[发明专利]信息推荐方法、装置、设备及计算机可读存储介质

说明书

本申请实施例提供一种信息推荐方法、装置、设备及计算机可读存储介质，涉及人工智能技术领域。方法包括：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。通过本申请实施例，能够更精准的刻画待推荐信息在该特定人群上的受欢迎程度，提高对特定人群的信息推荐效果。

技术领域

本申请实施例涉及互联网技术领域，涉及但不限于一种信息推荐方法、装置、设备及计算机可读存储介质。

背景技术

在信息流推荐场景下，用户特征和内容特征对推荐系统来说是缺一不可的，现有的内容特征大都是基于内容本身的先验信息来定义的，如依据视频内容本身将视频归属为体育类、电影类等，没有与用户的行为进行联动，对于用户侧，除了使用用户的基础信息外，推荐系统会利用用户的历史消费行为，构建与内容特征相对应的用户兴趣点特征。在推荐时，即利用上述用户和视频内容的特征进行点击行为预测。但是，上述推荐思路在新用户推荐上存在较大的问题，由于新用户没有历史消费行为记录，推荐系统无法获取用户的兴趣点特征，只能利用用户基础信息进行推荐，导致推荐系统无法准确预测出新用户感兴趣的内容。同时新用户的推荐又是十分重要，新用户的留存决定了整个推荐产品诸如用户规模等关键指标，因此新用户的冷启动问题是现有推荐系统常常面临的重要难题。

针对上述新用户的冷启动问题，相关技术中的技术方案只能利用用户的基础属性进行推荐。比如基于用户的地域信息，推荐本地新闻内容；或是基于用户的性别、年龄等信息，针对特定性别和年龄下人群的消费内容进行统计，并对高消费内容进行推荐。

但是，相关技术中的解决方案只适用于已经产生消费的内容，对于新生产的内容，无法进行统计，并且，由于推荐系统的复杂性可能会导致其对于某一特定人群的推荐效果较差。

发明内容

本申请实施例提供一种信息推荐方法、装置、设备及计算机可读存储介质，涉及人工智能技术领域。由于对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分别进行特征交叉处理和特征融合处理，并对得到的第一预测分和第二预测分进行预测结果变换处理，得到每一待推荐信息的倾向性得分，从而根据该倾向性得分进行信息推荐，如此，充分考虑了待推荐信息的特征的复杂多样性，从而能更精准的刻画待推荐信息在特定人群上的受欢迎程度，提高对特定人群的信息推荐效果。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种信息推荐方法，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。

本申请实施例提供一种信息推荐装置，包括：

获取模块，用于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；特征交叉处理模块，用于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；特征融合处理模块，用于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；变换处理模块，用于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；推荐模块，用于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。