[发明专利]基于人工智能的信息推荐方法、装置及电子设备

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，包括：

确定待定位置信息与信息集合中所有信息之间的关联性特征；

其中，所述信息集合包括以下信息中的至少之一：已定位置信息；所述待定位置信息；所述已定位置信息是所述信息集合中已经分配有位置序列中展示位置的信息，所述待定位置信息是所述信息集合中待分配所述位置序列中的展示位置的信息；

根据每个所述待定位置信息的关联性特征，确定对应的第一点击率；

将所述位置序列中未分配的、且优先级最高的展示位置，分配给第一点击率最高的待定位置信息，并标记为新的已定位置信息；

当所述位置序列中的展示位置被分配完毕时，基于每个所述已定位置信息以及对应分配的展示位置的优先级，执行推荐操作。

2.根据权利要求1所述的方法，其特征在于，在确定待定位置信息与信息集合中所有信息之间的关联性特征之前，所述方法还包括：

获取信息库中每个信息的基础特征；

基于所述信息库的通用全连接参数，对所述基础特征进行全连接处理，得到对应的第二点击率；

基于所述每个信息的第二点击率对所述信息库进行降序排序处理，并在降序排序结果中选取排序在前的多个信息，以形成所述信息集合。

3.根据权利要求1所述的方法，其特征在于，所述确定待定位置信息与信息集合中所有信息之间的关联性特征，包括：

获取所述信息集合中每个待定位置信息的特征、以及每个已定位置信息的特征；

针对每个所述待定位置信息执行以下处理：

对每个所述待定位置信息的特征进行注意力编码处理，得到所述待定位置信息与所述信息集合中每个信息之间的关联度；

基于所述待定位置信息与所述信息集合中每个信息之间的关联度，确定所述待定位置信息的关联特征。

4.根据权利要求3所述的方法，其特征在于，所述对每个所述待定位置信息的特征进行注意力编码处理，得到所述待定位置信息与所述信息集合中每个信息之间的关联度，包括：

对所述信息集合中每个信息的特征进行线性变换处理，得到对应所述每个信息的查询向量、键向量以及值向量；

将所述待定位置信息的查询向量与所述信息集合中每个信息的键向量进行点乘处理，对点乘处理结果进行基于最大似然函数的归一化处理，得到所述待定位置信息与所述信息集合中每个信息之间的关联度。

5.根据权利要求3所述的方法，其特征在于，所述基于所述待定位置信息与所述信息集合中每个信息之间的关联度，确定所述待定位置信息的关联特征，包括：

将所述关联度确定为对应所述每个信息的值向量的注意力权重；

基于所述注意力权重对所述值向量进行加权处理，得到所述待定位置信的基于注意力编码处理的关联特征。

6.根据权利要求3所述的方法，其特征在于，所述获取所述信息集合中每个待定位置信息的特征、以及每个已定位置信息的特征，包括：

获取所述信息集合中每个信息的基础特征；

获取所述信息集合中每个所述已定位置信息的位置特征，其中，所述位置特征用于表示所述已定位置信息的展示位置；

将所述待定位置信息的基础特征，作为每个所述待定位置信息的特征；

将所述已定位置信息的基础特征以及位置特征进行融合处理，得到所述已定位置信息的特征。

7.根据权利要求6所述的方法，其特征在于，所述基础特征包括以下至少之一：

用于表征待推荐用户的基本信息的基础属性特征；用于表征待推荐用户兴趣偏好的兴趣标签特征；用于表征向所述待推荐用户推荐所述信息的推荐环境的环境特征；用于表征所述信息的类别的类别特征；用于表征所述信息的来源的来源特征；用于表征所述信息的内容的内容特征。