[发明专利]数据推荐方法、装置、计算机设备和存储介质

说明书

本发明涉及一种数据推荐方法、装置和计算机设备，该方法包括：获取各用户标识各自对应的用户数据；通过第一迭代处理生成与各所述用户标识各自对应的用户特征，且在每次迭代时，基于所述用户数据调整前次迭代时调整所得到的用户特征，直到满足第一迭代停止条件时停止迭代；通过第二迭代处理确定推荐用户标识集，且在每次迭代时，基于各所述用户特征调整前次迭代时调整所得到的推荐用户标识集，直到满足第二迭代停止条件时停止迭代；按照确定的推荐用户标识集进行数据推荐。本申请方案基于各用户特征调整前次迭代时调整所得到的推荐用户标识集进行第二迭代处理，确定推荐用户标识集，提高了确定推荐用户标识集的准确性，从而提高了数据推荐效果。

技术领域

本发明涉及计算机技术领域，特别是涉及一种数据推荐方法、装置、计算机设备和存储介质。

背景技术

随着计算机和网络技术的飞速发展，越来越多的数据需要通过计算机处理获取通过网络进行传输。在数据处理技术领域，有时对一些数据向用户进行网络推荐。

然而，在传统的对数据网络推荐过程中，都是通过在用户群中随机选择目标用户，将需要推荐的数据推荐给随机选择的推荐用户。通过随机选择推荐用户进行数据推荐，选择的推荐用户中很可能存在部分用户对推荐的数据并不感兴趣，导致选择推荐用户准确率较低。

发明内容

基于此，有必要针对传统方法通常会选择推荐用户准确率较低的问题，提供一种数据推荐方法、装置、计算机设备和存储介质。

一种数据推荐方法，所述方法包括：

获取各用户标识各自对应的用户数据；

通过第一迭代处理生成与各所述用户标识各自对应的用户特征，且在每次迭代时，基于所述用户数据调整前次迭代时调整所得到的用户特征，直到满足第一迭代停止条件时停止迭代；

通过第二迭代处理确定推荐用户标识集，且在每次迭代时，基于各所述用户特征调整前次迭代时调整所得到的推荐用户标识集，直到满足第二迭代停止条件时停止迭代；

按照确定的推荐用户标识集进行数据推荐。

一种数据模型训练方法，所述方法包括：

获取各样本用户标识各自对应的样本用户数据；

通过第一迭代训练确定用户特征生成模型对应的第一模型参数和各样本用户标识对应的样本用户特征，且在每次迭代时，基于所述样本用户数据调整前次迭代时调整得到的模型参数和样本用户特征，直到满足第一训练停止条件时停止训练；

以所述第一模型参数作为用户推荐模型的前次迭代时调整得到的模型参数；

通过第二迭代训练确定所述用户推荐模型对应的第二模型参数，且在每次迭代时，基于所述样本用户特征调整前次迭代时调整得到的模型参数，直到满足第一训练停止条件。

一种数据推荐装置，所述装置包括：

用户数据获取模块，用于获取各用户标识各自对应的用户数据；

用户特征生成模块，用于通过第一迭代处理生成与各所述用户标识各自对应的用户特征，且在每次迭代时，基于所述用户数据调整前次迭代时调整所得到的用户特征，直到满足第一迭代停止条件时停止迭代；

用户集推荐模块，用于通过第二迭代处理确定推荐用户标识集，且在每次迭代时，基于各所述用户特征调整前次迭代时调整所得到的推荐用户标识集，直到满足第二迭代停止条件时停止迭代；

数据推荐模块，用于按照确定的推荐用户标识集进行数据推荐。

一种数据模型训练装置，所述方法包括：

样本数据获取模块，用于获取各样本用户标识各自对应的样本用户数据；