[发明专利]推荐方法及装置

权利要求书

1.一种推荐方法，包括：

接收第t个访问请求，其中，所述访问请求中携带有用户的用户标识，且t为正整数；

基于所述用户标识获取包括m个维度的初始特征；

根据第一机器学习模型对所述初始特征进行降维，得到包括d个维度的目标特征，其中，m和d均为正整数，且md，所述第一机器学习模型基于第二机器学习模型的初始化参数训练得到；

将所述目标特征输入所述第二机器学习模型，得到候选对象的预测结果；

将预测结果满足预设条件的候选对象推荐给所述用户。

2.根据权利要求1所述的推荐方法，所述第二机器学习模型包括预测模型；

相应的，所述预测模型的训练方法包括：

获取第一维度的历史样本数据，其中，所述历史样本数据包括样本用户的属性特征、所述样本用户对应的样本候选对象的对象特征、所述样本用户与所述样本候选对象的交叉组合特征、以及对应的标签；

对所述第一维度的历史样本数据进行降维处理，得到第二维度的历史样本数据，其中，所述第一维度大于所述第二维度；

根据所述第二维度的历史样本数据对所述预测模型进行训练，得到训练后的所述预测模型以及所述预测模型的初始化参数，所述预测模型输出所述样本候选对象的得分。

3.根据权利要求2所述的推荐方法，所述第一机器学习模型包括降维模型；

相应的，所述降维模型的训练方法包括：

获取所述第一维度的历史样本数据以及所述预测模型的初始化参数；

根据所述第一维度的历史样本数据以及所述预测模型的初始化参数对所述降维模型进行训练，得到训练后的所述降维模型，

所述降维模型输出所述第一维度的历史样本数据对应的所述第二维度的历史样本数据。

4.根据权利要求3所述的推荐方法，所述将预测结果满足预设条件的候选对象推荐给所述用户之后，还包括：

接收所述用户针对所述预测结果满足预设条件的候选对象的行为反馈信息。

5.根据权利要求4所述的推荐方法，所述接收所述用户针对所述预测结果满足预设条件的候选对象的行为反馈信息之后，还包括：

基于所述行为反馈信息对所述初始特征进行更新，得到更新初始特征；

根据所述降维模型对所述更新初始特征进行降维，得到更新目标特征；

基于所述更新目标特征对所述预测模型进行重新训练，得到重新训练后的预测模型以及所述重新训练后的预测模型的更新初始化参数。

6.根据权利要求5所述的推荐方法，所述基于所述行为反馈信息对所述初始特征进行更新，得到更新初始特征包括：

基于所述行为反馈信息确定新增的所述用户的属性信息、针对所述用户的n个候选对象的对象特征、所述用户与所述候选对象的交叉组合特征，以得到新增初始特征；

将所述新增初始特征与所述初始特征进行叠加，以得到所述更新初始特征。

7.根据权利要求5所述的推荐方法，所述基于所述更新目标特征对所述预测模型进行重新训练，得到重新训练后的预测模型以及所述预测模型的更新初始化参数之后，还包括：

判断t是否大于d²并且t是否大于n，

若是，则根据所述更新初始特征以及所述更新初始化参数对所述降维模型进行训练，得到重新训练后的降维模型。

8.根据权利要求7所述的推荐方法，所述判断t是否大于d²并且t是否大于n之后，还包括：

若否，则将t自增1，继续执行所述接收第t个访问请求的步骤。

9.根据权利要求1所述的推荐方法，所述接收用户的第t条访问请求之前，还包括：

确定所述第二机器学习模型，且为所述第二机器学习模型设置初始化参数；

确定所述第一机器学习模型，基于所述初始化参数对所述第一机器学习模型进行训练，所述第一机器学习模型对所述第二机器学习的输入进行降维。