[发明专利]推荐对象的方法、神经网络及其训练方法、设备和介质

权利要求书

1.一种由计算机实现的利用神经网络向用户推荐对象的方法，其中，所述神经网络包括第一神经网络和第二神经网络，所述方法包括：

将用户特征和待推荐对象的对象特征输入所述第一神经网络，获取所述第一神经网络输出的针对所述待推荐对象的第一推荐结果，其中，所述用户特征包括至少一个用户子特征，所述待推荐对象的对象特征包括至少一个推荐对象子特征；

确定需强化特征，其中，所述需强化特征包括所述至少一个用户子特征和所述至少一个推荐对象子特征中的一个或多个；

将所述第一推荐结果和所述需强化特征输入所述第二神经网络，获取所述第二神经网络输出的针对所述待推荐对象的第二推荐结果；

至少基于所述第二推荐结果，确定针对所述待推荐对象的最终推荐结果。

2.如权利要求1所述的方法，其中，所述待推荐对象的对象特征包括推荐场景标识，所述需强化特征为基于所述推荐场景标识来确定。

3.如权利要求1所述的方法，其中，所述针对所述待推荐对象的最终推荐结果为基于所述第一推荐结果和所述第二推荐结果来确定。

4.如权利要求3所述的方法，其中，所述针对所述待推荐对象的最终推荐结果为所述第一推荐结果和所述第二推荐结果的加权和。

5.如权利要求1所述的方法，其中，所述第一神经网络和所述第二神经网络中的一个或两个是全连接神经网络。

6.如权利要求1至5中任一项所述的方法，其中，所述待推荐对象为包括以下一种或多种类型的数据：文字、音频和视频。

7.一种由计算机实现的神经网络的训练方法，所述神经网络包括第一神经网络和第二神经网络，所述训练方法包括：

训练完成第一神经网络；

获取样本用户特征和样本对象的对象特征，并标注针对所述样本对象的真实推荐结果，其中，所述样本用户特征包括至少一个样本用户子特征，所述样本对象的对象特征包括至少一个样本对象子特征；

确定需强化样本特征，其中，所述需强化样本特征包括所述至少一个样本用户子特征和所述至少一个样本对象子特征中的一个或多个；

响应于所述样本用户特征和所述样本对象的对象特征输入所述第一神经网络，所述第一神经网络输出针对所述样本对象的第一预测推荐结果；

响应于所述第一预测推荐结果和所述需强化样本特征输入所述第二神经网络，所述第二神经网络输出针对所述样本对象的第二预测推荐结果；

至少基于所述真实推荐结果和所述第二预测推荐结果，确定损失值；

基于所述损失值调整所述第二神经网络的参数。

8.如权利要求7所述的训练方法，其中，所述样本对象的对象特征包括样本场景标识，所述需强化样本特征为基于所述样本场景标识来确定。

9.如权利要求7所述的训练方法，其中，所述确定损失值为基于所述真实推荐结果、所述第一预测推荐结果和所述第二预测推荐结果来确定。

10.一种由计算机实现的神经网络，所述神经网络被配置用于接收用户特征和待推荐对象的对象特征以预测针对所述待推荐对象的最终推荐结果，所述神经网络包括：

第一神经网络，被配置用于响应于输入用户特征和待推荐对象的对象特征，输出针对所述待推荐对象的第一推荐结果，其中，所述用户特征包括至少一个用户子特征，所述待推荐对象的对象特征包括至少一个推荐对象子特征；

确定单元，被配置用于确定需强化特征，其中，所述需强化特征包括所述至少一个用户子特征和所述至少一个推荐对象子特征中的一个或多个；

第二神经网络，被配置用于响应于输入所述第一推荐结果和需强化特征，输出针对所述待推荐对象的第二推荐结果；以及

输出单元，被配置用于至少基于所述第二推荐结果确定所述最终推荐结果。