[发明专利]一种多目标推荐方法、多目标推荐模型生成方法以及装置

权利要求书

1.一种多目标推荐方法，其特征在于，包括：

获取待推荐对象信息和用户信息；

将所述待推荐对象信息和所述用户信息输入预设的多目标推荐模型；其中，所述多目标推荐模型具有多个输出节点；

获取所述多目标推荐模型的多个输出节点输出的多个预测值；

根据所述多个预测值将所述待推荐对象推荐至用户；

其中，所述多目标推荐模型通过如下方式生成：

获取样本数据以及初始多目标推荐模型；其中，所述样本数据包括推荐对象信息和用户信息；所述用户信息包含点击率特征信息和浏览时长特征信息；

采用所述样本数据生成特征向量；

采用所述特征向量以及所述初始多目标推荐模型进行训练，并计算训练之后的多目标推荐模型的多个损失函数；所述多个损失函数包括基于点击率特征信息的损失函数以及基于浏览时长特征信息的损失函数；

当训练之后的多目标推荐模型的多个损失函数都最小化时，停止训练所述多目标推荐模型。

2.根据权利要求1所述的方法，其特征在于，所述多目标推荐模型还具有预设数目的隐藏层，以及与最后一层隐藏层连接的全连接层，所述全连接层分别与所述多个输出节点连接；所述全连接层用于将所述最后一层隐藏层的输出结果拆分，并将拆分的输出结果分别输入到所述多个输出节点。

3.根据权利要求1所述的方法，其特征在于，所述将所述待推荐对象信息和所述用户信息输入预设的多目标推荐模型，包括：

对所述待推荐对象信息和所述用户信息进行向量化处理，生成待推荐特征向量信息；

将所述待推荐特征向量信息输入所述预设的多目标推荐模型。

4.根据权利要求1所述的方法，其特征在于，所述根据所述多个预测值将待推荐对象推荐至用户，包括：

根据所述多个预测值从待推荐对象中，确定目标待推荐对象；

获取分别针对所述多个预测值的权重参数；

根据所述权重参数，对所述目标待推荐对象进行排序；

按照排序结果，将所述目标待推荐对象推荐至用户。

5.根据权利要求4所述的方法，其特征在于，每个所述预测值包含用户针对各个待推荐对象的期望概率值；所述根据所述多个预测值从所述待推荐对象中，确定目标待推荐对象，包括：

将所述多个预测值中针对相同待推荐对象的期望概率值相加，得到目标概率值；

根据针对各个所述待推荐对象的目标概率值，从所述待推荐对象中确定目标待推荐对象。

6.一种多目标推荐模型生成方法，其特征在于，包括：

获取样本数据以及初始多目标推荐模型；其中，所述样本数据包括推荐对象信息和用户信息，所述用户信息包含点击率特征信息和浏览时长特征信息；

采用所述样本数据生成特征向量信息；

采用所述特征向量以及所述初始多目标推荐模型进行训练，并计算训练之后的多目标推荐模型的多个损失函数；所述多个损失函数包括基于点击率特征信息的损失函数以及基于浏览时长特征信息的损失函数；

当训练之后的多目标推荐模型的多个损失函数都最小化时，停止训练所述多目标推荐模型。

7.根据权利要求6所述的方法，其特征在于，在所述采用所述样本数据生成特征向量信息之后，还包括：

对所述特征向量信息进行预处理；其中，所述预处理包括：等频归一化处理和低频过滤。

8.根据权利要求6所述的方法，其特征在于，所述多目标推荐模型具有预设数目的隐藏层、与最后一层隐藏层连接的全连接层，以及分别与所述全连接层连接的多个输出节点；所述全连接层用于将所述最后一层隐藏层的输出结果拆分，并将拆分的输出结果分别输入到所述多个输出节点；每一隐藏层的神经元具有一相应的激活函数。