[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

说明书

本公开提供一种推荐对象的方法、神经网络及其训练方法、设备和介质，涉及人工智能技术领域，具体为内容推荐和深度学习技术领域。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，神经网络包括第一神经网络和第二神经网络，方法包括：将用户特征和待推荐对象的对象特征输入第一神经网络，获取第一神经网络输出的针对待推荐对象的第一推荐结果；确定需强化特征；将第一推荐结果和需强化特征输入第二神经网络，获取第二神经网络输出的针对待推荐对象的第二推荐结果；至少基于第二推荐结果，确定针对待推荐对象的最终推荐结果。

技术领域

本公开涉及人工智能技术领域，具体为内容推荐和深度学习技术领域，特别涉及推荐对象的方法、神经网络及其训练方法、设备和介质。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术，也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等领域；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。人工智能被越来越广泛地应用在各个领域，例如对象推荐领域。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

根据本公开的一方面，提供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，神经网络包括第一神经网络和第二神经网络，方法包括：将用户特征和待推荐对象的对象特征输入第一神经网络，获取第一神经网络输出的针对待推荐对象的第一推荐结果，其中，用户特征包括至少一个用户子特征，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，需强化特征包括至少一个用户子特征和至少一个推荐对象子特征中的一个或多个；将第一推荐结果和需强化特征输入第二神经网络，获取第二神经网络输出的针对待推荐对象的第二推荐结果；至少基于第二推荐结果，确定针对待推荐对象的最终推荐结果。

根据本公开的另一方面，还提供一种由计算机实现的神经网络的训练方法，神经网络包括第一神经网络和第二神经网络，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，并标注针对样本对象的真实推荐结果，其中，样本用户特征包括至少一个样本用户子特征，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，需强化样本特征包括至少一个样本用户子特征和至少一个样本对象子特征中的一个或多个；响应于样本用户特征和样本对象的对象特征输入第一神经网络，第一神经网络输出针对样本对象的第一预测推荐结果；响应于第一预测推荐结果和需强化样本特征输入第二神经网络，第二神经网络输出针对样本对象的第二预测推荐结果；至少基于真实推荐结果和第二预测推荐结果，确定损失值；基于损失值调整第二神经网络的参数。

根据本公开的另一方面，还提供一种由计算机实现的神经网络，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待推荐对象的最终推荐结果，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，输出针对待推荐对象的第一推荐结果，其中，用户特征包括至少一个用户子特征，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，需强化特征包括至少一个用户子特征和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第一推荐结果和需强化特征，输出针对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第二推荐结果确定最终推荐结果。

根据本公开的另一方面，还提供一种计算设备，计算设备包括：处理器；以及存储程序的存储器，程序包括指令，指令在由处理器执行时使处理器执行上述的方法。