[发明专利]一种对象推荐方法、装置、服务器及存储介质有效

专利信息
申请号: 201910786657.8 申请日: 2019-08-23
公开(公告)号: CN112417216B 公开(公告)日: 2023-09-22
发明(设计)人: 王敏;陈景杨;刘安臣 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F16/901 分类号: G06F16/901;G06F16/9535
代理公司: 深圳市深佳知识产权代理事务所(普通合伙) 44285 代理人: 骆苏华
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 对象 推荐 方法 装置 服务器 存储 介质
【权利要求书】:

1.一种对象推荐方法,其特征在于,所述方法包括:

获取目标用户的特征标签,计算所述目标用户的特征标签对应的目标用户特征向量,得到所述目标用户的特征向量组;

利用所述目标用户的特征向量组,按照预先设定的索引序列建立规则,生成所述目标用户的索引序列;

在预先建立的待推荐对象的索引序列中,将与目标用户的索引序列相同的待推荐对象的索引序列作为目标索引序列,并将目标索引序列对应的待推荐对象作为目标推荐对象,其中,所述待推荐对象的索引序列为依据所述预先设定的索引序列建立规则,对至少一个待推荐对象的特征向量组进行处理后得到的索引序列,所述待推荐对象的特征向量组与所述目标用户的特征向量组的维度相同,目标用户的特征向量组中各个位置的目标用户特征向量的种类与待推荐对象的特征向量组中相应位置的待推荐对象特征向量的种类相同;

将所述目标推荐对象推荐给目标用户。

2.根据权利要求1所述的方法,其特征在于,所述获取目标用户的特征标签,计算所述目标用户的特征标签对应的目标用户特征向量,得到所述目标用户的特征向量组的过程包括:

利用预先训练的用户特征向量训练模型,获取目标用户的特征标签,并计算所述目标用户的特征标签对应的目标用户特征向量;

利用向量线性组合方式,将目标用户特征向量映射到预先设置的基向量的向量空间下,得到所述目标用户的特征向量组。

3.根据权利要求1所述的方法,其特征在于,所述利用所述目标用户的特征向量组,按照预先设定的索引序列建立规则,生成所述目标用户的索引序列的过程包括:

依据所述目标用户的特征向量组中包含的特征向量值的大小以及特征向量值的数量,生成所述目标用户的索引序列,所述目标用户的索引序列中包含N-1级索引,索引序列中每级索引的索引标识,与按照预设排列顺序排列的前N-1个目标用户的特征向量值在目标用户的特征向量组中的位置相对应,N为目标用户的特征向量组中包含的特征向量值的数量。

4.根据权利要求1所述的方法,其特征在于,所述利用所述目标用户的特征向量组,按照预先设定的索引序列建立规则,生成所述目标用户的索引序列的过程包括:

依据所述目标用户的特征向量组中包含的特征向量值的大小以及特征向量值的数量,生成所述目标用户的索引序列,所述目标用户的索引序列中包含N-1级索引,索引序列中每级索引的索引标识,与按照由大到小顺序排列的目标用户的前N-1个特征向量值在目标用户的特征向量组中的位置相对应,N为目标用户的特征向量组中包含的特征向量值的数量。

5.根据权利要求1所述的方法,其特征在于,所述利用所述目标用户的特征向量组,按照预先设定的索引序列建立规则,生成所述目标用户的索引序列的过程包括:

从目标用户的特征向量组中选取数值最大的特征向量值作为用户目标向量值;

确定用户目标向量值在目标用户的特征向量组中的位置;

按照预先设置的索引标识与特征向量值在目标用户的特征向量组中的位置的对应关系,确定用户目标向量值在目标用户的特征向量组中的位置对应的一级索引的索引标识;

按照特征向量值的数值由大到小顺序,依次从目标用户的特征向量组中选取特征向量值作为用户目标向量值,并按照以上处理方式依次得到N-2级索引的索引标识;

将一级索引的索引标识与N-2级索引的索引标识按照索引的生成顺序进行组合,得到目标用户的索引序列。

6.根据权利要求1所述的方法,其特征在于,所述待推荐对象的索引序列的建立过程包括:

依据所述待推荐对象的特征向量组中包含的特征向量值的大小以及特征向量值的数量,生成所述待推荐对象的索引序列,所述待推荐对象的索引序列中包含N-1级索引,索引序列中每级索引的索引标识,与按照预设排列顺序排列的前N-1个待推荐对象的特征向量值在待推荐对象的特征向量组中的位置相对应,N为待推荐对象的特征向量组中包含的特征向量值的数量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910786657.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top