[发明专利]一种对象推荐方法、装置、设备及介质

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：

确定待向终端中当前账户展示的多个对象；

利用预先训练的对象排序模型确定所述多个对象中每个对象展示后被选中的选择评价参数，其中，所述对象排序模型是基于预先确定的所述当前账户的属性特征、所述当前账户历史搜索文本的文本特征、为所述当前账户历史展示对象的对象特征以及所述当前账户对历史展示对象的选择结果训练生成的，所述选择评价参数表征所述对象与所述当前账户对历史展示对象的选择结果为选中的全部对象的相关度；

基于每个对象展示后被选中的选择评价参数，确定所述多个对象的展示顺序，并以所述展示顺序向所述当前账户推荐所述多个对象。

2.根据权利要求1所述的方法，其特征在于，所述多个对象为与所述当前账户输入的用于搜索对象的搜索文本相匹配的对象。

3.根据权利要求1或2所述的方法，其特征在于，所述预先训练的对象排序模型采用如下步骤训练：

将预先确定的所述当前账户的属性特征、所述当前账户历史搜索文本的文本特征、为所述当前账户历史展示对象的对象特征作为第一深度神经网络模型的输入特征，并将所述当前账户对历史展示对象的选择结果作为所述第一深度神经网络模型输出特征，对所述第一深度神经网络模型进行训练，将训练生成的第一深度神经网络模型作为所述对象排序模型。

4.根据权利要求3所述的方法，其特征在于，所述预先确定的所述当前账户的属性特征、所述当前账户历史搜索文本的文本特征、为所述当前账户历史展示对象的对象特征采用如下步骤确定：

从所述当前账户的账户日志中获取所述当前账户标识ID、所述当前账户历史搜索文本、为所述当前账户历史展示对象的对象ID、以及所述当前账户对历史展示对象的选择结果；

利用预先训练的第二深度神经网络模型对所述对象ID所标识的对象进行分类，确定所述当前账户的属性特征和所述对象ID所标识对象的对象特征，其中，所述第二深度神经网络模型是基于所述当前账户ID、为所述当前账户历史展示对象、以及所述当前账户对历史展示对象的选择结果训练生成的；

对所述当前账户历史搜索文本进行分词处理，将分词后得到多个词的平均词向量作为所述当前账户历史搜索文本的文本特征。

5.一种对象推荐装置，其特征在于，所述装置包括：

确定单元，被配置为执行确定待向终端中当前账户展示的多个对象；

处理单元，被配置为执行利用预先训练的对象排序模型确定所述多个对象中每个对象展示后被选中的选择评价参数，其中，所述对象排序模型是基于预先确定的所述当前账户的属性特征、所述当前账户历史搜索文本的文本特征、为所述当前账户历史展示对象的对象特征以及所述当前账户对历史展示对象的选择结果训练生成的，所述选择评价参数表征所述对象与所述当前账户对历史展示对象的选择结果为选中的全部对象的相关度；

展示单元，被配置为执行基于每个对象展示后被选中的选择评价参数，确定所述多个对象的展示顺序，并以所述展示顺序向所述当前账户推荐所述多个对象。

6.根据权利要求5所述的装置，其特征在于，所述多个对象为与所述当前账户输入的用于搜索对象的搜索文本相匹配的对象。

7.根据权利要求5或6所述的装置，其特征在于，所述处理单元被配置为预先采用如下步骤训练所述对象排序模型：

将预先确定的所述当前账户的属性特征、所述当前账户历史搜索文本的文本特征、为所述当前账户历史展示对象的对象特征作为第一深度神经网络模型的输入特征，并将所述当前账户对历史展示对象的选择结果作为所述第一深度神经网络模型输出特征，对所述第一深度神经网络模型进行训练，将训练生成的第一深度神经网络模型作为所述对象排序模型。