[发明专利]推荐对象的排序方法、模型训练方法、装置及电子设备

说明书

本申请提供一种推荐对象的排序方法、模型训练方法、装置及电子设备，该推荐对象的排序方法包括：获取目标用户的用户标识，以及目标用户对应的多个待推荐对象的对象标识；将用户标识和对象标识输入目标网络模型，得到对象标识对应的排序序号，目标网络模型用于确定为目标用户推荐待推荐对象时待推荐对象的排序序号；根据排序序号，对待推荐对象进行排序。在本申请实施例中通过目标网络模型对目标用户对应的待推荐对象进行排序，能够降低待推荐对象排序的繁琐程度，进而提高待推荐对象排序的效率。

技术领域

本申请涉及计算机技术领域，尤其涉及一种推荐对象的排序方法、模型训练方法、装置及电子设备及电子设备。

背景技术

在推荐系统中，给当前用户推荐对象时，通常会确定多个候选对象，对这多个候选对象进行排序，以确定这些候选对象的优先程度，将优先程度比较高的候选对象推荐给该当前用户，从而提高用户的体验。

目前，较常用的排序方法是成对方法（pairwise），即将排序问题转换为序列分类或回归问题，例如输入为(a,b,c,d)，则需要构造(a,b)、(b,c)、(a,c)、……、(c,d)等所有组队，通过算法判断上述组队中排序是否正确，正确则为1，不正确则为0。但这种组队排序方法存在计算过程繁琐，效率低的问题。

发明内容

本申请提供一种推荐对象的排序方法、模型训练方法、装置及电子设备。用以解决对目前对候选对象的排序存在过程繁琐、效率低的问题。

第一方面，本申请实施例提供一种推荐对象的排序方法，包括：获取目标用户的用户标识，以及目标用户对应的多个待推荐对象的对象标识；将用户标识和对象标识输入目标网络模型，得到对象标识对应的排序序号，目标网络模型用于确定为目标用户推荐待推荐对象时待推荐对象的排序序号；根据排序序号，对待推荐对象进行排序。

在本申请的一个实施例中，目标网络模型包括：预处理层、卷积网络层和后处理层，将用户标识和各对象标识输入目标网络模型，得到各对象标识对应的排序序号，包括：将用户标识和各对象标识经过预处理层进行特征融合处理，得到第一融合向量；将第一融合向量经过卷积网络层进行卷积处理，得到目标特征向量；将目标特征向量经过后处理层进行后处理，得到各对象标识对应的排序序号。

在本申请的一个实施例中，预处理层包括：输入子层、嵌入子层和第一融合子层，将用户标识和各对象标识经过预处理层进行特征融合处理，得到第一融合向量，包括：将用户标识经过输入子层进行独热编码处理，得到用户标识对应的用户一维向量；将对象标识经过输入子层进行独热编码处理，得到对象标识对应的对象一维向量；将用户一维向量经过嵌入子层进行稠密化处理，得到用户稠密向量；将对象一维向量经过嵌入子层进行稠密化处理，得到对象稠密向量；将各个对象稠密向量进行合并，得到多维稠密向量；将用户稠密向量和多维稠密向量经过第一融合子层融合处理，得到第一融合向量。

在本申请的一个实施例中，卷积网络层包括激活函数和多种类型的卷积核，每种类型的卷积核具有多个；将第一融合向量经过卷积网络层进行卷积处理，得到目标特征向量，包括：采用不同类型的卷积核，分别对第一融合向量分进行特征提取，得到多个中间特征向量；采用激活函数对多个中间特征向量分别进行非线性处理，得到目标特征向量。

在本申请的一个实施例中，业务数据信息还包括：全局事件；全局事件包括多个事件信息，模型训练方法还包括：消息订阅模块向引擎服务单元配置全局事件。