[发明专利]推荐度排序方法、排序模型训练方法、装置及电子设备

权利要求书

1.一种推荐度排序方法，包括:

获取用户初始特征，所述用户初始特征包括目标对象在N个推荐场景下的第一共有特征，以及所述目标对象在每个推荐场景下的第一独有特征，其中，N≥2、且为整数；

获取资源初始特征，所述资源初始特征包括资源集在所述N个推荐场景下的第二共有特征，以及所述资源集在每个推荐场景下的第二独有特征；

基于目标初始特征，获得与所述N个推荐场景相关的多个推荐维度中每个推荐维度的特征向量，以获得多个特征向量，所述目标初始特征为所述用户初始特征和所述资源初始特征中的任一初始特征；

基于所述多个特征向量，获得所述资源集中多个数据资源的推荐度排序。

2.根据权利要求1所述的方法，其中，所述基于目标初始特征，获得与所述N个推荐场景相关的多个推荐维度中每个推荐维度的特征向量，以获得多个特征向量，包括：

对所述目标初始特征中包括的目标共有特征进行特征映射，获得对应于所述目标共有特征的高维共有特征；

分别对所述目标初始特征中包括的N个目标独有特征进行特征映射，获得对应于每个目标独有特征的高维独有特征，以获得N个高维独有特征；

基于所述高维共有特征和所述N个高维独有特征，获得与所述N个推荐场景相关的多个推荐维度中每个推荐维度的特征向量，以获得多个特征向量。

3.根据权利要求2所述的方法，其中，所述基于所述高维共有特征和所述N个高维独有特征，获得与所述N个推荐场景相关的多个推荐维度中每个推荐维度的特征向量，以获得多个特征向量，包括：

针对所述N个推荐场景中涉及M个推荐维度、且M≥2的第一类场景，分别通过M+1个专家网络，对所述高维共有特征和所述N个高维独有特征中对应于所述第一类场景的高维独有特征进行特征提取，获得相关性特征表示和M个维度化特征表示；

基于所述相关性特征表示和所述M个维度化特征表示，获得所述M个推荐维度中每个推荐维度的第一特征向量，以获得M个第一特征向量；

基于所述M个第一特征向量，获得所述多个特征向量。

4.根据权利要求3所述的方法，其中，所述基于所述相关性特征表示和所述M个维度化特征表示，获得所述M个推荐维度中每个推荐维度的第一特征向量，以获得M个第一特征向量，包括：

将所述相关性特征表示分别与所述M个维度化特征表示进行特征向量拼接，获得M个待调控特征表示；

将每个待调控特征表示通过对应的门控网络进行权重调控，获得M个目标特征表示；

对每个目标特征表示进行特征连接，获得所述M个第一特征向量。

5.根据权利要求2～4中任一项所述的方法，其中，所述基于所述高维共有特征和所述N个高维独有特征，获得与所述N个推荐场景相关的多个推荐维度中每个推荐维度的特征向量，以获得多个特征向量，包括，包括：

针对所述N个推荐场景中涉及一个推荐维度的第二类场景，对所述高维共有特征和所述N个高维独有特征中对应于所述第二类场景的高维独有特征进行特征连接，获得所述推荐维度的第二特征向量；

基于所述第二特征向量，获得所述多个特征向量。

6.根据权利要求1所述的方法，其中，所述基于所述多个特征向量，获得所述资源集中多个数据资源的推荐度排序，包括：

基于所述多个特征向量，确定同一推荐维度的两个特征向量；

对所述两个特征向量作哈达玛积处理，获得向量处理结果；

基于每个推荐维度所对应的向量处理结果，获得所述资源集中多个数据资源的推荐度排序。

7.根据权利要求6所述的方法，其中，所述基于每个推荐维度所对应的向量处理结果，获得所述资源集中多个数据资源的推荐度排序，包括：

整合每个推荐维度所对应的向量处理结果，以获得多个向量处理结果；

从所述多个向量处理结果中，确定与目标资源相关的目标处理结果，所述目标资源为所述多个数据资源中的任一数据资源；

基于所述目标处理结果，获得所述目标资源的推荐分数；

根据每个数据资源的推荐分数，获得所述资源集中多个数据资源的推荐度排序。