[发明专利]一种信息确定方法及相关产品

说明书

本申请实施例公开了一种信息确定方法及相关产品。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；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。可见，通过实施本申请实施例，有利于更迅速、精确地确定向用户推荐的信息及实现多样实际应用场景的应用。

技术领域

本申请涉及信息处理技术领域，具体涉及一种信息确定方法及相关产品。

背景技术

目前，现有的一些信息推荐方法虽然可以结合用户的特征和信息的特征来检索该用户偏好或者关联的内容，然后将这些用户偏好或者关联的内容向用户推荐。但是，这些方法往往受限于计算机的运行速度和商业成本，只能运行在相对较小的内容库上，这是因为现今存在的能够挖掘出组合特征的重要性的特征挖掘方法在进行特征挖掘时，往往会面临特征组合的数量指数爆炸的问题。

因此，现有的可以结合用户和信息的特征来推荐信息的方法在对信息进行处理过程中的计算效率低下，且难以应用于多样的实际应用场景中。

发明内容

本申请实施例提供了一种信息确定方法及相关产品，通过实施本申请实施例，有利于更迅速、精确地确定向用户推荐的信息及实现多样实际应用场景的应用。

第一方面，本申请实施例提供了一种信息确定方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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；