[发明专利]对象推荐模型、对象推荐方法、装置及电子设备

说明书

本发明实施例涉及一种对象推荐模型、对象推荐方法、装置及电子设备，该方法包括：为目标用户确定多个候选推荐对象，以及获取目标用户的静态数据和动态数据；得到多个候选推荐对象的对象特征向量，以及得到目标用户的静态特征向量和动态特征向量；基于注意力机制对动态特征向量和各候选推荐对象的对象特征向量进行计算，得到目标用户对应于各候选推荐对象的兴趣向量；基于各候选推荐对象的对象特征向量、目标用户的静态特征向量和对应于各候选推荐对象的兴趣向量确定各候选推荐对象对应于目标用户的匹配度；基于各候选推荐对象对应于所述目标用户的匹配度向目标用户进行对象推荐。由此，可以提高推荐结果的精准性，提升用户体验。

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种对象推荐模型、对象推荐方法、装置及电子设备。

背景技术

对象推荐是指通过分析对象的特征和用户的画像属性、爱好、历史浏览行为之间的相关性，确定对象与用户的匹配度，将匹配度较高的对象，也即与用户相关程度较高的对象推荐给用户。对象推荐被广泛应用于移动互联网领域中的内容分发场景下。

目前，基于注意力机制能够针对具体的对象为用户的不同历史浏览行为特征设置兴趣权重，进而得到用户对应于该对象的用户行为特征向量，通过用户行为特征向量和该对象的特征向量确定该对象与用户的匹配度。也就是说，目前可基于注意力机制，根据用户的历史浏览行为确定对象与用户的匹配度。

然而，用户的兴趣点是很容易发生变化的，即使用户在一段时间内连续多次点击过同一对象，但随着用户所处环境、用户心理状态等因素的改变，用户的兴趣点也很可能发生变化，这就导致仅根据用户的历史浏览行为确定对象与用户的匹配度是不准确的，进而将影响推荐结果的精准性，影响用户体验。

发明内容

鉴于此，本发明实施例提供一种对象推荐模型、对象推荐方法、装置及电子设备，以解决目前仅根据用户的历史浏览行为确定对象与用户的匹配度并不准确，影响推荐结果的精准性，影响用户体验的问题。

第一方面，本发明实施例提供一种对象推荐方法，包括：

为目标用户确定多个候选推荐对象，以及获取所述目标用户的静态数据和动态数据；

对多个所述候选推荐对象的对象数据进行特征提取，得到多个所述候选推荐对象的对象特征向量，以及对所述目标用户的静态数据和动态数据分别进行特征提取，得到所述目标用户的静态特征向量和动态特征向量；

基于注意力机制对所述动态特征向量和各所述候选推荐对象的对象特征向量进行计算，得到所述目标用户对应于各所述候选推荐对象的兴趣向量；

基于各所述候选推荐对象的对象特征向量、所述目标用户的静态特征向量和对应于各所述候选推荐对象的兴趣向量确定各所述候选推荐对象对应于所述目标用户的匹配度；

基于各所述候选推荐对象对应于所述目标用户的匹配度向所述目标用户进行对象推荐。

在一个可能的实施方式中，获取所述目标用户的动态数据，包括：

从第一数据库获取所述目标用户在指定历史时段内的第一动态数据；以及从第二数据库获取所述目标用户在所述指定历史时段内的第二动态数据；所述第一动态数据包括所述目标用户在所述指定历史时段内所浏览对象的对象数据；所述第二动态数据包括所述目标用户在所述指定历史时段内的多个历史时刻下的行为数据。

在一个可能的实施方式中，对所述目标用户的动态数据进行特征提取，得到所述目标用户的动态特征向量，包括：

对所述第一动态数据中的每一对象数据进行特征提取，将提取到的对象特征向量作为所述目标用户的第一动态特征向量；以及，

对所述第二动态数据中的每一行为数据进行特征提取，将提取到的行为特征向量作为所述目标用户的第二动态特征向量；