[发明专利]一种信息推荐方法、装置、设备及存储介质

权利要求书

1.一种信息推荐方法，其特征在于，包括：

获取目标用户的特征数据；

根据所述特征数据和第一模型确定所述目标用户的目标信息；

其中，所述第一模型包括注意力机制网络层；

将所述目标信息推荐给所述目标用户；

获取所述第一模型，包括：

构建第二模型，所述第二模型与所述第一模型的网络结构相同；

根据播放日志生成训练数据；

根据所述训练数据从所述数据库中提取用户的特征数据和信息的特征数据；

对所述用户的特征数据和信息的特征数据进行处理，获得用户输入特征数据和信息输入特征数据；

根据所述用户输入特征数据和信息输入特征数据训练所述第二模型；

将训练后的第二模型确定为所述第一模型；

所述第二模型为深度矩阵分解模型，所述第二模型包括用户网络和信息网络以及注意力机制网络层。

2.根据权利要求1所述的信息推荐方法，其特征在于，所述训练数据包括至少一个用户标识ID和至少两个信息ID；

所述根据所述训练数据从数据库中提取用户的特征数据和信息的特征数据，包括：

根据所述至少一个标签从数据库中依次提取与所述至少一个用户ID对应的用户的特征数据和与所述至少一个信息ID对应的信息的特征数据。

3.根据权利要求1所述的信息推荐方法，其特征在于，对所述信息的特征数据进行处理，获得信息输入特征数据，包括：

对从数据库中依次提取的至少两个信息中最后一个信息进行独热编码；

将经过独热编码的信息的特征数据进行拼接得到信息输入特征数据。

4.根据权利要求1所述的信息推荐方法，其特征在于，对所述用户的特征数据进行处理，获得用户输入特征数据，包括：

对用户的特征数据进行独热编码；

将第一特征数据与经过独热编码的用户的特征数据进行拼接得到用户输入特征数据，所述第一特征数据在注意力机制网络层中计算获得。

5.根据权利要求4所述的信息推荐方法，其特征在于，在注意力机制网络层中计算获得第一特征数据，包括：

将信息的特征向量序列中最后一个特征向量分别与除最后一个特征向量的其余特征向量做内积计算；

将得到的至少一个内积计算结果进行函数处理，得到权重序列；

根据所述权重序列，计算所述信息的特征向量序列中各个特征向量的加权平均值，将所述加权平均值确定为所述第一特征数据。

6.根据权利要求5所述的信息推荐方法，其特征在于，获取信息的特征向量序列，包括：

对从数据中依次提取的至少两个信息的特征数据进行独热编码；

将经过独热编码后的信息的特征数据进行拼接；

将拼接后的信息的特征数据输入第二模型中，得到信息的特征向量序列。

7.一种信息推荐装置，其特征在于，包括：

获取模块，用于获取目标用户的特征数据；

确定模块，用于根据所述特征数据和第一模型确定目标用户的目标信息；

其中，所述第一模型包括注意力机制网络层；

推荐模块，用于将所述目标信息推荐给所述目标用户；

所述装置包括，模型确定模块，用于构建第二模型，所述第二模型与所述第一模型的网络结构相同；

根据播放日志生成训练数据；

根据所述训练数据从所述数据库中提取用户的特征数据和信息的特征数据；

对所述用户的特征数据和信息的特征数据进行处理，获得用户输入特征数据和信息输入特征数据；

根据所述用户输入特征数据和信息输入特征数据训练所述第二模型；

将训练后的第二模型确定为所述第一模型；

所述第二模型为深度矩阵分解模型，所述第二模型包括用户网络和信息网络以及注意力机制网络层。

8.一种信息推荐设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1-6任一项所述的信息推荐方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-6中任一项所述的信息推荐方法。