[发明专利]向用户推荐对象的方法、装置、设备和介质有效
申请号: | 202110127447.5 | 申请日: | 2021-01-29 |
公开(公告)号: | CN112818228B | 公开(公告)日: | 2023-08-04 |
发明(设计)人: | 祝帅;王超;秦首科;马晓波;王诗君 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
主分类号: | G06F16/9535 | 分类号: | G06F16/9535;G06F18/23213;G06F18/22;G06N3/0464;G06N3/084 |
代理公司: | 北京市汉坤律师事务所 11602 | 代理人: | 姜浩然;吴丽丽 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用户 推荐 对象 方法 装置 设备 介质 | ||
1.一种利用树检索模型向用户推荐对象的方法,其中,所述树检索模型包括多个叶子节点,所述多个叶子节点与多个真实对象一一对应,所述方法包括:
获取用户特征;
利用所述树检索模型从所述多个叶子节点中确定多个候选叶子节点;
基于所述用户特征和所述多个候选叶子节点分别对应的多个候选真实对象中的每一个候选真实对象的特征,生成针对所述每一个候选真实对象的预测结果,其中,所述每一个候选真实对象的特征包括至少一个真实对象泛化特征,所述至少一个真实对象泛化特征包括以下一个或多个泛化特征:类别、作者、标签、质量等级和格调等级;以及
基于所述每一个候选真实对象的预测结果,确定一个或多个待推荐真实对象,
其中,所述树检索模型还包括多个非叶子节点,所述多个非叶子节点与多个构造对象一一对应,
其中,利用所述树检索模型从所述多个叶子节点中确定多个候选叶子节点包括:
基于所述用户特征和至少一个属于同一层的非叶子节点对应的至少一个候选构造对象中的每一个候选构造对象的特征,生成针对所述每一个候选构造对象的预测结果,其中,所述每一个候选构造对象的特征包括至少一个构造对象泛化特征;
基于所述每一个候选构造对象的预测结果,确定构造对象子集;以及
响应于所述构造对象子集对应的至少一个非叶子节点的子节点为叶子节点,将所述至少一个非叶子节点的子节点确定为所述多个候选叶子节点,
并且其中,所述生成针对所述每一个候选真实对象的预测结果包括:
将所述用户特征和该候选真实对象的特征进行融合,以得到用户-真实对象组合特征;以及
将所述用户特征、该候选真实对象的特征和所述用户-真实对象组合特征输入匹配模型,以得到所述匹配模型输出的预测结果。
2.如权利要求1所述的方法,其中,利用所述树检索模型从所述多个叶子节点中确定多个候选叶子节点还包括:
响应于所述构造对象子集对应的至少一个非叶子节点的子节点为非叶子节点,基于所述用户特征和所述非叶子节点子集中的每一个子节点对应的构造对象的特征,重新确定所述构造对象子集。
3.如权利要求1所述的方法,其中,所述用户特征包括用户标识特征和至少一个用户泛化特征,所述每一个候选真实对象的特征包括真实对象标识特征,
其中,所述用户-真实对象组合特征包括以下多个组合特征中的一个或多个组合特征:
所述用户标识特征和所述至少一个真实对象泛化特征分别进行融合而得到的至少一个组合特征;
所述至少一个用户泛化特征分别和所述真实对象标识特征进行融合而得到的至少一个组合特征;以及
所述至少一个用户泛化特征分别和所述至少一个真实对象泛化特征分别进行融合而得到的至少一个组合特征。
4.如权利要求3所述的方法,其中,所述至少一个用户泛化特征和所述至少一个真实对象泛化特征包括至少一组泛化特征对,所述至少一组泛化特征对中的每一组泛化特征对包括对应的一个用户泛化特征和一个真实对象泛化特征,
其中,所述用户-真实对象组合特征还包括将所述至少一组泛化特征对中的泛化特征对子集中的每一组泛化特征对进行融合而得到的一个或多个组合特征。
5.如权利要求1所述的方法,其中,所述每一个候选构造对象所包括的特征与所述每一个候选真实对象所包括的特征相同,
其中,生成针对所述每一个候选构造对象的预测结果包括:
将所述用户特征和该候选构造对象的特征进行融合,得到用户-构造对象组合特征;以及
将所述用户特征、该候选构造对象的特征和所述用户-构造对象组合特征输入匹配模型,以得到所述匹配模型输出的预测结果。
6.如权利要求1所述的方法,其中,所述用户特征、所述多个真实对象的特征和所述多个构造对象的特征均为经过特征嵌入后而得到的特征向量,其中,所述多个真实对象的特征和所述多个构造对象的特征对应同一个特征向量空间。
7.如权利要求1所述的方法,其中,所述真实对象为包括以下一种或多种类型的数据:文字、音频和视频。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110127447.5/1.html,转载请声明来源钻瓜专利网。