[发明专利]数据处理方法、装置、电子设备及存储介质

说明书

本公开是关于数据处理方法、装置、电子设备及存储介质。该方法包括：获取表示同一用户的多个行为特征，每个所述行为特征表示该用户针对对象发生的用户行为；确定所述多个行为特征的均值，作为行为特征均值；确定每个所述行为特征，与行为特征均值的相似度，作为第一相似度；确定每个所述行为特征所对应的对象的对象特征，与待推荐对象的对象特征的相似度，作为第二相似度；基于所述第一相似度和所述第二相似度，确定每个行为特征与所述待推荐对象的关联程度；从所述多个行为特征中，选取所述关联程度满足预设筛选条件的行为特征，作为目标行为特征；基于所述目标行为特征，确定所述待推荐对象的推荐度。可以有效降低计算推荐度所花费的计算资源。

技术领域

本公开涉及深度学习算法技术领域，尤其涉及数据处理方法、装置、电子设备及存储介质。

背景技术

相关技术中，为准确向用户推荐用户感兴趣的对象(如文章、视频等)，可以基于授权获取到的用户行为，对用户的兴趣进行分析，以确定用户对各个对象的感兴趣程度，作为向用户推荐对象时的参考依据。其中，用户对对象的感兴趣程度，可以视为向用户推荐对象时的推荐度，推荐度可以用于判断是否向用户推荐对象，如果对象的推荐度较低，则可以不向用户推荐对象，如果对象的推荐度较高，则可以向用户推荐对象。

在对用户的兴趣进行分析的过程中，一个用户行为的贡献往往有限。为提高分析的准确性，可以通过大量的用户行为，对用户的兴趣进行分析。但是通过大量的用户行为，对用户的兴趣进行分析，可能需要花费较多的计算资源。

发明内容

为克服相关技术中存在的问题，本公开提供一数据处理方法、装置、电子设备及存储介质。

根据本公开实施例的第一方面，提供一种数据处理方法，包括：

获取表示同一用户的多个行为特征，每个所述行为特征表示该用户针对对象发生的用户行为；

确定所述多个行为特征的均值，作为行为特征均值；

确定每个所述行为特征，与行为特征均值的相似度，作为第一相似度；

确定每个所述行为特征所对应的对象的对象特征，与待推荐对象的对象特征的相似度，作为第二相似度，其中，所对应的对象为所述行为特征所表示的用户行为所针对的对象；

基于所述第一相似度和所述第二相似度，确定每个行为特征与所述待推荐对象的关联程度，所述关联程度与所述第一相似度正相关，并且与所述第二相似度正相关；

从所述多个行为特征中，选取所述关联程度满足预设筛选条件的行为特征，作为目标行为特征；

基于所述目标行为特征，确定所述待推荐对象的推荐度。

结合第一方面，在第一种可能的实现方式中，所述确定每个所述行为特征，与行为特征均值的相似度，作为第一相似度，包括：

将所述多个行为特征的特征向量，与所述多个行为特征所表示的用户行为的时间参数量化后相加，得到所述用户的行为特征矩阵，其中，所述时间参数用于表示用户行为的发生时间与当前时间的时间差；

将所述行为特征矩阵与自身进行矩阵叉乘，得到每个行为特征的第一相似度。

结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述确定所述每个所述行为特征，所表示的用户行为针对的对象的对象特征，与待推荐对象的对象特征的相似度，作为第二相似度，包括：

基于所述行为特征矩阵的维度，对待推荐对象的对象特征的对象特征向量的维度进行扩展，得到对象特征矩阵；

将所述行为特征矩阵，与所述对象特征矩阵进行矩阵点乘，得到第二相似度。