[发明专利]佛经推荐处理、装置、计算机设备及存储介质

权利要求书

1.一种佛经推荐处理方法，其特征在于，包括：

接收用户通过客户端触发的佛经推荐请求；

响应所述佛经推荐请求，获取所述用户的固有属性信息以及历史行为信息，其中，所述历史行为信息是指所述用户针对佛经的历史操作行为所得到，所述历史操作行为包括所述用户在不同时间段上对所述佛经的正向行为和反向行为，所述正向行为和反向行为表征了用户对所述佛经的感兴趣态度的不同行为；

解析所述历史行为信息，得到所述用户在不同时间段上对佛经的正向行为和反向行为，并依据所述正向行为和反向行为构建用户行为序列；

根据所述用户的固有属性信息以及用户行为序列，确定所述用户对佛经的喜好特征；

根据所述用户对佛经的喜好特征以及各个候选佛经的佛经特征，从所述各个候选佛经中选出推荐佛经；

将所述推荐佛经推送至所述客户端。

2.如权利要求1所述的佛经推荐处理方法，其特征在于，所述根据所述用户的固有属性信息以及用户行为序列，确定所述用户对佛经的喜好特征，包括：

对所述固有属性信息进行特征提取，以构建用户属性特征向量，并对所述用户行为序列进行特征提取，以构建用户行为序列特征向量；

将所述用户属性特征向量和用户行为序列特征向量进行融合，以获取所述用户对佛经的喜好特征。

3.如权利要求2所述的佛经推荐处理方法，其特征在于，所述对所述固有属性信息进行特征提取，以构建用户属性特征向量，并对所述用户行为序列进行特征提取，以构建用户行为序列特征向量，包括：

将所述用户固有属性信息输入Transformer模型的嵌入层，以获取第一词向量，并将所述第一词向量作为所述用户属性特征向量；

将所述用户行为序列输入Transformer网络的嵌入层，以构建第二词向量，并将所述第二词向量将输入Transformer网络的Transformer层，以获取所述用户行为序列特征向量。

4.如权利要求1所述的佛经推荐处理方法，其特征在于，所述根据所述用户对佛经的喜好特征以及各个候选佛经的佛经特征，从所述各个候选佛经中选出推荐佛经，包括：

基于所述用户对佛经的喜好特征和各个候选佛经的佛经特征，获得所述用户对所述各个候选佛经的感兴趣度；

根据所述各个候选佛经的感兴趣度，从所述各个候选佛经中选出推荐佛经。

5.如权利要求4所述的佛经推荐处理方法，其特征在于，所述基于所述用户对佛经的喜好特征和各个候选佛经的佛经特征，获得所述用户对所述各个候选佛经的感兴趣度，包括：

通过已训练的感兴趣度模型对所述用户对佛经的喜好特征和各个候选佛经的佛经特征进行分析，获得所述感兴趣度模型输出的用户对所述各个候选佛经的感兴趣度；

其中，所述已训练的感兴趣度模型是根据已标注感兴趣度的训练样本数据集训练得到的，所述训练样本数据集中的训练样本包括样本用户对象对佛经的历史行为信息和样本佛经的佛经特征信息。

6.如权利要求5所述的佛经推荐处理方法，其特征在于，通过下列方式训练得到所述已训练的感兴趣度模型：

从所述训练样本数据集中选取训练样本，其中，所述训练样本中标注有用户样本对象对样本佛经的感兴趣度；

对所述训练样本数据集中的每个训练样本，将所述训练样本包含的用户样本对象的行为信息和样本佛经的佛经特征信息输入未训练的感兴趣度模型中，获得所述未训练的感兴趣度模型输出的所述用户样本对象对所述样本佛经的感兴趣度；

基于目标损失函数对所述未训练的感兴趣度模型中的参数进行优化，使得每个训练样本标注的感兴趣度与通过所述未训练的感兴趣度模型得到的感兴趣度的差值在允许的差距范围内为止，得到所述已训练的感兴趣度模型，其中，所述目标损失函数包括与所述用户样本对象的行为信息对应的正向行为项以及反向行为项。