[发明专利]推荐方法及装置、电子设备

说明书

本申请实施例公开了一种推荐方法及装置、电子设备，其中，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。

技术领域

本申请实施例涉及数据处理技术，涉及但不限于一种推荐方法及装置、电子设备。

背景技术

目前的推荐系统中，使用神经网络模型具备拟合特征能力强的特点。但是在数据不充分情况下，往往会出现过拟合的现象。由于深度学习每次训练结果都不一样，模型会出现不稳定性。

现有的解决方案是采用NeuMF(基于神经网络的矩阵分解)算法来构建推荐系统，但是所述NeuMF算法也存在各种各样的缺点。因此，如何构建一种更加稳定、推荐准确率更高的系统，成为本领域技术人员的研究热点。

发明内容

有鉴于此，本申请实施例提供一种推荐方法及装置、电子设备。

本申请实施例的技术方案是这样实现的：

第一方面，本申请实施例提供一种推荐方法，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。

第二方面，本申请实施例提供一种推荐装置，所述装置包括：

信息获取单元，用于获取目标用户的用户信息和目标候选对象的对象信息；

概率获取单元，用于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，每一路所述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；

推荐单元，用于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。

第三方面，本申请实施例提供一种电子设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法中的步骤。

本申请实施例提供一种推荐方法及装置、电子设备，通过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，如此，能够提供一种具有较高推荐准确率的推荐方法，同时所述推荐方法对应的模型也具有一定的稳定性。

附图说明

图1为本申请实施例推荐方法的实现流程示意图一；

图2为本申请实施例推荐方法的实现流程示意图二；

图3为本申请实施例推荐方法的实现流程示意图三；

图4A为本申请实施例推荐模型的结构示意图；

图4B为本申请实施例推荐模型的实验结果示意图一；