[发明专利]物料推荐方法、物料推荐装置和电子设备

权利要求书

1.一种物料推荐方法，其特征在于，包括：

电子设备获取目标冷启动用户的第一属性信息；

所述电子设备将所述第一属性信息输入至第一冷启动召回模型，得到所述目标冷启动用户对应的第一向量，所述第一冷启动召回模型是基于第二冷启动召回模型得到的模型，所述第二冷启动召回模型是服务器基于用户数据集并利用元学习方法训练得到的模型，所述第一向量用于表征所述目标冷启动用户的偏好；

所述电子设备获取与所述第一向量匹配的第一物料，并显示所述第一物料。

2.根据权利要求1所述的物料推荐方法，其特征在于，所述第一冷启动召回模型是基于第二冷启动召回模型得到的模型，包括以下之一：

所述第一冷启动召回模型与所述第二冷启动召回模型相同；

所述第一冷启动召回模型是所述电子设备基于所述目标冷启动用户的实时行为数据对所述第二冷启动召回模型进行训练得到的模型；

所述第一冷启动召回模型是所述电子设备基于所述服务器下发的更新参数对所述第二冷启动召回模型进行更新得到的模型。

3.根据权利要求1所述的物料推荐方法，其特征在于，所述第一冷启动召回模型的结构包括：嵌入层、用户ID向量生成器、用户塔和物料塔；

所述电子设备将所述第一属性信息输入至第一冷启动召回模型，得到所述目标冷启动用户对应的第一向量，包括：

将所述第一属性信息输入至所述嵌入层，得到第一嵌入向量；

将所述第一嵌入向量输入至所述用户ID向量生成器，得到第二嵌入向量；

将所述第一嵌入向量和所述第二嵌入向量进行拼接，得到第三嵌入向量；

将所述第三嵌入向量输入至所述用户塔，得到所述第一向量。

4.根据权利要求2所述的物料推荐方法，其特征在于，所述方法还包括：

所述电子设备获取所述目标冷启动用户对应的实时行为数据，基于所述实时行为数据，构建训练数据集；

所述电子设备利用所述训练数据集对所述第二冷启动召回模型进行训练，得到所述第一冷启动召回模型。

5.根据权利要求2所述的物料推荐方法，其特征在于，所述方法还包括：

所述电子设备接收所述服务器下发的更新参数；

所述电子设备基于所述更新参数对所述第二冷启动召回模型进行更新，得到所述第一冷启动召回模型；

其中，所述更新参数是所述服务器通过联邦学习的方式获取多个电子设备训练得到的第一冷启动召回模型的参数得到的。

6.一种物料推荐方法，其特征在于，包括：

服务器接收电子设备发送的第一请求消息，所述第一请求消息中携带目标冷启动用户对应的第一向量，所述第一向量用于表征所述目标冷启动用户的偏好；

所述服务器基于所述第一向量和所述服务器本地的第二冷启动召回模型，得到第一物料；

所述服务器向所述电子设备发送第一响应消息，其中，所述第一响应消息中携带所述第一物料；

其中，所述第二冷启动召回模型是服务器基于用户数据集并利用元学习方法训练得到的模型。

7.根据权利要求6所述的物料推荐方法，其特征在于，所述第二冷启动召回模型的结构包括：嵌入层、用户ID向量生成器、用户塔和物料塔；

所述基于所述第一向量和所述服务器本地的第二冷启动召回模型，得到第一物料，包括：

获取所述第二冷启动召回模型的物料塔输出的N个物料向量；

将所述第一向量与所述N个物料向量分别进行内积计算，得到N个计算结果，其中，所述计算结果用于表征所述第一向量对应的目标冷启动用户与物料的相似度；

对所述N个计算结果按照从大到小的顺序进行排序，获取排序靠前的M个计算结果所对应的物料，得到所述第一物料；

其中，M，N均为大于1的正整数。