[发明专利]推荐方法、装置、介质、装置和计算设备

权利要求书

1.一种推荐方法，包括：

获取推荐相关数据；所述推荐相关数据包括：推荐相关对象在N个业务场景对应的场景共有特征，与所述N个业务场景分别对应的场景独有特征；其中，N＞1，所述N个业务场景分别对应的场景独有特征，用于对所述N个业务场景进行区分；

将所述推荐相关数据输入到目标模型，输出所述推荐相关对象对应的推荐度；

根据所述目标模型输出的推荐度，进行推荐。

2.如权利要求1所述方法，所述推荐相关对象，包括：

第一用户与用于推荐给所述第一用户的至少一个第二用户；

所述推荐相关对象在N个业务场景对应的场景共有特征，包括：

所述第一用户的用户画像特征；

所述第一用户在所述N个业务场景下的统计特征；

每个第二用户在所述N个业务场景下的统计特征。

3.如权利要求2所述方法，所述推荐相关对象在N个业务场景对应的场景共有特征，还包括：

每个第二用户的用户画像特征。

4.如权利要求2或3所述方法，所述目标模型包括：输入层、专家网络层、权重网络层、加权计算层、输出层；

将所述推荐相关数据输入到目标模型，输出所述推荐相关对象对应的推荐度，包括：

将所述推荐相关数据输入到输入层，输出第一类特征向量；所述输入层包括映射子层，用于将高维度稀疏特征向量映射成低维度稠密特征向量；

将所述第一类特征向量输入所述专家网络层，输出Q个第二类特征向量；Q＞0；

将所述第一类特征向量输入所述权重网络层，输出与S个预测任务一一对应的S个权重值集合；每个权重值集合包括与Q个第二类特征向量一一对应的Q个权重值；S＞1；

将Q个第二类特征向量与S个权重值集合输入所述加权计算层，输出与S个预测任务一一对应的S个第三类特征向量；所述加权计算层用于针对每个预测任务，根据该预测任务对应的权重值集合与Q个第二类特征向量，进行加权计算；

将S个第三类特征向量输入所述输出层，输出关于S个预测任务的推荐度；所述输出层包括全连接子层。

5.如权利要求4所述方法，所述输入层还包括：特征向量裁剪Dropout子层，用于将映射子层输出的特征向量进行裁剪，得到第一类特征向量。

6.一种模型训练方法，包括：

根据N个业务场景与可适用于每个业务场景的M个基本预测任务，定义S个由业务场景与基本预测任务组合出的具体预测任务，S＝M*N；N＞1，M＞0；

构建用于实现所述S个具体预测任务的待训练模型；

以所述N个业务场景为数据源，获取多个推荐相关对象分别对应的数据样本；每个数据样本包括：N个业务场景对应的场景共有特征，与所述N个业务场景分别对应的场景独有特征；其中，所述共有特征包括该数据样本对应的推荐相关对象在N个业务场景下对应的对象特征；所述N个业务场景分别对应的场景独有特征，用于对所述N个业务场景进行区分；

针对每个数据样本，获取该数据样本对应的S个标签，其中第j个标签用于监督该数据样本在第j个具体预测任务上对应的预测结果；j＝1、……、S；

基于每个数据样本与每个数据样本对应的S个标签，训练所述待训练模型，得到目标模型。

7.一种推荐装置，包括：

获取模块，获取推荐相关数据；所述推荐相关数据包括：推荐相关对象在N个业务场景对应的场景共有特征，与所述N个业务场景分别对应的场景独有特征；其中，N＞1，所述N个业务场景分别对应的场景独有特征，用于对所述N个业务场景进行区分；

处理模块，将所述推荐相关数据输入到目标模型，输出所述推荐相关对象对应的推荐度；

推荐模块，根据所述目标模型输出的推荐度，进行推荐。