[发明专利]一种信息推荐方法及装置、电子设备、存储介质

说明书

本申请公开了一种信息推荐方法及装置、电子设备、存储介质，其中，所述方法包括：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。

技术领域

本申请实施例涉及计算机技术领域，尤其涉及一种信息推荐方法及装置、电子设备、存储介质。

背景技术

用户在终端进行信息浏览时，通常需要对用户的行为进行预测，以向用户推荐符合用户行为的信息，现有技术中，通常采用基于反向传播（BP，Back Propagation）的神经网络算法来对用户行为进行预测，并对用户进行信息的推荐。但是，基于BP神经网络方法的训练方法较为复杂，本质上为梯度下降法，算法容易陷入局部极值，且效率不高，且BP网络的预测能力（泛化能力）与训练能力（逼近能力）存在矛盾，会出现“过拟合现象”。因此，这种基于BP神经网络的用户行为预测方法不能充分学习用户行为分布的规律，对网络用户行为预测存在一定的片面性，不适合直接应用于需要对用户行为进行预测的场景中。

发明内容

为解决上述技术问题，本申请实施例提供了一种一种信息推荐方法及装置、电子设备、存储介质。

本申请实施例提供了一种信息推荐方法，所述方法包括：

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。

本申请一可选实施方式中，所述确定信息推荐模型，包括：

获得评语数据集；

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。

本申请一可选实施方式中，所述获得评语数据集，包括：

对不平衡评语数据集进行重采样，得到评语数据集。

本申请一可选实施方式中，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。

本申请一可选实施方式中，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。

本申请一可选实施方式中，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。

本申请一可选实施方式中，所述方法还包括：