推荐对象在各个所述初始对象组中的选择概率，包括：

计算所述第一特征向量和所述第二特征向量之间的向量积，得到目标特征向量；

基于所述目标特征向量计算每个所述待推荐对象在每个所述初始对象组中的选择概率。

4.根据权利要求2或3所述的方法，其特征在于，所述基于所述选择概率过滤每个所述初始对象组中不满足概率要求的待推荐对象，包括：

确定每个所述初始对象组中所述选择概率小于或者等于第一阈值的目标待推荐对象；

在所述初始对象组的多个待推荐对象中过滤所述目标待推荐对象。

5.根据权利要求1所述的方法，其特征在于，所述在所述多个备选对象组中确定满足可靠性要求的目标备选对象组，包括：

基于每个所述备选对象组中各个待推荐对象的特征向量，分别计算每个所述备选对象组的向量均值；

获取所述用户的用户特征向量；

基于所述向量均值和所述用户特征向量，计算每个所述备选对象组的可靠性，并将可靠性满足可靠性要求的备选对象组确定为所述目标备选对象组。

6.根据权利要求1所述的方法，其特征在于，所述提取所述目标对象的特征向量，得到第一特征向量，并提取每个所述待推荐对象的特征向量，得到第二特征向量，包括：

获取所述目标对象的对象信息和每个所述待推荐对象的对象信息；

在所述目标对象的对象信息中确定与每个选择关系相匹配的第一对象信息，以及在每个所述待推荐对象的对象信息中确定与该选择关系相匹配的第二对象信息；

提取所述第一对象信息的特征向量，得到所述第一特征向量；以及提取所述第二对象信息的特征向量，得到所述第二特征向量。

7.根据权利要求1所述的方法，其特征在于，所述基于所述第一特征向量和所述第二特征向量，确定多个备选对象组，包括：通过第一分类器对所述第一特征向量和所述第二特征向量进行处理，得到所述多个备选对象组；

所述在所述多个备选对象组中确定满足选择要求的目标备选对象组，包括：通过第二分类器在所述多个备选对象组中确定满足选择要求的目标备选对象组。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

通过目标学习算法，对待训练的第一初始分类器进行训练，得到所述第一分类器，并对待训练的第二初始分类器进行训练，得到所述第二分类器，其中，所述目标学习算法包括：监督学习算法和强化学习算法。