[发明专利]对象推荐方法、推荐模型的训练方法及装置

权利要求书

1.一种对象推荐方法，包括：

基于用户的第一行为特征，确定所述用户的用户类型；

响应于确定所述用户的用户类型为非活跃用户：

将所述用户的第二行为特征、属性特征和待推荐对象的对象特征输入预设的第一推荐模型，以得到所述第一推荐模型输出的所述用户与所述待推荐对象的第一匹配度；

将且仅将所述属性特征和所述对象特征输入预设的第二推荐模型，以得到所述第二推荐模型输出的所述用户与所述待推荐对象的第二匹配度，其中，所述第二推荐模型与所述第一推荐模型不同，所述第二推荐模型是基于所述第一推荐模型训练得到的；以及

基于所述第一匹配度和所述第二匹配度，确定所述待推荐对象针对所述用户的推荐结果。

2.根据权利要求1所述的方法，其中，所述第一行为特征包括所述用户浏览的历史推荐对象的数量，并且其中，

基于用户的第一行为特征，确定所述用户的用户类型包括：响应于确定所述数量小于或等于预设阈值，判定所述用户的用户类型为非活跃用户。

3.根据权利要求1所述的方法，其中，所述属性特征包括所述用户的来源渠道信息。

4.根据权利要求1所述的方法，其中，基于所述第一匹配度和所述第二匹配度，确定所述待推荐对象针对所述用户的推荐结果包括：

计算所述第一匹配度和所述第二匹配度的加权和；

将所述加权和在预设区间内的映射值确定为所述推荐结果。

5.根据权利要求1-4中任一项所述的方法，还包括：

响应于确定所述用户的用户类型为活跃用户，基于所述第二行为特征、所述属性特征和所述对象特征，确定所述待推荐对象针对所述用户的推荐结果。

6.一种推荐模型的训练方法，所述推荐模型包括第一推荐模型和第二推荐模型，所述推荐模型用于执行根据权利要求1-5中任一项所述的对象推荐方法，所述训练方法包括：

训练得到第一推荐模型；

获取样本用户的行为特征和属性特征、样本对象的对象特征以及所述样本对象针对所述样本用户的真实推荐结果，其中，所述样本用户的用户类型为非活跃用户；

将所述行为特征、所述属性特征和所述对象特征输入所述第一推荐模型，以得到所述第一推荐模型输出的所述样本用户与所述样本对象的第一预测匹配度；

将所述属性特征和所述对象特征输入所述第二推荐模型，以得到所述第二推荐模型输出的样本用户与所述样本对象的第二预测匹配度；

将所述第一预测匹配度和所述第二预测匹配度进行融合，以得到所述样本对象针对所述样本用户的预测推荐结果；

基于所述预测推荐结果和所述真实推荐结果，计算所述推荐模型的损失值；以及

基于所述损失值，调整所述第二推荐模型的参数。

7.根据权利要求6所述的方法，其中，所述样本用户浏览的历史推荐对象的数量小于或等于预设阈值。

8.根据权利要求6所述的方法，其中，所述训练得到第一推荐模型包括：

训练得到初始推荐模型，其中所述初始推荐模型包括处理模块和输出层，所述处理模块被配置为以用户的行为特征、属性特征和对象的对象特征为输入，输出所述用户与所述对象的匹配度，所述输出层被配置为以所述匹配度为输入，输出所述对象针对所述用户的推荐结果，所述用户的用户类型为活跃用户或非活跃用户；以及

添加与所述输出层相连的转化层，以得到所述第一推荐模型，其中，所述转化层所采用的转化函数是所述输出层所采用的激活函数的反函数。

9.根据权利要求6所述的方法，其中，所述训练得到第一推荐模型包括：

训练得到初始推荐模型，其中所述初始推荐模型包括处理模块和输出层，所述处理模块被配置为以用户的行为特征、属性特征和对象的对象特征为输入，输出所述用户与所述对象的匹配度，所述输出层被配置为以所述匹配度为输入，输出所述对象针对所述用户的推荐结果，所述用户的用户类型为活跃用户或非活跃用户；以及

删除所述输出层，以得到所述第一推荐模型。