[发明专利]一种信息确定方法及相关产品

权利要求书

1.一种信息确定方法，其特征在于，应用于服务器，所述方法包括：

获取第一预设数量的用户特征因子；

将所述第一预设数量的用户特征因子输入神经网络模型中，得到第二预设数量的待推荐信息；

从所述第二预设数量的待推荐信息中提取出第三预设数量的信息特征因子；

将所述第一预设数量的用户特征因子和所述第三预设数量的信息特征因子输入因子分解机模型中，得到多个组合特征因子的重要性排序，其中，所述组合特征因子为根据用户特征因子和信息特征因子生成的特征因子，用于表征用户特征和信息特征的综合特征；

根据所述多个组合特征因子的重要性排序从所述第二预设数量的待推荐信息中确定向目标用户推荐的信息。

2.根据权利要求1所述的方法，其特征在于，所述用户特征因子包括所述目标用户的用户特征因子，所述获取第一预设数量的用户特征因子包括：

判断所述目标用户是否为冷启动用户；

若所述目标用户非冷启动用户，则从用户信息库中获取所述目标用户的用户信息；

从所述目标用户的用户信息中提取出第一预设数量的用户特征因子。

3.根据权利要求2所述的方法，其特征在于，若所述目标用户是冷启动用户，所述方法还包括：

从所述用户信息库中获取第四预设数量的非冷启动用户在预设时间段内的用户信息；

从所述预设时间段内的用户信息中提取出第一预设数量的用户特征因子。

4.根据权利要求1所述的方法，其特征在于，在将所述第一预设数量的用户特征因子输入神经网络模型中之前，所述方法还包括：

获取第五预设数量的历史用户的用户特征因子和喜好的信息；

利用神经网络算法对所述的历史用户的用户特征因子和喜好的信息进行训练以得到所述神经网络模型。

5.根据权利要求4所述的方法，其特征在于，在将所述第一预设数量的用户特征因子和所述第三预设数量的信息特征因子输入因子分解机模型中之前，所述方法还包括：

从所述历史用户喜好的信息中提取出第六预设数量的信息特征因子；

利用因子分解机算法对所述历史用户的用户特征因子和所述第六预设数量的信息特征因子进行训练以得到所述因子分解机模型。

6.根据权利要求1所述的方法，其特征在于，所述组合特征因子的重要性排序包括按照重要性由大到小排序，所述根据所述多个组合特征因子的重要性排序从所述第二预设数量的待推荐信息中确定向目标用户推荐的信息包括：

判断所述组合特征因子的重要性排序是否小于预设阈值；

若小于预设阈值，则从所述第二预设数量的待推荐信息中选出所述组合特征因子对应的待推荐信息作为向所述目标用户推荐的信息。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述将所述第一预设数量的用户特征因子和所述第三预设数量的信息特征因子输入因子分解机模型中，得到多个组合特征因子的重要性排序包括：

将所述第一预设数量的用户特征因子和所述第三预设数量的信息特征因子输入所述因子分解机模型中，得到分解矩阵；

根据所述分解矩阵计算得到所述第一预设数量的用户特征因子和所述第二预设数量的信息特征因子两两组合而成的组合特征因子的交叉项系数，并根据所述交叉项系数计算得到所述组合特征因子的重要性；

根据所述组合特征因子的重要性构造组合特征重要性矩阵；

将相同特征域内的组合特征因子和重复的组合特征因子从所述组合特征重要性矩阵中去除；

对去除相同特征域内的组合特征因子和重复的组合特征因子后的组合特征重要性矩阵进行排序，得到所述组合特征因子的重要性排序。