[发明专利]一种组合对象推荐方法、装置、系统和存储介质

说明书

本公开涉及组合对象推荐方法、装置、系统和存储介质。本公开的至少一个实施例中，对推荐组合对象时，通过区分不同的对象类型，对每种对象类型建立对应的推荐模型，进而针对一个被推荐用户，利用各对象类型对应的推荐模型分别获得各对象类型中的对象的推荐排序列表。可见，由于同种对象类型的不同对象具有相同的属性特征，不存在特征值为空的情况，使得推荐模型的训练特征由稀疏变得稠密，有利于加快推荐模型训练收敛。并且，去除了冗余特征，减少噪声干扰，使得推荐模型的推荐排序结果更加准确。另外，通过从各对象类型对应的推荐排序列表中选取对象，将不同推荐排序列表融合为组合对象推荐结果，提高了对象推荐的有效性和多样性。

技术领域

本公开实施例涉及机器学习技术领域，具体涉及一种组合对象推荐方法、装置、系统和存储介质。

背景技术

随着机器学习算法在工业应用日趋成熟，越来越多的公司开始搭建属于自己的产品推荐系统，以满足不同用户对产品个性化推荐的需求，让用户能够更加便捷地获取到自己喜好的产品，使得产品在曝光展示阶段获得更高的点击率，提高客户端用户活跃度，进而能够提高产品购买率。

在产品推荐系统中应用机器学习，需要收集所推荐产品的属性特征，作为模型的训练特征的一部分。对不同类型产品推荐(即组合产品推荐)时，由于不同类型的产品具有不同的特征，目前通常将多个类型产品的属性特征直接拼接作为训练特征。

但是当某个产品不具备其余产品所拥有的特征时，其特征值会取为空。多维特征维度取值为空会导致产品特征向量变得稀疏，这样不仅会增加模型的计算量和存储量，还会引入一些不必要的噪音，降低模型的效果。因此传统的单一模型推荐方法在推荐组合产品时的效果较差。

发明内容

为了解决现有技术存在的至少一个问题，本公开的至少一个实施例提供了一种组合对象推荐方法、装置、系统和存储介质。

第一方面，本公开实施例提供一种组合对象推荐方法，其中，组合对象包括多个对象，且多个对象分属于至少两种对象类型，所述方法包括：

针对每种对象类型建立对应的推荐模型；

针对一个被推荐用户，利用各对象类型对应的推荐模型分别获得各对象类型中的对象的推荐排序列表，以及从各对象类型对应的推荐排序列表中选取对象得到组合对象推荐结果。

在一些实施例中，在针对每种对象类型建立对应的推荐模型之前，该方法还包括：

获取每个对象的一个或多个属性特征；

将属性特征数量相同且属性特征定义相同的所有对象划分为同种对象类型。

在一些实施例中，针对每种对象类型建立对应的推荐模型包括：

获取用户行为数据集合，其中，每条用户行为数据是描述一个用户对一个对象进行特定行为的数据；

根据涉及的不同对象类型将用户行为数据集合划分为对应于不同对象类型的数据集；

基于不同对象类型的数据集，构造每种对象类型的模型训练样本；

基于每种对象类型的模型训练样本，训练预设模型，得到每种对象类型对应的推荐模型。

在一些实施例中，每条用户行为数据包括：用户ID、对象ID、行为发生时间、曝光对象集合；

模型训练样本包括：用户ID、对象ID、行为发生时间、标签。

在一些实施例中，针对一个被推荐用户，利用各对象类型对应的推荐模型分别获得各对象类型中的对象的推荐排序列表包括：

利用各对象类型对应的推荐模型输出各对象类型中的对象ID与被推荐用户ID的匹配分数；