[发明专利]推荐方法、推荐模型的训练方法、装置和存储介质

说明书

本申请涉及一种推荐方法、推荐模型的训练方法、装置和存储介质，具体包括：当用户对操作对象没有直接操作行为数据时，将用户对操作对象的伪操作行为数据作为训练样本进行推荐模型训练来获取推荐模型，并基于所获取的推荐模型来确定向用户推荐的待推荐对象。本申请可以利用用户社交信息来补充训练样本数据，增加用于训练推荐模型的训练样本数据的数据量，从而有效提高了据此训练得到的对象推荐模型的预测准确率，进而提高了在使用该对象推荐模型进行对象推荐时的准确度。本申请可应用于人工智能(AI)中的智能推荐领域，通过优化对象推荐模型的预测准确率来实现更贴近用户需求的对象推荐，可以有效提高对象推荐的准确度。

技术领域

本申请涉及数据处理技术领域，特别涉及一种推荐方法、推荐模型的训练方法、装置和存储介质。

背景技术

对象推荐功能是指从海量对象(如商品、音视频和资讯等)中主动挖掘用户喜好，并将其推荐给用户的功能。对象推荐功能能够实现信息过滤，来帮助用户快速发现自身所需信息，从而避免用户淹没在庞大而杂乱无序的网络内容中。

目前，往往通过推荐模型来实现对象推荐功能。具体地，可以获取目标用户的用户特征和待推荐对象的对象特征；将目标用户的用户特征和该待推荐对象的对象特征输入到推荐模型中，由该推荐模型输出该待推荐对象的推荐参数；根据该待推荐对象的推荐参数确定是否向目标用户推荐该待推荐对象。

在实现上述对象推荐功能之前，需要先训练出该推荐模型。具体地，可以获取多个用户中每个用户的用户特征和多个对象中每个对象的对象特征；对于该多个用户中的任一用户和该多个对象中的任一对象，如果存在这一用户对这一对象的直接操作行为数据，则将这一用户的用户特征、这一对象的对象特征和这一用户对这一对象的直接操作行为数据确定为一个训练样本；基于确定出的所有训练样本进行推荐模型训练，得到该推荐模型。

然而，对于该多个用户中的任一用户，这一用户通常只会对该多个对象中的一小部分对象有直接操作行为数据，而对该多个对象中的大部分对象没有直接操作行为数据，如此，这一用户与该多个对象中的大部分对象之间将不能构建训练样本，因而会导致最终确定出的训练样本的数量较少，从而导致据此训练得到的推荐模型的预测准确率较低，进而导致在使用该推荐模型进行对象推荐时的准确度较低。

发明内容

本申请提供了一种推荐方法、推荐模型的训练方法、装置和存储介质，可以解决相关技术中对象推荐准确度较低的问题。所述技术方案如下：

第一方面，提供了一种推荐方法，所述方法包括：

获取目标用户的用户特征和待推荐对象的对象特征；将所述目标用户的用户特征和所述待推荐对象的对象特征输入到对象推荐模型，获得所述待推荐对象的推荐参数；根据所述待推荐对象的推荐参数确定是否将所述待推荐对象作为目标推荐对象向所述目标用户进行推荐。

其中，所述对象推荐模型是基于第一训练样本进行推荐模型训练得到，所述第一训练样本包括第一用户的用户特征、第一对象的对象特征以及所述第一用户对所述第一对象的操作行为数据。

其中，当不存在所述第一用户对所述第一对象的直接操作行为数据时，所述第一用户对所述第一对象的操作行为数据为所述第一用户对所述第一对象的伪操作行为数据，所述第一用户对所述第一对象的伪操作行为数据是根据所述第一用户的第一账号与至少一个第一好友账号中每个第一好友账号之间的关联关系和所述至少一个第一好友账号中每个第一好友账号对所述第一对象的直接操作行为数据生成得到，所述至少一个第一好友账号为所述第一账号关联的好友账号中对所述第一对象有直接操作行为数据的好友账号。

可选地，某个用户对某个对象的操作行为数据可以为这个用户对这个对象的评分或点击率等其它操作行为数据。