[发明专利]推荐方法、装置、计算设备及存储介质

权利要求书

1.一种推荐方法，其特征在于，包括：

获取第一用户的属性特征，其中，所述第一用户为不存在行为特征的用户；

将所述第一用户的属性特征输入至交叉重构网络，利用所述交叉重构网络对所述第一用户的属性特征进行交叉处理，得到所述第一用户的行为特征；

根据所述第一用户的属性特征、行为特征以及媒体信息的特征，得到所述媒体信息的得分；

根据所述媒体信息的得分对所述第一用户进行推荐。

2.根据权利要求1所述的方法，其特征在于，所述交叉重构网络包括第一自编码器和第二自编码器，所述利用所述交叉重构网络对所述第一用户的属性特征进行交叉处理，得到所述第一用户的行为特征，包括：

将所述第一用户的属性特征输入至所述第一自编码器，利用所述第一自编码器对所述属性特征进行编码，得到目标编码特征；

利用所述第二自编码器对所述目标编码特征进行解码，得到所述第一用户的行为特征。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一用户的属性特征、行为特征以及媒体信息的特征，得到所述媒体信息的得分，包括：

将所述第一用户的属性特征、行为特征以及媒体信息的特征输入至指数预测网络，得到所述媒体信息的目标指数的预测值，其中，所述指数预测网络包括全连接层，所述目标指数包括以下至少一项：点击率、转化率、点击转化率。

4.根据权利要求3所述的方法，其特征在于，所述根据所述媒体信息的得分对所述第一用户进行推荐，包括：

根据待推荐媒体信息集合中各个媒体信息的目标指数的预测值，对各个媒体信息进行排序；

根据排序结果对所述媒体信息进行推荐。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：

获取第二用户的属性特征和行为特征，其中，所述第二用户为存在行为特征的用户；

利用所述第二用户的属性特征和行为特征对所述交叉重构网络进行训练。

6.根据权利要求5所述的方法，其特征在于，所述交叉重构网络包括第一编码器、第二编码器、第一解码器和第二解码器，其中，所述第一编码器用于对输入的属性特征进行编码，所述第二编码器用于输入的行为特征进行编码，所述第一解码器用于对所述第一编码器输出的编码结果进行解码以及所述第二编码器输出的编码结果进行解码，所述第二解码器用于对所述第一编码器输出的编码结果进行解码以及所述第二编码器输出的编码结果进行解码，所述交叉重构网络的训练损失包括：

第一损失，用于指示第一解码器对第一编码特征解码得到的结果与所述第二用户的属性特征之间的差异，以及第二解码器对所述第一编码特征解码得到的结果与所述第二用户的行为特征之间的差异；其中，所述第一编码特征是所述第一编码器对所述第二用户的属性特征进行编码得到的；

第二损失，用于指示第一解码器对第二编码特征解码得到的结果与所述第二用户的属性特征之间的差异，以及第二解码器对所述第二编码特征解码得到的结果与所述第二用户的行为特征之间的差异；其中，所述第二编码特征是所述第二编码器对所述第二用户的行为特征进行编码得到的。

7.根据权利要求6所述的方法，其特征在于，所述交叉重构网络的训练损失还包括：第三损失，用于指示第一映射结果和第二映射结果之间的平均差异，其中，所述第一映射结果是将所述第一编码特征映射到再生核希尔伯特空间得到的，所述第二映射结果是将所述第二编码特征映射到再生核希尔伯特空间得到的。

8.一种推荐装置，其特征在于，包括：

获取单元，用于获取第一用户的属性特征，其中，所述第一用户为不存在行为特征的用户；

交叉重构单元，用于将所述第一用户的属性特征输入至交叉重构网络，利用所述交叉重构网络对所述第一用户的属性特征进行交叉处理，得到所述第一用户的行为特征；

预测单元，用于根据所述第一用户的属性特征、行为特征以及媒体信息的特征，得到所述媒体信息的得分；

推荐单元，用于根据所述媒体信息的得分对所述第一用户进行推荐。