[发明专利]信息推荐方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种信息推荐方法，其特征在于，包括：

获取用户的第一用户特征与至少一个待推荐对象的第一对象特征，并将各所述第一对象特征分别与所述第一用户特征进行拼接，得到各待推荐对象分别对应的目标组合特征；

基于各所述目标组合特征，从各待推荐对象中确定目标对象，并向所述用户推荐所述目标对象的对象信息，所述目标对象是依据各所述目标组合特征分别对应的第二偏好度从所述各待推荐对象中确定出的，所述第二偏好度是基于多个样本组合特征及所述多个样本组合特征分别对应的第一偏好度确定出的；

所述基于各所述目标组合特征，从各待推荐对象中确定目标对象是通过神经网络模型实现的，所述神经网络模型是通过以下方式训练得到的：

获取多个样本用户的第二用户特征以及所述多个样本用户分别对应的至少一个样本对象的第二对象特征，并将各样本对象的第二对象特征分别与各样本对象分别对应的样本用户的第二用户特征拼接，得到多个样本组合特征；

根据所述多个样本用户针对各自对应的每个样本对象的至少一个用户行为，确定所述多个样本组合特征分别对应的第一偏好度；

基于所述多个样本组合特征与所述多个样本组合特征分别对应的第一偏好度，对所述神经网络模型进行训练，直至对应的损失函数收敛，所述损失函数的值表征了模型输出的各样本组合特征的偏好度和各样本组合特征的第一偏好度之间的差异；

所述根据所述多个样本用户针对各自对应的每个样本对象的至少一个用户行为，确定所述多个样本组合特征分别对应的第一偏好度，包括：

对于每一样本用户的每个样本对象，基于客户关系管理RFM模型与预先设定的每个用户行为的行为标签权重，根据每一样本用户针对每个样本对象的至少一个用户行为，确定所述每一样本用户针对所述每个样本对象的样本组合特征的偏好数值；

基于预定划分方式，将多个偏好数值划分为L个第一偏好度，得到多个样本组合特征分别对应的第一偏好度，所述偏好数值的数量大于或等于所述L，所述L为大于1的整数。

2.根据权利要求1所述的方法，其特征在于，在将各所述第一对象特征分别与所述第一用户特征拼接，得到各待推荐对象分别对应的目标组合特征之后，还包括：

对各所述目标组合特征中的第一用户特征和/或第一对象特征进行以下至少一项处理，得到处理后的各目标组合特征：

对缺失的第一用户特征和/或第一对象特征进行舍弃处理；

对满足异常特征判别条件的第一用户特征和/或第一对象特征进行舍弃处理；

对缺失的第一用户特征和/或第一对象特征进行填充处理；

对第一用户特征和/或第一对象特征进行特征衍生处理；

对第一用户特征和/或第一对象特征进行预定的特征变换处理；

基于各所述目标组合特征，通过预定模型从各待推荐对象中确定目标对象，包括：

基于处理后的各目标组合特征，通过预定模型从各待推荐对象中确定目标对象。

3.根据权利要求1所述的方法，其特征在于，基于多个样本组合特征及所述多个样本组合特征分别对应的第一偏好度，确定各所述目标组合特征分别对应的第二偏好度，包括：

针对每一目标组合特征，计算所述每一目标组合特征与所述多个样本组合特征之间的相似度，并基于计算得到的多个相似度和所述多个样本组合特征分别对应的第一偏好度，确定所述每一目标组合特征的第二偏好度。

4.根据权利要求3所述的方法，其特征在于，基于计算得到的多个相似度和所述多个样本组合特征分别对应的第一偏好度，确定所述每一目标组合特征的第二偏好度，包括以下任一项：

从所述多个相似度中确定最大相似度，并确定该最大相似度对应的样本组合特征的第一偏好度为所述每一目标组合特征的第二偏好度；

基于最大的N个相似度分别对应的样本组合特征的第一偏好度，确定所述每一目标组合特征的第二偏好度，所述N为大于1的整数。