[发明专利]对象推荐的调整方法及装置、存储介质、电子设备

权利要求书

1.一种对象推荐的调整方法，其特征在于，包括：

获取预设时间段内的目标数据，其中，所述目标数据中包括：帐户集群中每个帐户的属性特征和每个所述帐户的行为特征，对象集群中每个对象的属性特征和每个所述对象的行为特征，所述帐户集群中的所有帐户均属于同一帐户类别，所述对象集群中的所有对象均属于同一对象类别；

将所述目标数据输入至目标网络模型中，得到所述目标网络模型输出的所述帐户集群和所述对象集群之间的第一转化率；

基于所述第一转化率调整对所述帐户集群的推荐对象；

所述目标网络模型是通过如下方式进行训练得到的：将确定的训练数据输入至原始网络模型中的第一网络中，得到融合特征，其中，所述训练数据中的数据均属于同一类别的数据，所述训练数据与所述目标数据的数据类型相同，所述训练数据中包括第一样本数据和第二样本数据，所述第一样本数据中包括不同类型的样本帐户集群，所述第二样本数据包括不同类型的样本对象集群，所述样本帐户集群中包括每个样本帐户的属性特征和每个所述样本帐户的行为特征，所述样本对象集群中包括每个所述样本对象的属性特征和每个所述样本对象的行为特征，所述样本帐户集群中的所有帐户均属于同一帐户类别，所述样本对象集群中的所有对象均属于同一对象类别，所述融合特征包括所述样本帐户集群和所述样本对象集群融合的属性特征和行为特征；将所述融合特征输入至所述原始网络模型中的第二网络中，得到转化率；基于所述转化率确定所述原始网络模型的损失值；基于所述损失值迭代更新所述原始网络模型的网络参数，得到所述目标网络模型；

所述训练数据通过如下方式得到：按照第一采样规则从样本数据集中抽取第一样本数据，其中，所述第一采样规则包括每个样本数据被抽取到的概率相同；按照第二采样规则从所述样本数据集中抽取第二样本数据，其中，所述样本数据集中包括第一类型的样本数据和第二样本数据，所述第一类型的样本数据的数量小于或等于所述第二样本数据的数量，所述第二采样规则包括所述第二样本数据被抽取到的概率大于所述第一类型的样本数据被抽取到的概率，所述第一类型的样本数据包括不同类型的帐户集群，所述第二样本数据包括不同类型的对象集群；将所述第一样本数据、所述第二样本数据与原始样本数据进行拼接，得到所述训练数据。

2.根据权利要求1所述的方法，其特征在于，获取预设时间段内的目标数据，包括：

获取所述帐户集群中每个所述帐户的向量数据，其中，每个所述帐户的向量数据包括：每个所述帐户的标识向量、每个所述帐户所归属的所述帐户集群的标识向量以及每个所述帐户的行为标签向量，所述行为标签向量用于表示每个所述帐户转化所述对象集群中的对象的行为；

获取对象集群中每个所述对象的向量数据，其中，每个所述对象的向量数据包括：每个所述对象的标识向量和每个所述对象所归属的所述对象集群的标识向量；

基于每个所述帐户的向量数据和每个所述对象的向量数据确定所述目标数据。

3.根据权利要求2所述的方法，其特征在于，基于每个所述帐户的向量数据和每个所述对象的向量数据确定所述目标数据，包括：

获取每个所述帐户的原始数据，其中，每个所述帐户的原始数据包括：每个所述帐户的原始属性和每个所述帐户的原始行为特征，其中，所述原始行为特征包括每个所述帐户转化所述对象集群的行为；

获取每个所述对象的原始数据，其中，每个所述对象的原始数据包括：每个所述对象的原始属性和每个所述对象的原始行为特征，其中，每个所述对象的原始行为特征包括每个所述对象被所述帐户集群转化的行为；

将每个所述帐户的原始数据转换为向量数据，得到每个所述帐户的原始向量数据；

拼接每个所述帐户的原始向量数据和所述每个帐户的向量数据，以及拼接每个所述对象的原始向量数据和每个所述对象的向量数据，确定出目标向量矩阵，以得到所述目标数据。