[发明专利]一种对象推荐方法及装置

权利要求书

1.一种对象推荐方法，其特征在于，所述方法包括：

获得目标用户的用户特征与待推荐对象的对象特征，分别作为目标用户特征和目标对象特征；

将所述目标用户特征与所述目标对象特征输入预先训练的第一推荐预测模型中，预测是否向所述目标用户推荐所述待推荐对象，其中，所述第一推荐预测模型是与第二推荐预测模型联合训练得到的，所述第一推荐预测模型用于对输入数据中包括的用户的特征和对象的特征进行特征融合得到第一融合结果、并基于第一融合结果预测是否向目标用户推荐待推荐对象，所述第二推荐预测模型用于提取表示输入数据中包括的用户的特征和对象的特征间关联关系的关联特征、对所提取的关联特征进行融合得到第二融合结果、并基于第二融合结果预测是否向目标用户推荐待推荐对象，在联合训练过程中，基于所述第一融合结果与第二融合结果之间的差异、以及所述第一推荐预测模型输出的第一预测结果与所述第二推荐预测模型输出的第二预测结果间的差异调整第一推荐预测模型的模型参数，使得第一融合结果趋近于第二融合结果，第一预测结果趋近于第二预测结果；

若所述第一推荐预测模型的输出结果表征能够向所述目标用户推荐所述待推荐对象，则向所述目标用户推荐所述待推荐对象；

其中，通过以下方式训练得到所述第一推荐预测模型和第二推荐预测模型：

获得样本用户的样本用户特征、样本对象的样本对象特征；

将所述样本用户特征与样本对象特征输入第一初始模型的第一融合层，对所述样本用户特征和样本对象特征进行融合，得到第一样本融合结果，其中，所述第一初始模型为所述第一推荐预测模型的初始模型，所述第一初始模型还包括第一判别层；

将所述第一样本融合结果输入所述第一判别层，预测是否向所述样本用户推荐所述样本对象，得到第一样本预测结果；

将所述样本用户特征与样本对象特征输入第二初始模型的交叉层，提取所述样本用户特征与样本对象特征间的样本关联特征，其中，所述第二初始模型为所述第二推荐预测模型的初始模型，所述第二推荐预测模型还包括：第二融合层与第二判别层；

将所述样本关联特征输入所述第二融合层，对所述样本关联特征进行融合，得到第二样本融合结果；

将所述第二样本融合结果输入所述第二判别层，预测是否向所述样本用户推荐所述样本对象，得到第二样本预测结果；

获得所述第一样本融合结果与第二样本融合结果间的第一样本差异，并获得所述第一样本预测结果与第二样本预测结果间的第二样本差异；

基于所述第一样本差异、第二样本差异调整所述第一初始模型和第二初始模型的模型参数，直至满足预设的训练结束条件，使得第一样本融合结果趋近于第二样本融合结果，第一样本预测结果趋近于第二样本预测结果，并将训练后的第一初始模型确定为所述第一推荐预测模型，将训练后的第二初始模型确定为所述第二推荐预测模型。

2.根据权利要求1所述的方法，其特征在于，

所述第一初始模型还包括用于对特征的维度进行调整的第一表示层，所述第二初始模型还包括用于对特征的维度进行调整的第二表示层；

在所述将所述样本用户特征与样本对象特征输入第一初始模型的第一融合层之前，还包括：

将所述样本用户特征与样本对象特征输入所述第一表示层，对所述样本用户特征与样本对象特征的维度进行调整；

所述将所述样本用户特征与样本对象特征输入第一初始模型的第一融合层，包括：

将维度调整之后的样本用户特征与样本对象特征输入所述第一融合层；

在所述将所述样本用户特征与样本对象特征输入第二初始模型的交叉层之前，还包括：

将所述样本用户特征与样本对象特征输入所述第二表示层，对所述样本用户特征与样本对象特征的维度进行调整；

所述将所述样本用户特征与样本对象特征输入第二初始模型的交叉层，包括：

将维度调整之后的样本用户特征与样本对象特征输入所述交叉层。

3.根据权利要求1所述的方法，其特征在于，所述获得所述第一样本融合结果与第二样本融合结果间的第一样本差异，包括：

采用第一样本融合结果，预测对样本用户特征和样本对象特征间的关联特征进行融合的结果，作为预测融合结果；

计算所述预测融合结果与第二样本融合结果间的差异，作为第一样本差异。