[发明专利]信息推荐方法及装置、电子设备及存储介质

说明书

本公开实施例提供一种信息推荐方法及装置、电子设备及存储介质，所述信息推荐方法包括：对目标用户的用户信息进行编码得到第一特征向量，并对待推荐内容的内容信息进行编码得到第二特征向量；确定关系矩阵；利用第一推荐模型，根据第一特征向量、第二特征向量与关系矩阵，获得第一输出向量；利用第二推荐模型，根据第一特征向量以及第二特征向量，获得第二输出向量；根据第一输出向量及第二输出向量，得到第一预测结果。如此，通过关系矩阵来表示不同类别的特征之间的交互信息，从而更为细化地学习特征之间的交互信息，对特征交互信息的挖掘更为全面，使最终确定出的推荐信息的结果更准确。

技术领域

本公开涉及计算机技术领域，特别涉及一种信息推荐方法及装置、电子设备及计算机可读存储介质。

背景技术

互联网给用户带来大量信息，满足了用户在信息时代对信息的需求，但也使用户在面对大量信息时无法快速从中获得对自己真正有用的信息，因此，信息的使用效率反而降低了。

推荐系统能有效帮助用户快速发现感兴趣和高质量的信息，提升用户体验。在推荐系统中，推荐算法是推荐系统的核心，推荐算法关键在于挖掘数据特征以及特征之间的信息，尤其是特征之间的隐含信息。而目前相关技术中，采用的例如基于协同过滤或逻辑回归等传统的推荐算法，或者利用深度学习排序算法对特征之间的交互信息考虑并不全面，尤其忽略了不同类别特征之间的交互信息的不同，导致确定的推荐信息不能准确反应用户需求，影响用户体验。

发明内容

有鉴于此，本公开提供一种信息推荐方法及装置、电子设备及存储介质。

第一方面，本申请提供了一种信息推荐方法，该方法可以包括：

对目标用户的用户信息进行编码得到第一特征向量，并对待推荐内容的内容信息进行编码得到第二特征向量；

确定关系矩阵，其中，关系矩阵包括：第一类矩阵和第二类矩阵，其中，第一类矩阵表征确定用户信息与待推荐内容之间的关系；第二类矩阵表征不同类的待推荐内容之间的关系；

利用预先训练的第一推荐模型，根据第一特征向量、第二特征向量与关系矩阵，获得第一输出向量；

利用预先训练的第二推荐模型，根据第一特征向量以及第二特征向量，获得第二输出向量；

根据第一输出向量及第二输出向量，得到第一预测结果；其中，第一预测结果，指示待推荐内容的内容属性与目标用户的需求的匹配度。

在一些可能的实施方式中，对目标用户的用户信息进行编码得到第一特征向量，并对待推荐内容的内容信息进行编码得到第二特征向量，包括：

对用户信息进行独热编码获得用户信息的特征向量，对用户信息的特征向量进行降维，获得第一特征向量；

对内容信息进行独热编码获得内容信息的特征向量，并对内容信息的特征向量进行降维，获得第二特征向量。

在一些可能的实施方式中，利用预先训练的第一推荐模型，根据第一特征向量、第二特征向量与关系矩阵，获得第一输出向量，包括：

将获取的第一特征向量与关系矩阵相乘，获得第一结果信息；

基于关系矩阵的映射关系，将第一结果信息与第一特征向量对应的第二特征向量相乘，获得第一输出向量；

和/或：

将获取的第二特征向量与关系矩阵相乘，获得第一结果信息；

基于关系矩阵的映射关系，将第一结果信息与第二特征向量对应的第一特征向量或第二特征向量相乘，获得第一输出向量。

在一些可能的实施方式中，第一推荐模型是基于矩阵的因式分解机制的模型；第二推荐模型是包括遗弃神经元的深度神经网络模型。