[发明专利]信息推荐方法、装置、设备及计算机可读存储介质

权利要求书

1.一种信息推荐方法，其特征在于，包括：

获取待推荐信息集合中的每一待推荐信息的至少一个第一类特征和至少一个第二类特征；

对所述至少一个第一类特征进行特征交叉处理，得到第一预测分；

对所述至少一个第二类特征进行特征融合处理，得到第二预测分；

对所述第一预测分和所述第二预测分进行预测结果变换处理，得到所述待推荐信息的倾向性得分；

根据每一所述待推荐信息的所述倾向性得分，将所述待推荐信息集合中的至少一条待推荐信息推荐给目标对象。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定所述目标对象的属性信息；

获取具有所述属性信息的对象所形成的对象集合、和与所述对象集合中的对象之间具有交互信息的推荐信息所形成的推荐信息集合；

对于所述推荐信息集合中的每一所述推荐信息，获取所述对象集合中每一对象与所述推荐信息之间的互动数据；

对所述互动数据进行聚合，得到所述对象集合中的对象针对于每一所述推荐信息的互动概率；

根据所述互动概率，在所述推荐信息集合中选择出至少一条推荐信息作为待推荐信息，以形成所述待推荐信息集合。

3.根据权利要求2所述的方法，其特征在于，所述互动数据至少包括对所述推荐信息的曝光次数、点击次数和浏览时长；

所述对所述互动数据进行聚合，得到所述对象集合中的对象针对于每一所述推荐信息的互动概率，包括：

对所述曝光次数、所述点击次数和所述浏览时长进行聚合，得到针对于每一所述推荐信息的平均点击率和平均浏览时长；

将所述平均点击率和所述平均浏览时长中的任意一个，确定为所述推荐信息的互动概率。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

根据所述推荐信息集合中的每一所述推荐信息的所述平均点击率，确定所述对象集合中的全部对象所对应的总平均点击率；

根据所述推荐信息集合中的每一所述推荐信息的所述平均浏览时长，确定所述对象集合中的全部对象所对应的总平均浏览时长；

所述根据所述互动概率，在所述推荐信息集合中选择出至少一条推荐信息作为待推荐信息，包括：

在所述推荐信息集合中，选择出所述平均点击率大于所述总平均点击率的推荐信息作为所述待推荐信息；或者，

在所述推荐信息集合中选择出平均浏览时长大于所述总平均浏览时长的推荐信息作为所述待推荐信息。

5.根据权利要求1所述的方法，其特征在于，所述第一类特征包括信息类别特征、信息长度特征和信息质量特征中的至少一种；

所述对所述至少一个第一类特征进行特征交叉处理，得到第一预测分，包括：

对所述信息类别特征中的一级类别特征和二级类别特征分别进行编码处理，对应得到一级类别特征向量和二级类别特征向量；

对所述信息长度特征依次进行离散化处理和编码处理，得到信息长度特征向量；

对所述信息质量特征进行编码处理，得到信息质量特征向量；

采用因子分解机对所述一级类别特征向量、所述二级类别特征向量、所述信息长度特征向量和所述信息质量特征向量中的至少一种进行所述交叉处理，得到所述第一预测分。

6.根据权利要求5所述的方法，其特征在于，所述对所述信息质量特征进行编码处理，得到信息质量特征向量，包括：

获取针对于所述待推荐信息的预先打分值；

对所述预先打分值进行所述编码处理，得到所述信息质量特征向量。

7.根据权利要求1所述的方法，其特征在于，所述第二类特征至少包括文本特征和图像特征；

所述对所述至少一个第二类特征进行特征融合处理，得到第二预测分，包括：

根据所述文本特征确定至少一个词；

获取每一词的词嵌入向量；

将所述词嵌入向量的平均值，确定为所述文本特征的编码向量；

对所述图像特征进行图像特征提取，得到图像特征向量；

基于注意力机制，对所述编码向量和所述图像特征向量进行所述特征融合处理，得到所述第二预测分。