[发明专利]一种基于概率采样的推荐方法、装置、设备及介质

说明书

本发明公开了一种基于概率采样的推荐方法、装置、设备及介质，所述方法包括获取行为日志；根据所述行为日志生成初始样本集；根据概率采样算法对所述初始样本集中的初始样本中的各个对象进行采样以得到所述初始样本对应的训练样本；根据多个初始样本对应的训练样本得到训练样本集；根据所述训练样本集训练推荐模型，基于所述推荐模型得到所述训练样本集中各个对象对应的词嵌入向量；获取候选对象集，基于所述推荐模型得到所述候选对象集中各个候选对象对应的词嵌入向量；根据训练样本集中各个对象的词嵌入向量和候选对象集中各个候选对象对应的词嵌入向量，在所述候选对象集中提取推荐对象集。本发明可以推荐更具有多样性的对象，提升用户粘度。

技术领域

本发明涉及推荐领域，尤其涉及一种基于概率采样的推荐方法、装置、设备及介质。

背景技术

现有技术中的媒体服务平台中经常会涉及到向用户推荐其潜在的感兴趣对象，比如，推荐用户感兴趣的新闻对象、音视频对象或图文对象。推荐依据是用户的历史记录，即根据用户记录为用户推荐与历史记录相似的感兴趣对象。

现有技术中通常通过线下构建训练样本，根据训练样本训练推荐模型，并依赖推荐推荐模型进行线上推荐的方式为用户推荐感兴趣对象。所述线下构建训练样本即根据用户的历史记录，提取用户曾经选择过的对象作为训练样本。这种训练样本的构建方式并未对用户曾经选择过多的对象进行严格的筛选，由此导致训练样本中的数据之间的相关度较高，训练样本的无序性降低，从而影响了训练样本的质量。而训练样本质量不高必然导致基于所述训练样本训练而得的推荐模型的推荐质量难以保证，从而影响推荐的感兴趣对象对用户兴趣的命中率，降低了用户粘度。

发明内容

为了解决现有技术中训练样本质量不高从而导致的推荐精度低的技术问题，本发明实施例提供一种基于概率采样的推荐方法、装置、设备及介质。

一方面，本发明提供了一种基于概率采样的推荐方法，所述方法包括：

获取行为日志；

根据所述行为日志生成初始样本集，所述初始样本集中包括多个初始样本，每个初始样本包括多个对象；

根据概率采样算法对所述初始样本集中的初始样本中的各个对象进行采样以得到所述初始样本对应的训练样本；根据多个初始样本对应的训练样本得到训练样本集；所述概率采样算法对所述初始样本中的当前对象的采样命中率与当前对象的相关相似度反相关，所述当前对象的相关相似度为所述当前对象与所述初始样本中最近一个被采样的对象之间的相似度；和/或，所述概率采样算法对所述初始样本中的当前对象的采样命中率与当前对象的感兴趣指数正相关；

根据所述训练样本集训练推荐模型，基于所述推荐模型得到所述训练样本集中各个对象对应的词嵌入向量；

获取候选对象集，基于所述推荐模型得到所述候选对象集中各个候选对象对应的词嵌入向量；

根据所述训练样本集中各个对象的词嵌入向量和所述候选对象集中各个候选对象对应的词嵌入向量，在所述候选对象集中提取推荐对象集。

另一方面，本发明提供一种基于概率采样的推荐装置，所述装置包括：

行为日志获取模块，用于获取行为日志；

初始样本集生成模块，用于根据所述行为日志生成初始样本集，所述初始样本集中包括多个初始样本，每个初始样本包括多个对象；

训练样本集生成模块，用于根据概率采样算法对所述初始样本集中的初始样本中的各个对象进行采样以得到所述初始样本对应的训练样本；根据多个初始样本对应的训练样本得到训练样本集；所述概率采样算法对所述初始样本中的当前对象的采样命中率与当前对象的相关相似度反相关，所述当前对象的相关相似度为所述当前对象与所述初始样本中最近一个被采样的对象之间的相似度；和/或，所述概率采样算法对所述初始样本中的当前对象的采样命中率与当前对象的感兴趣指数正相关；