[发明专利]推荐方法及装置、电子设备

权利要求书

1.一种推荐方法，所述方法包括：

获取目标用户的用户信息和目标候选对象的对象信息；

根据所述目标用户的用户信息、所述目标候选对象的对象信息和神经网络模型，得到所述目标用户选择所述目标候选对象的概率；其中，所述神经网络模型包括至少两路神经网络，每一路神经网络在对所述用户信息和所述对象信息进行处理的过程中随机抽取目标数量的特征进行输出；

如果所述概率满足目标条件，向所述目标用户推荐所述目标候选对象。

2.根据权利要求1所述的方法，所述根据所述目标用户的用户信息、所述目标候选对象的对象信息和神经网络模型，得到所述目标用户选择所述目标候选对象的概率，包括：

对所述用户信息和所述对象信息进行矩阵分解，得到第一特征矢量；

利用至少两路神经网络对所述用户信息和所述对象信息进行处理，得到对应的至少两路输出特征；其中，每一路神经网络在数据处理的过程中随机抽取目标数量的特征进行输出；

将所述至少两路输出特征进行拼接，得到第二特征矢量；

根据所述第一特征矢量和所述第二特征矢量，确定所述目标用户选择所述目标候选对象的概率。

3.根据权利要求2所述的方法，所述利用至少两路神经网络对所述用户信息和所述对象信息进行处理，得到对应的至少两路输出特征；其中，每一路神经网络在数据处理的过程中随机抽取目标数量的特征进行输出，包括：

对所述用户信息和所述对象信息分别进行特征提取初始化，得到对应的用户初始感知向量和对应的对象初始感知向量；

对所述用户初始感知向量和所述对象初始感知向量进行拼接，得到拼接向量；

利用至少两路神经网络对所述拼接向量进行处理，得到对应的至少两路输出特征；其中，每一路神经网络在数据处理的过程中随机抽取所述拼接向量中目标数量的特征进行输出。

4.根据权利要求3所述的方法，所述每一路神经网络为多层神经网络、且前一层神经网络的输出为后一层神经网络的输入；

对应地，所述多层神经网络中每一层神经网络对其输入向量的处理过程，包括：

为所述输入向量中的每一特征分配对应的权重，得到第一向量；

随机抽取所述第一向量中目标数量的特征进行输出，得到第二向量；

对所述第二向量进行非线性转换，得到其输出向量。

5.根据权利要求2所述的方法，所述根据所述第一特征矢量和所述第二特征矢量，确定所述目标用户选择所述目标候选对象的概率，包括：

将所述第一特征矢量和所述第二特征矢量进行拼接，得到拼接输出特征；

将所述拼接输出特征输入至分类器，得到所述目标用户选择所述目标候选对象的概率。

6.根据权利要求1至5任一项所述的方法，所述神经网络模型通过以下步骤进行训练：

获取样本用户的用户信息和样本候选对象的对象信息；

利用神经网络模型对所述样本用户的用户信息和所述样本候选对象的对象信息进行特征提取，得到样本特征；其中，所述神经网络模型中每一路神经网络在对所述样本用户的用户信息和所述样本候选对象的对象信息进行处理的过程中随机抽取目标数量的特征进行输出；

根据所述样本特征，确定所述样本用户选择所述样本候选对象的预测概率；

根据目标损失函数、所述预测概率和所述样本用户对所述样本候选对象的选择结果对所述神经网络模型进行训练，得到训练后的神经网络模型。