[发明专利]基于人工智能的推荐方法、装置及电子设备

说明书

本申请提供了一种基于人工智能的推荐方法、装置、电子设备及计算机可读存储介质；方法包括：获取信息集合中每个信息的曝光次数以及有效行为次数；基于曝光次数以及有效行为次数，确定对应信息的期望行为特征，并基于曝光次数确定期望行为特征的不确定性特征；基于每个信息的期望行为特征以及不确定性特征，建立包括信息的综合期望行为指标的第一倒排索引表；基于第一倒排索引表中信息的综合期望行为指标，对第一倒排索引表中的信息进行采样处理，并基于采样处理结果执行推荐操作。通过本申请，能够提高推荐准确率。

技术领域

本申请涉及人工智能技术，尤其涉及一种基于人工智能的推荐方法、装置、电子设备及计算机可读存储介质。

背景技术

人工智能(AI，Artificial Intelligence)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法和技术及应用系统。

信息推荐是人工智能的重要应用，推荐系统中的召回阶段是整个推荐系统的基础，相关技术中为了在召回阶段召回有效信息作为推荐系统的排序对象进行了各种努力，例如采取兴趣类召回的方式，但是申请人在实施本申请实施例的过程中发现，直接从倒排索引中召回与用户画像匹配的信息难以有效刻画冷启动信息对于用户行为的积极影响以及刻画用户多样性兴趣，进而影响信息推荐的精度。

发明内容

本申请实施例提供一种基于人工智能的推荐方法、装置、电子设备及计算机可读存储介质，能够提高推荐准确率。

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基于人工智能的推荐方法，包括：

获取信息集合中每个信息的曝光次数以及有效行为次数；

基于所述曝光次数以及所述有效行为次数，确定对应所述信息的期望行为特征，并基于所述曝光次数确定所述期望行为特征的不确定性特征；

基于每个所述信息的所述期望行为特征以及所述不确定性特征，建立包括所述信息的综合期望行为指标的第一倒排索引表；

基于所述第一倒排索引表中信息的综合期望行为指标，对所述第一倒排索引表中的信息进行采样处理，并基于采样处理结果执行推荐操作。

在上述方案中，所述基于客户端的推荐请求所属的场景，进行多个候选倒排索引表的适配，包括：

获取所述场景的实时数据，以提取出所述场景的实时特征；

基于所述场景特征调用神经网络模型，以预测所述场景所具有的属性；

其中，所述神经网络模型的训练样本包括前端场景数据，所述训练样本的标注数据包括对应所述前端场景数据的场景所具有的属性；

从所述多个候选倒排索引表中确定与预测的属性适配的倒排索引表。

在上述方案中，所述基于所述第一倒排索引表中信息的综合期望行为指标，对所述第一倒排索引表中的信息进行采样处理，包括：

从客户端的推荐请求携带的用户画像获取画像标签，并基于客户端的推荐请求所属的场景，进行多个候选倒排索引表的适配处理，得到至少一个候选倒排索引表；

其中，所述候选倒排索引表为所述多个候选倒排索引表中不同于所述第一倒排索引表的倒排索引表；

从所述第一倒排索引表中获取与所述画像标签一致的标签对应的信息，得到待采样信息集合；

获取所述待采样信息集合中每个信息在每个所述候选倒排索引表中的对应分数；

将所述待采样信息集合中每个信息的综合期望行为指标，与在每个所述其他倒排索引表中的对应分数进行融合处理，得到新综合期望行为指标；