[发明专利]推荐方法、装置、介质、装置和计算设备

说明书

本公开的实施方式提供了一种推荐方法、装置、介质、装置和计算设备。将推荐相关对象在至少两个业务场景下对应的场景共有特征输入目标模型，还将这至少两个业务场景分别对应的场景独有特征输入目标模型。如此，目标模型可以参考推荐相关对象与至少两个不同业务场景之间的关系，对推荐相关对象进行分析，输出的推荐度更加准确。

技术领域

本公开的实施方式涉及信息技术领域，更具体地，本公开的实施方式涉及一种推荐方法、装置、介质、装置和计算设备。

背景技术

本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

目前，利用根据人工智能算法训练得到的模型进行推荐业务，比较常见。通常，需要将推荐相关对象的特征输入到模型中，模型分析推荐相关对象的特征之后，输出用于表征推荐相关对象对应的推荐权重的推荐度。

基于此，如何获取更加准确的推荐度，是亟待解决的技术问题。

发明内容

本公开的实施方式期望提供一种推荐方法、装置、介质、装置和计算设备，以便基于更准确的推荐度进行推荐。

在本公开实施方式的第一方面中，提供了一种推荐方法，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。

在本公开的一个实施方式中，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。

在本公开的另一实施方式中，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。

在本公开的又一个实施方式中，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，用于将高纬度稀疏特征向量映射成低纬度稠密特征向量；

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。