[发明专利]确定用户对物品的兴趣度的方法与装置、设备和存储介质

说明书

本公开提供了一种确定用户对物品的兴趣度的方法与装置、机器设备和计算机可读存储介质。该方法包括：根据目标用户的行为的分类，获取所述目标用户的每个分类行为的分类行为信息表示；获取候选物品的信息表示；根据所述目标用户的分类行为的分类行为信息表示和所述候选物品的信息表示，确定所述目标用户对所述候选物品的兴趣度。通过本公开实施例，可以使得所确定的兴趣度更接近用户的真实情况。

技术领域

本公开涉及互联网技术领域，具体涉及一种确定用户对物品的兴趣度的方法与装置、机器设备和计算机可读存储介质。

背景技术

在互联网产品中，推荐系统应用广泛，其一般以大数据和算法为基础，确定或预测用户偏好/兴趣度，推荐尽可能符合用户偏好/兴趣度的物品，以提高推荐成功率。常见的推荐方法可分为三种方式：基于内容的推荐，基于协同过滤的推荐以及交叉混合的推荐。

例如，在新闻推荐领域，现有的个性化智能推荐方法有如下几种：(1)分析用户日志，获取用户兴趣爱好标签，通过标签给用户推荐感兴趣的新闻产品；(2)基于相似度推荐，即，通过计算余弦相似度等方式计算用户和产品之间的相似度，若相似度高于设定阈值则将产品加入推荐序列；(3)分析产品和用户的个体特征，基于机器学习的方法预测产品的点击通过率(Click-Through-Rate，CTR)。

随着互联网产品推荐中的交互模式不断深化，用户、内容和产品等维度不断碰撞并加速融合。在这种背景下，以上现有技术的缺点也突出反映出来：

现有技术(1)，通过更新标签给用户推荐新闻产品，具有简单高效的优点，但是个性化效果较差，标签定义宽泛，不能够准确、充分地反映用户对新闻的固有喜好特征，并且受噪点影响明显。

现有技术(2)，利于提供令人信服的推荐解释，但是如果用户很多，计算相似度矩阵代价很大，面临数据稀疏问题。

现有技术(3)，推荐直观，不需要领域知识，但是推荐结果直接取决于特征的选取，并且大多只以用户对产品的点击作为建模标准。

发明内容

本公开的目的之一在于提供一种信息向量化方法与装置、互动图谱形成方法与装置、机器设备和计算机可读存储介质，以克服以上问题中的一个或多个。

根据本公开实施例的第一方面，公开了一种确定用户对物品的兴趣度的方法，其包括：

根据目标用户的行为的分类，获取所述目标用户的每个分类行为的分类行为信息表示；

获取候选物品的信息表示；

根据所述目标用户的分类行为的分类行为信息表示和所述候选物品的信息表示，确定所述目标用户对所述候选物品的兴趣度。

根据本公开实施例的第二方面，公开了一种确定用户对物品的兴趣度的装置，其包括：

分类行为信息表示获取模块，其被配置为：根据目标用户的行为的分类，获取所述目标用户的每个分类行为的分类行为信息表示；

物品信息获取模块，其被配置为：获取候选物品的信息表示；

兴趣度确定模块，其被配置为：根据所述目标用户的分类行为的分类行为信息表示和所述候选物品的信息表示，确定所述目标用户对所述候选物品的兴趣度。

根据本公开实施例的第三方面，公开了一种机器设备，其包括处理器以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如上所述各实施例的方法。

根据本公开实施例的第四方面，公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述各实施例的方法。

本公开的实施例提供的技术方案可以具有以下有益效果：