[发明专利]利用神经网络向用户推荐对象的方法、设备和介质

权利要求书

1.一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所述待推荐对象的推荐结果，所述神经网络包括：

特征向量层，所述特征向量层被配置为接收基于所述用户特征和所述对象特征的特征向量层输入并确定相应的特征向量以生成特征向量输出，其中，所述特征向量输出包括与所述用户特征相对应的第一特征向量和与所述对象特征相对应的第二特征向量；以及

所述特征向量层之后的多个全连接层，所述多个全连接层被配置为接收所述特征向量输出并协同运作以生成针对所述待推荐对象的预测推荐结果，其中，

所述特征向量层包括与所述用户特征相对应的至少一个不同于所述第一特征向量的第三特征向量，

其中，所述神经网络还包括特征输入层，所述特征输入层位于所述特征向量层之前，并被配置为根据映射函数将所述用户特征和所述对象特征中的每一个特征分别映射为相应的数值以生成所述特征向量层输入，所述特征输入层还被配置为，基于用户所属的用户群组选择不同的映射函数，以使得属于不同用户群组的用户的相同用户特征能够被映射为不同的数值。

2.如权利要求1所述的神经网络，其中，所述特征向量层被配置为将所述特征向量层输入作为索引以搜索与所述用户特征和所述对象特征中的每一个特征相对应的特征向量。

3.如权利要求1或2所述的神经网络，其中，所述特征向量被以键-值的形式存储在所述特征向量层中。

4.如权利要求1所述的神经网络，其中，所述特征向量层中与同一用户特征相对应的不同的特征向量的数量与所述用户群组的数量相同。

5.如权利要求1所述的神经网络，其中，所述用户群组是根据用户所使用的终端设备进行划分的。

6.如权利要求1所述的神经网络，其中，所述映射函数为哈希函数。

7.如权利要求1所述的神经网络，其中，所述特征向量层包括与所述对象特征相对应的至少一个不同于所述第二特征向量的第四特征向量。

8.如权利要求1所述的神经网络，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。

9.如权利要求1所述的神经网络，其中，所述神经网络基于多层感知器MLP。

10.一种由计算机实现的利用神经网络向用户推荐对象的方法，所述神经网络包括特征向量层和所述特征向量层之后的多个全连接层，所述方法包括：

利用所述特征向量层处理基于用户特征和待推荐对象的对象特征的特征向量层输入，其中，所述特征向量层被配置为接收所述特征向量层输入并确定相应的特征向量以生成特征向量输出，其中，所述特征向量输出包括与所述用户特征相对应的第一特征向量和与所述对象特征相对应的第二特征向量；以及

利用所述多个全连接层处理所述特征向量输出，其中，所述多个全连接层被配置为接收所述特征向量输出并协同运作以生成针对所述待推荐对象的预测推荐结果，其中，所述特征向量层包括与所述用户特征相对应的至少一个不同于所述第一特征向量的第三特征向量，

其中，所述神经网络包括位于所述特征向量层之前的特征输入层，所述方法还包括：

利用所述特征输入层根据映射函数将所述用户特征和所述对象特征中的每一个特征分别映射为相应的数值以生成所述特征向量层输入，

并且其中，所述特征输入层还被配置为，基于用户所属的用户群组选择不同的映射函数，以使得属于不同用户群组的用户的相同的用户特征能够被映射为不同的数值。

11.如权利要求10所述的方法，其中，处理所述特征向量层输入包括将所述特征向量层输入作为索引以搜索与所述用户特征和所述对象特征中的每一个特征相对应的特征向量。

12.如权利要求11所述的方法，其中，所述特征向量被以键-值的形式存储在所述特征向量层中。