[发明专利]一种实现个性化推荐的方法及装置

说明书

本发明公开了一种实现个性化推荐的方法及装置，涉及机器学习技术领域，主要技术方案包括：获取数据源，数据源包括多个数据表；确定数据源中的多个数据表的嵌套层级数N，依次对每个嵌套层级执行如下步骤：从数据源中，确定当前嵌套层级的目标数据表；对目标数据表以及数据源中与目标数据表存在对应关系的数据表，进行深度特征提取，并将提取的深度特征添加到目标数据表中，形成深度特征表；对深度特征表进行离散特征处理和/或窗口特征处理，形成针对目标数据表的特征表，并将特征表作为新的数据表添加到数据源中；基于第N个嵌套层级的目标数据表的特征表，进行机器学习模型训练，得到推荐模型；利用推荐模型实现个性化推荐。

技术领域

本发明涉及机器学习技术领域，特别是涉及一种实现个性化推荐的方法及装置。

背景技术

随着数据挖掘技术的不断发展，机器学习模型逐渐成为分析海量数据的重要手段，个性化推荐成为机器学习模型的主要应用场景之一。

目前，个性化推荐的方法通常为：从大量的数据中提取特征，并选用合适的机器学习模型对样本进行建模，从而得到用于个性化推荐的推荐模型。推荐模型所涉及的特征是机器学习中作为个体可测量的属性或被观测现象，其在机器学习中占有重要作用。发明人在发明创造过程中发现特征提取时需要选用具有丰富的建模经验的业务人员，由该业务人员人工提取出可能有用的特征用于个性化推荐模型的构建。可见，现有的方式特征在实现个性化推荐时，人力成本的投入较大。

发明内容

有鉴于此，本发明提出了一种实现个性化推荐的方法及装置，主要目的在于实现个性化推荐时，减少人力成本的投入。

第一方面，本发明提供了一种实现个性化推荐的方法，该方法包括：

获取数据源，其中，所述数据源包括多个数据表，各数据表均具有其各自的类别；

确定所述数据源中的多个数据表的嵌套层级数N，依次对每个嵌套层级执行如下步骤：从所述数据源中，确定当前嵌套层级的目标数据表；对所述目标数据表以及所述数据源中与所述目标数据表存在对应关系的数据表，进行深度特征提取，并将提取的深度特征添加到所述目标数据表中，形成深度特征表；对所述深度特征表进行离散特征处理和/或窗口特征处理，形成针对所述目标数据表的特征表，并将所述特征表作为新的数据表添加到所述数据源中；N≥1；

基于第N个嵌套层级的目标数据表的特征表，进行机器学习模型训练，得到推荐模型；

利用所述推荐模型实现个性化推荐。

第二方面，本发明提供了一种实现个性化推荐的装置，该装置包括：

获取单元，用于获取数据源，其中，所述数据源包括多个数据表，各数据表均具有其各自的类别；

处理单元，用于确定所述数据源中的多个数据表的嵌套层级数N，依次对每个嵌套层级执行如下步骤：从所述数据源中，确定当前嵌套层级的目标数据表；对所述目标数据表以及所述数据源中与所述目标数据表存在对应关系的数据表，进行深度特征提取，并将提取的深度特征添加到所述目标数据表中，形成深度特征表；对所述深度特征表进行离散特征处理和/或窗口特征处理，形成针对所述目标数据表的特征表，并将所述特征表作为新的数据表添加到所述数据源中；N≥1；

训练单元，用于基于第N个嵌套层级的目标数据表的特征表，进行机器学习模型训练，得到推荐模型；

推荐单元，用于利用所述推荐模型实现个性化推荐。

第三方面，本发明提供了一种计算机可读存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行第一方面中所述的实现个性化推荐的方法。

第四方面，本发明提供了一种存储管理设备，所述存储管理设备包括：

存储器，用于存储程序；