[发明专利]一种信息推荐方法及装置、电子设备、存储介质

权利要求书

1.一种信息推荐方法，其特征在于，所述方法包括：

对不平衡评语数据集进行重采样，得到评语数据集；其中，所述对不平衡评语数据集进行重采样，得到评语数据集，包括：将不平衡数据集分为少数类和多数类；对所述少数类进行聚类得到至少一个子簇，确定所述至少一个子簇中的各个子簇中参与样本合成的第一样本；针对各个子簇，将各个子簇中选择的参与样本合成的第一样本与对应的子簇的簇心进行双线性差值得到与各子簇对应的第二样本；将所述各子簇对应的第二样本、各子簇的簇心以及所述少数类和多数类相结合得到评语数据集；

基于所述评语数据集确定信息推荐模型；所述信息推荐模型包括级联的词向量模型和径向基神经网络；

将第一向量和至少一个第二向量输入至所述信息推荐模型，得到至少一个待推荐信息中的各个待推荐信息的评分，所述第一向量用于表征目标用户的历史消费信息，所述至少一个第二向量中的每个第二向量用于表征一个待推荐信息；

将所述至少一个待推荐信息中的各个待推荐信息的评分进行排序，并按照排序结果向所述目标用户进行信息推荐。

2.根据权利要求1所述的方法，其特征在于，所述基于所述评语数据集确定信息推荐模型，包括：

利用所述评语数据集对待训练的信息推荐模型进行训练，得到所述信息推荐模型。

3.根据权利要求1所述的方法，其特征在于，所述确定所述至少一个子簇中的各个子簇中参与样本合成的第一样本，包括：

针对所述至少一个子簇中的每个子簇，在该子簇中随机选择第三样本，并基于所述第三样本与该子簇对应的簇心的距离判断所述第三样本是否可以参与样本的合成，若可以，则将该第三样本确定为第一样本。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述第一向量为所述目标用户的历史消费信息向量的均值。

5.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：

针对推荐给目标用户的信息，获得用户对该信息的评语，并将用户对该信息的评语补充至所述评语数据集中，得到更新的评语数据集；

利用所述更新的评语数据集对所述信息推荐模型进行训练，得到更新的信息推荐模型。

6.一种信息推荐装置，其特征在于，所述装置包括：

确定单元，用于对不平衡评语数据集进行重采样，得到评语数据集；其中，所述对不平衡评语数据集进行重采样，得到评语数据集，包括：将不平衡数据集分为少数类和多数类；对所述少数类进行聚类得到至少一个子簇，确定所述至少一个子簇中的各个子簇中参与样本合成的第一样本；针对各个子簇，将各个子簇中选择的参与样本合成的第一样本与对应的子簇的簇心进行双线性差值得到与各子簇对应的第二样本；将所述各子簇对应的第二样本、各子簇的簇心以及所述少数类和多数类相结合得到评语数据集；基于所述评语数据集确定信息推荐模型；所述信息推荐模型包括级联的词向量模型和径向基神经网络；

第一处理单元，用于将第一向量和至少一个第二向量输入至所述信息推荐模型，得到至少一个待推荐信息中的各个待推荐信息的评分，所述第一向量用于表征目标用户的历史消费信息，所述至少一个第二向量中的每个第二向量用于表征一个待推荐信息；

推荐单元，用于将所述至少一个待推荐信息的各个待推荐信息的评分进行排序，并按照排序结果向所述目标用户进行信息推荐。

7.一种电子设备，其特征在于，包括：处理器和存储器，该存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行如权利要求1至5中任一项所述的方法。

8.一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序使得计算机执行如权利要求1至5中任一项所述的方法。