[发明专利]一种推荐方法、推荐模型的训练方法以及相关装置

权利要求书

1.一种推荐方法，其特征在于，包括：

获取用户特征信息和待推荐对象特征信息；

采用已训练的多目标推荐模型对所述用户特征信息和所述待推荐对象特征信息进行预测，得到综合点击预测值和偏差预测值；其中，所述偏差预测值用于表征预测偏差程度；

基于所述偏差预测值对所述综合点击预测值进行修正，得到目标点击预测值；

基于所述目标点击预测值将对应的待推荐对象推荐至用户；

其中，所述多目标推荐模型为根据样本数据和总损失函数进行训练得到的模型；所述总损失函数为基于用户特征信息中的点击率特征信息的损失函数以及基于对象特征信息的损失函数的和。

2.根据权利要求1所述的推荐方法，其特征在于，所述多目标推荐模型的训练过程，包括：

获取所述样本数据和初始多目标推荐模型；其中，所述样本数据包括用户特征信息和对象特征信息；所述初始多目标推荐模型包括基于所述用户特征信息和所述对象特征信息的第一子模型以及基于所述对象特征信息的第二子模型；

基于所述样本数据生成特征向量；

基于所述特征向量以及所述初始多目标推荐模型进行训练，并计算训练之后的多目标推荐模型的总损失函数；

当训练之后的多目标推荐模型的总损失函数最小化时，停止训练所述多目标推荐模型；其中，所述第一子模型的输出值与所述第二子模型的输出值的乘积为所述多目标推荐模型输出的综合点击预测值，所述第二子模型的输出值为所述多目标推荐模型输出的偏差预测值。

3.根据权利要求2所述的推荐方法，其特征在于，所述第二子模型包括预设层数的特征提取层以及输出层；所述特征提取层与所述输出层连接；所述特征提取层用于对所述对象特征信息进行特征提取，并将特征提取结果输入至所述输出层。

4.根据权利要求3所述的推荐方法，其特征在于，所述第二子模型还包括预设维度的部分特征提取层；所述部分特征提取层与所述第二子模型的输出层连接；所述部分特征输入层用于对所述对象特征信息的语种特征信息和/或流派特征信息进行特征提取，并将特征提取结果输入至所述输出层。

5.根据权利要求2所述的推荐方法，其特征在于，基于所述样本数据生成特征向量；

对所述样本数据进行编码处理，得到高维稀疏特征；

将所述高维稀疏特征映射得到低维的所述特征向量。

6.根据权利要求1所述的推荐方法，其特征在于，当待推荐对象为音乐时，基于所述目标点击预测值将对应的待推荐对象推荐至用户，包括：

基于所述目标点击预测值将所有待推荐对象进行排序，得到排序结果；

将所述排序结果中目标点击预测值大于预设数值的部分排序结果发送至所述用户。

7.一种推荐模型的训练方法，其特征在于，包括：

获取所述样本数据和初始多目标推荐模型；其中，所述样本数据包括用户特征信息和对象特征信息；所述初始多目标推荐模型包括基于所述用户特征信息和所述对象特征信息的第一子模型以及基于所述对象特征信息的第二子模型；

基于所述样本数据生成特征向量；

基于所述特征向量以及所述初始多目标推荐模型进行训练，并计算训练之后的多目标推荐模型的总损失函数；其中，所述总损失函数为基于用户特征信息中的点击率特征信息的损失函数以及基于对象特征信息的损失函数的和；

当训练之后的多目标推荐模型的总损失函数最小化时，停止训练所述多目标推荐模型；其中，所述第一子模型的输出值与所述第二子模型的输出值的乘积为所述多目标推荐模型输出的综合点击预测值，所述第二子模型的输出值为所述多目标推荐模型输出的偏差预测值。

8.根据权利要求7所述的训练方法，其特征在于，所述第二子模型包括预设层数的特征提取层以及输出层；所述特征提取层与所述输出层连接；所述特征提取层用于对所述对象特征信息进行特征提取，并将特征提取结果输入至所述输出层。