[发明专利]基于人工智能的信息推荐方法、装置、电子设备

权利要求书

1.一种基于人工智能的信息推荐方法，其特征在于，所述方法包括：

接收推荐信息请求；

基于第一信息集合中每个信息的特征预测对应的初始点击率，并基于预测的初始点击率对所述第一信息集合进行第一次降序排序处理；

在第一次降序排序结果中选取排序在前的且满足多样性条件的多个信息，以形成第二信息集合；

将所述第二信息集合中每个信息的特征、以及所述第二信息集合中多个信息之间的关联性进行融合，形成所述每个信息的关联特征；

基于所述第二信息集合中每个信息的关联特征预测对应的最终点击率，并基于预测的最终点击率对所述第二信息集合进行第二次降序排序处理；

基于第二次降序排序结果执行推荐操作，以响应所述推荐信息请求。

2.根据权利要求1所述的方法，其特征在于，在基于第一信息集合中每个信息的特征预测对应的初始点击率之前，所述方法还包括：

针对所述第一信息集合中的每个信息，获取与多个特征类型分别对应的第一排序特征；

其中，所述特征类型包括以下至少之一：用户特征；信息特征；环境特征；

对所述第一排序特征进行基于隐向量的压缩处理，得到与多个所述特征类型分别对应的第二排序特征；

对与多个所述特征类型分别对应的第二排序特征进行拼接处理，得到对应所述信息的第二排序特征。

3.根据权利要求2所述的方法，其特征在于，所述对所述第一排序特征进行基于隐向量的压缩处理，得到与多个所述特征类型分别对应的第二排序特征，包括：

以分别对应所述第一排序特征的多个嵌入维度值的隐向量为权重，对所述第一排序特征的多个嵌入维度值进行加权处理，得到与多个所述特征类型分别对应的第二排序特征；

其中，与多个所述特征类型分别对应的第二排序特征用于对所述信息进行初始点击率预测。

4.根据权利要求1所述的方法，其特征在于，所述基于第一信息集合中每个信息的特征预测对应的初始点击率，包括：

针对所述第一信息集合中每个信息执行以下处理：

对所述信息的特征进行线性处理，得到对应所述信息的第一点击率；

对所述信息的特征进行映射处理，得到对应所述信息的第二点击率；

对所述第一点击率以及所述第二点击率进行相加，得到对应所述信息的初始点击率。

5.根据权利要求4所述的方法，其特征在于，所述对所述信息的特征进行线性处理，得到对应所述信息的第一点击率，包括：

以与所述信息的多个第一排序特征分别对应的一阶项参数为权重，对多个所述第一排序特征进行加权处理，得到对应所述信息的一阶项输出；

将所述信息的多个第二排序特征进行两两相乘，得到对应所述信息的多个组合特征；

以与所述信息的多个组合特征分别对应的二阶项参数为权重，对多个所述组合特征进行加权处理，得到对应所述信息的二阶项输出；

将零阶项参数、所述一阶项输出以及所述二阶项输出相加，得到对应所述信息的第一点击率。

6.根据权利要求5所述的方法，其特征在于，所述对所述信息的特征进行映射处理，得到对应所述信息的第二点击率，包括：

将所述信息的第二排序特征与第一次降序排序隐层参数相乘，得到对应所述信息的第一隐层特征；

将所述第一隐层特征从第一隐层特征空间映射到初始点击率空间，得到对应所述信息的第二点击率；

其中，所述零阶项参数、所述一阶项参数、所述二阶项参数、所述隐向量以及所述隐层参数是以推荐日志中的用户特征、信息特征、环境特征以及真实点击率作为训练样本，以最小化所述真实点击率与预测得到的初始点击率之间的误差为目标进行训练得到的。

7.根据权利要求1所述的方法，其特征在于，所述在第一次降序排序结果中选取排序在前的且满足多样性条件的多个信息，以形成第二信息集合，包括：

将所述第一信息集合中初始点击率最高的信息转移到所述第二信息集合；

继续将所述第一信息集合中初始点击率最高且满足所述多样性条件的信息转移到所述第二信息集合，直到所述第二信息集合的信息数目达到信息推荐数目阈值。