[发明专利]对象推荐方法、装置和设备及计算机存储介质

权利要求书

1.一种对象推荐方法，其特征在于，所述方法包括：

基于各个候选账户各自对应的历史操作对象序列，以及各个历史操作对象序列各自对应的至少一个操作对象属性序列，分别获得所述各个候选账户各自的账户特征向量；其中，每个操作对象属性序列，是基于相应的历史操作对象序列中各个历史操作对象的同类属性构成的；

基于获得的各个账户特征向量，从所述各个候选账户中，确定出待进行对象推荐的目标账户的至少一个相似账户，每个相似账户为与所述目标账户的相似度满足设定要求的候选账户；

基于所述至少一个相似账户的历史操作对象序列，获得多个候选推荐对象；

从所述多个候选推荐对象中，确定所述目标账户的目标推荐对象。

2.如权利要求1所述的方法，其特征在于，基于各个候选账户各自对应的历史操作对象序列，以及各个历史操作对象序列各自对应的至少一个操作对象属性序列，分别获得所述各个候选账户各自的账户特征向量，包括：

基于所述各个历史操作对象序列，以及所述各个历史操作对象序列各自对应的至少一个操作对象属性序列，构建多个元素序列；其中，每个元素序列为一个候选账户的操作对象子序列或者操作对象属性子序列；

基于所述多个元素序列对元素预测模型进行迭代训练，并在所述元素预测模型收敛时，将最后一次迭代训练输出的各个账户特征向量，确定为各个候选账户的账户特征向量。

3.如权利要求2所述的方法，其特征在于，在一次迭代训练过程中，执行以下操作：

针对所述多个元素序列中的各个元素序列，分别执行以下操作：针对所述各个元素序列中的一个元素序列，基于相应的候选账户的账户特征向量，以及所述一个元素序列包括的N个元素中的N-1个元素的元素特征向量，获得所述一个元素序列中除所述N-1个元素之外的一个元素的预测特征向量；其中，N为正整数；将所述预测特征向量与所述一个元素的元素特征向量进行对比，获得对比结果；

基于所述各个元素序列对应的对比结果，获得所述元素预测模型的模型损失值；

基于所述模型损失值更新各个候选账户各自的账户特征向量。

4.如权利要求3所述的方法，其特征在于，针对所述各个元素序列中的一个元素序列，基于相应的候选账户的账户特征向量，以及所述一个元素序列包括的N个元素中的N-1个元素的元素特征向量，获得所述一个元素序列中除所述N-1个元素之外的其余一个元素的预测特征向量，包括：

基于所述候选账户的账户特征向量，以及所述一个元素序列的前N-1个元素的元素特征向量，获得所述一个元素序列的第N个元素的预测特征向量；或者，

基于所述候选账户的账户特征向量、所述一个元素序列的前M个元素的元素特征向量，以及最后M个元素的元素特征向量，获得所述一个元素序列的第M+1个元素的预测特征向量，其中，M为正整数，且N＝2M+1。

5.如权利要求3所述的方法，其特征在于，所述针对所述各个元素序列中的一个元素序列，基于相应的候选账户的账户特征向量，以及所述一个元素序列包括的N个元素中的N-1个元素的元素特征向量，获得所述一个元素序列中除所述N-1个元素之外的其余一个元素的预测特征向量，包括：

对所述N-1个元素的元素特征向量进行融合处理，获得融合特征向量；

基于所述候选账户的账户特征向量和所述融合特征向量进行特征提取，获得所述预测特征向量。

6.如权利要求5所述的方法，其特征在于，所述融合处理，包含以下方式中的任一种：

对所述N-1个元素的元素特征向量进行池化处理，获得所述融合特征向量；

按照所述元素预测模型包括的卷积核以及设定的卷积步长，对由所述N-1个元素的元素特征向量组成的特征向量矩阵进行卷积处理，获得所述融合特征向量；

对所述N-1个元素的元素特征向量进行序列化特征提取，获得所述融合特征向量。