[发明专利]一种信息推荐的方法及装置

权利要求书

1.一种信息推荐的方法，其特征在于，包括：

获取用户的业务数据以及当前所述用户所处推荐场景的场景数据；

根据所述业务数据，确定所述用户对应的意图信息，所述意图信息用于表征所述用户处于所述推荐场景下面对不同类型推荐信息时的操作倾向；

将所述业务数据、所述场景数据和所述意图信息输入到选择出的与所述意图信息对应意图匹配的参数强化学习模型中，确定所述用户对应的意图参数；

针对每个候选推荐信息，根据所述意图信息以及所述意图参数，调整该候选推荐信息对应的初始推荐度，得到该候选推荐信息对应的调整后推荐度；

根据每个候选推荐信息对应的调整后推荐度，向所述用户进行信息推荐。

2.如权利要求1所述的方法，其特征在于，根据所述业务数据，确定所述用户对应的意图信息，具体包括：

针对每个类型的推荐信息，根据所述业务数据，判断所述用户在过去预设时间范围内是否点击过该类型的推荐信息，得到判断结果；

根据所述判断结果，确定所述用户对应的意图信息。

3.如权利要求1所述的方法，其特征在于，根据所述业务数据，确定所述用户对应的意图信息，具体包括：

针对每个类型的推荐信息，根据所述业务数据，确定在过去预设时间范围内向所述用户推荐该类型推荐信息的推荐次数，以及所述用户对该类型的推荐信息的点击情况；

根据所述推荐次数以及所述点击情况，确定所述用户对应的意图信息。

4.如权利要求1所述的方法，其特征在于，选择与所述意图信息对应意图相匹配的参数模型，具体包括：

根据所述业务数据，确定所述用户所属的用户类别，以及所述用户类别对应的类别特征；

将所述类别特征，以及当前时间输入预设的选择模型中，以通过所述选择模型，选择与所述意图信息对应意图相匹配的参数强化学习模型。

5.如权利要求4所述的方法，其特征在于，通过所述选择模型，选择与所述意图信息对应意图相匹配的参数强化学习模型，具体包括：

针对每个参数强化学习模型，通过所述选择模型，预测该参数强化学习模型获得不同奖励值的概率；

根据预测出的每个参数强化学习模型获得不同奖励值的概率，选择与所述意图信息对应意图相匹配的参数强化学习模型。

6.如权利要求1所述的方法，其特征在于，针对每个候选推荐信息，根据所述意图信息以及所述意图参数，调整该候选推荐信息对应的初始推荐度，得到该候选推荐信息对应的调整后推荐度，具体包括：

针对每个候选推荐信息，根据确定出的不同类型的意图信息以及每种类型的意图信息对应的意图参数，对该候选推荐信息对应的初始推荐度进行加权，得到该候选推荐信息对应的调整后推荐度。

7.如权利要求1所述的方法，其特征在于，训练参数强化学习模型，具体包括：

获取指定用户的业务数据以及所述指定用户所处历史推荐场景的历史场景数据；

根据所述指定用户的业务数据，确定所述指定用户对应的历史意图信息；

将所述指定用户的业务数据、所述历史场景数据和所述历史意图信息输入到所述历史意图信息对应意图相匹配的参数强化学习模型中，确定所述指定用户对应的历史意图参数；

针对每个历史候选推荐信息，根据所述历史意图信息以及所述历史意图参数，调整该历史候选推荐信息对应的初始推荐度，得到该历史候选推荐信息对应的调整后推荐度；

根据每个历史候选推荐信息对应的调整后推荐度，向所述指定用户进行信息推荐，得到历史推荐结果；

根据所述历史意图信息，以及所述指定用户对所述历史推荐结果中各推荐信息的历史操作记录，确定所述历史推荐结果对应的综合奖励值，并以最大化所述综合奖励值为优化目标，对所述参数强化学习模型进行训练。