[发明专利]推荐方法及装置

说明书

本说明书实施例提供推荐方法及装置，其中，所述方法包括首先接收第t个访问请求；基于所述访问请求中的用户的用户标识获取所述用户的属性特征、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，以得到高维的初始特征；然后根据第一机器学习模型对所述高维的初始特征进行自动化编码降维，得到比所述高维的初始特征维度低很多的低维的目标特征；再将低维的所述目标特征输入第二机器学习模型，快速准确的得到每个候选对象的预测结果。

技术领域

本说明书实施例涉及计算机技术领域，特别涉及推荐方法。本说明书一个或者多个实施例同时涉及推荐装置，视频封面推荐方法及装置，应用程序推荐方法及装置，商品推荐方法及装置，计算设备，以及计算机可读存储介质。

背景技术

随着互联网技术的不断发展，如何实时准确地捕获用户个性化兴趣，为用户做精准的推荐服务(例如商品推荐和个性化素材推荐)成为了热门研究项目；现有的离线推荐模型虽然可以采用复杂的模型结构，通过丰富的历史数据来学习用户的长时兴趣，但是在大促场景中，该离线推荐模型很难捕获快速的用户兴趣变化，而现有的在线推荐模型虽然能够随着在线系统的实时反馈进行不断学习，但是特征很难选取和确定，而不合理的特征选取会直接导致模型的预测精准度较差,并且由于计算实时性的要求，所支持的特征维度通常较小，因此导致精准性较差。

基于此，需要提供一种更为有效、准确的推荐方法。

发明内容

有鉴于此，本说明书施例提供了一种推荐方法。本说明书一个或者多个实施例同时涉及一种推荐装置，一种视频封面推荐方法及装置，一种应用程序推荐方法及装置，一种商品推荐方法及装置，四种计算设备，以及四种计算机可读存储介质，以解决现有技术中存在的技术缺陷。

根据本说明书实施例的第一方面，提供了一种推荐方法，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，该模型是离线模型，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，该模型是在线学习模型，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。

根据本说明书实施例的第二方面，提供了一种视频封面推荐方法，包括：

接收针对视频封面的推荐请求，其中，所述推荐请求中携带有用户的用户标识；

基于所述用户标识获取所述用户的属性特征、针对所述用户的n个视频图像的图像特征、所述用户与所述视频图像的交叉组合特征，以得到包括m个维度的初始特征；

根据深度编码器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；

将所述目标特征输入上下文赌博机模型，得到所述视频图像的预测结果；

将预测结果满足预设条件的视频图像作为视频封面推荐给所述用户。

根据本说明书实施例的第三方面，提供了一种应用程序推荐方法，包括：

接收针对应用程序的推荐请求，其中，所述推荐请求中携带有用户的用户标识；

基于所述用户标识获取所述用户的属性特征、针对所述用户的n个应用程序的属性特征、所述用户与所述应用程序的交叉组合特征，以得到包括m个维度的初始特征；

根据深度编码器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；