[发明专利]一种信息推荐方法、装置、电子设备及存储介质

权利要求书

1.一种信息推荐方法，其特征在于，所述方法包括：

获取第一用户的位置信息，所述第一用户为当前用户历史行为数据的数量小于预设数量的用户；

根据所述第一用户的位置信息，确定所述第一用户的位置信息预设范围内的待推荐对象集合；

获取所述待推荐对象集合中各个待推荐对象的对象特征，其中，一个待推荐对象的对象特征包括：所述待推荐对象所属品类的品类标识所对应的第一特征向量；

计算所述各个待推荐对象的对象特征所包括的第一特征向量与预先确定的当前热门品类的品类标识所对应的第二特征向量之间的距离，所述当前热门品类是基于当前用户历史行为数据的数量大于所述预设数量的第二用户的用户历史行为数据确定的；

向所述第一用户对应的终端推荐目标推荐对象，所述目标推荐对象为所述待推荐对象集合中距离小于预设距离的推荐对象。

2.根据权利要求1所述的方法，其特征在于，所述获取所述待推荐对象集合中各个待推荐对象的对象特征，包括：

获取所述待推荐对象集合中各个待推荐对象的对象标识以及所述待推荐对象所属品类的品类标识；

将所述各个待推荐对象的对象标识以及所述各个待推荐对象所属品类的品类标识输入预先训练好的向量化模型，得到所述各个待推荐对象的对象标识对应的向量；

将所述各个待推荐对象的对象标识对应的向量输入预先训练好的聚类模型，得到所述各个待推荐对象所属品类的品类标识对应的第一特征向量，

其中，一个品类标识对应的第一特征向量是将属于所述品类标识的对象的对象标识所对应的向量进行加和操作得到的。

3.根据权利要求1所述的方法，其特征在于，所述计算所述各个待推荐对象的对象特征所包括的第一特征向量与预先确定的当前热门品类的品类标识所对应的第二特征向量之间的距离，包括：

对于每一待推荐对象，计算所述待推荐对象的对象特征所包括的第一特征向量与各个当前热门品类的品类标识所对应的第二特征向量的第一距离；

对于每一待推荐对象，将所述待推荐对象所对应的各个第一距离与对应的权重系数进行加权求和，得到所述待推荐对象对应的第二距离，并将所述第二距离确定为所述待推荐对象所包括的第一特征向量与预先确定的当前热门品类的品类标识所对应的第二特征向量之间的距离；

其中，每一当前热门品类对应一个权重系数，每一当前热门品类对应的权重系数是基于注意力机制模型确定的。

4.根据权利要求1至3任一项所述的方法，其特征在于，预先确定当前热门品类的品类标识所对应的第二特征向量，包括：

每隔预设周期更新第二用户的用户历史行为数据，所述用户历史行为数据包括：第二用户所消费对象的消费次数，第二用户所消费对象的对象标识，以及第二用户所消费对象所属品类的品类标识；

基于所述第二用户所消费对象的消费次数，确定所述第二用户的用户历史行为数据中当前热门的目标用户历史行为数据；

将所述目标用户历史行为数据包括的第二用户所消费对象的对象标识以及第二用户所消费对象所属品类的品类标识输入预先训练好的向量化模型，得到所述第二用户所消费对象的对象标识对应的向量；

将所述第二用户所消费对象的对象标识对应的向量输入预先训练好的聚类模型，得到当前热门品类的品类标识所对应的第二特征向量；

其中，一个当前热门品类的品类标识对应的第二特征向量是将属于所述当前热门品类的对象的对象标识所对应的向量进行加和操作得到的。

5.根据权利要求4所述的方法，其特征在于，所述基于所述第二用户所消费对象的消费次数，确定所述第二用户的用户历史行为数据中当前热门的目标用户历史行为数据，包括：

删除所述第二用户的用户历史行为数据中满足预设条件的用户历史行为数据，得到删除后的用户历史行为数据，所述预设条件包括以下至少一个：消费次数小于第一预设消费次数，消费次数大于第二预设消费次数和消费次数在预设时长内保持不变；

基于所述第二用户所消费对象的消费次数，确定所述删除后的用户历史行为数据中当前热门的目标用户历史行为数据。