[发明专利]对象推荐模型的训练方法、推荐方法、装置及电子设备

说明书

本申请公开了一种对象推荐模型的训练方法、对象推荐方法、装置、电子设备及存储介质。其中，对象推荐模型的训练方法包括：通过初始推荐模型对用户的第一特征信息以及第二特征信息进行处理，得到第一深度特征以及第二深度特征；将第一深度特征与第二深度特征进行合并，得到合并深度特征；根据合并深度特征对初始推荐模型进行训练，得到对象推荐模型。在本申请中，目标类别的第二特征信息表征的是新用户的特征，使得合并深度特征可以更加准确的反映了新用户的特征信息时，从而使得根据合并深度特征训练得到的对象推荐模型根据新用户的特征信息所预测的推荐对象的评分的准确性提高。

技术领域

本申请涉及人工智能技术领域，更具体地，涉及一种对象推荐模型的训练方法、对象推荐方法、装置、电子设备及存储介质。

背景技术

随着电子技术和网络技术的不断发展，越来越多的用户通过网络浏览新闻、商品以及学习课程等对象的信息。对象推荐平台可以根据训练样本对神经网络模型进行训练，得到对象推荐模型，然后将特征信息输入对象推荐模型，得到推荐对象各自的评分，以根据推荐对象各自的评分，确定推荐的对象。

然而，上述过程中，对象推荐模型根据新用户的特征信息所预测的推荐对象的评分的准确性较低，从而造成对象推荐不准确的问题。

发明内容

有鉴于此，本申请实施例提出了一种对象推荐模型的训练方法、对象推荐方法、装置、电子设备及存储介质。

第一方面，本申请实施例提供了一种对象推荐模型的训练方法，所述方法包括：通过初始推荐模型对用户的第一特征信息进行处理，得到对应所述第一特征信息的第一深度特征；通过所述初始推荐模型对所述用户的第二特征信息进行处理，得到对应所述第二特征信息的第二深度特征，所述第二特征信息为所述第一特征信息中属于目标类别的特征信息；将所述第一深度特征与所述第二深度特征进行合并，得到合并深度特征；根据所述合并深度特征对所述初始推荐模型进行训练，得到所述对象推荐模型。

第二方面，本申请实施例提供了一种对象推荐方法，所述方法包括：响应于接收到的对象推荐请求，获取目标特征信息；将所述目标特征信息，输入对象推荐模型，得到所述对象推荐模型预测的多个对象各自对应的对象评分，所述对象推荐模型由第一方面所述的对象推荐模型的训练方法训练得到；根据所述多个对象各自对应的对象评分，确定目标推荐对象。

第三方面，本申请实施例提供了一种对象推荐模型的训练装置，所述装置包括：第一处理模块，用于通过初始推荐模型对用户的第一特征信息进行处理，得到对应所述第一特征信息的第一深度特征；第二处理模块，用于通过所述初始推荐模型对所述用户的第二特征信息进行处理，得到对应所述第二特征信息的第二深度特征，所述第二特征信息为所述第一特征信息中属于目标类别的特征信息；合并模块，用于将所述第一深度特征与所述第二深度特征进行合并，得到合并深度特征；训练模块，用于根据所述合并深度特征对所述初始推荐模型进行训练，得到所述对象推荐模型。

第四方面，本申请实施例提供了一种对象推荐装置，所述装置包括：响应模块，用于响应于接收到的对象推荐请求，获取目标特征信息；评分模块，用于将所述目标特征信息，输入对象推荐模型，得到所述对象推荐模型预测的多个对象各自对应的对象评分，所述对象推荐模型由第一方面所述的对象推荐模型的训练方法训练得到；推荐模块，用于根据所述多个对象各自对应的对象评分，确定目标推荐对象。

第五方面，本申请实施例提供了一种电子设备，包括处理器以及存储器；一个或多个程序被存储在存储器中并被配置为由处理器执行以实现上述的方法。

第六方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有程序代码，其中，在程序代码被处理器运行时执行上述的方法。

第七方面，本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该电子设备执行上述的方法。