[发明专利]信息推荐方法及装置

权利要求书

1.一种信息推荐方法，其特征在于，包括：

获取待向目标用户推荐的多个目标文档；

提取所述目标用户的用户特征以及各目标文档的文档特征；

将所述用户特征和各文档特征输入至预设的至少两个适配模型中，计算所述各目标文档和所述目标用户之间的匹配度，其中，所述至少两个适配模型为预先训练至收敛状态，用于进行特征匹配度计算的算法模型；

基于所述匹配度，生成所述各目标文档的推荐策略；

所述生成所述各目标文档的推荐策略，包括：

获取所述至少两个适配模型中各适配模型的权重值；

基于所述各适配模型的权重值和所述匹配度，计算所述各目标文档和目标用户之间的加权匹配度；

根据所述加权匹配度生成所述各目标文档的推荐策略。

2.根据权利要求1所述的信息推荐方法，其特征在于，所述获取待向目标用户推荐的多个目标文档包括：

根据预设的检测规则获取索引信息；

以所述索引信息为限定条件，在预设的文档数据库中进行检索得到多个召回文档；

根据预设的过滤规则对所述多个召回文档进行筛选生成所述多个目标文档。

3.根据权利要求2所述的信息推荐方法，其特征在于，所述过滤规则为删除已推荐的召回文档，所述根据预设的过滤规则对所述多个召回文档进行筛选生成所述多个目标文档包括：

获取所述目标用户的历史推荐信息；

基于所述历史推荐信息，确定所述多个召回文档中的已推荐文档；

将所述已推荐文档删除生成所述多个目标文档。

4.根据权利要求1所述的信息推荐方法，其特征在于，所述用户特征包括身份特征和行为特征，所述提取所述目标用户的用户特征包括：

获取所述目标用户的身份信息和行为信息；

将所述身份信息和行为信息分别输入至预设的第一分类模型和第一聚类模型中，其中，所述第一分类模型为预选训练至收敛状态，用于对身份信息进行特征提取的神经网络模型，所述第一聚类模型为预先训练至收敛状态，用于对行为信息进行特征聚类的神经网络模型；

读取所述第一分类模型输出的身份特征和所述第一聚类模型输出的行为特征。

5.根据权利要求1所述的信息推荐方法，其特征在于，所述文档特征包括文档分类特征和文档聚类特征，所述提取各目标文档的文档特征包括：

将所述各目标文档输入至预设的第二分类模型和第二聚类模型中，其中，所述第二分类模型为预选训练至收敛状态，用于对文档信息进行特征提取的神经网络模型，所述第二聚类模型为预先训练至收敛状态，用于对文档信息进行特征聚类的神经网络模型；

读取所述第二分类模型输出的文档分类特征和所述第二聚类模型输出的文档聚类特征。

6.根据权利要求1-5中任意一项所述的信息推荐方法，其特征在于，所述适配模型的数量为四个，各适配模型的模型种类不同。

7.一种信息推荐装置，其特征在于，包括：

获取模块，用于获取待向目标用户推荐的多个目标文档；

提取模块，用于提取所述目标用户的用户特征以及各目标文档的文档特征；

处理模块，用于将所述用户特征和各文档特征输入至预设的至少两个适配模型中，计算所述各目标文档和所述目标用户之间的匹配度，其中，所述至少两个适配模型为预先训练至收敛状态，用于进行特征匹配度计算的算法模型；

执行模块，用于基于所述匹配度，生成各目标文档的推荐策略；

所述信息推荐装置还包括：

第四获取子模块，用于获取所述至少两个适配模型中各适配模型的权重值；

第五处理子模块，用于基于所述各适配模型的权重值和所述匹配度，计算所述各目标文档和目标用户之间的加权匹配度；

第五执行子模块，用于根据所述加权匹配度生成所述各目标文档的推荐策略。