[发明专利]信息推荐及模型的训练方法、装置、设备以及存储介质

说明书

本发明实施例提供一种信息推荐方法及装置、信息推荐模型的训练方法及装置以及存储介质，信息推荐方法包括：接收客户端的对应目标用户的推荐请求；提取所述目标用户对应的不同类型的用户特征，根据所述不同类型的用户特征组合形成所述目标用户的用户向量；提取物品的不同类型的物品特征，根据所述不同类型的物品特征组合形成所述物品的物品向量；根据物品向量与用户向量之间的距离，确定与所述用户向量的向量距离满足条件的物品；基于满足条件的所述物品向所述客户端发送对应的推荐信息。本发明实施例能够全面准确地进行个性化推荐。

技术领域

本发明涉及信息处理技术领域，特别涉及一种信息推荐方法及装置、信息推荐模型的训练方法及装置、计算机设备以及存储介质。

背景技术

随着信息技术的日益发展，信息推荐已经成为目前网络技术应用的一项重要内容。例如，在用户浏览新闻时时推荐可能感兴趣的内容，在用户浏览商品时推荐倾向购买的商品，等等。

学习用户的个性化信息是信息推荐模型的核心，这样才能进行信息的精准推荐。虽然相关技术提供的信息推荐模型类型多样，但是在个性化推荐方面都存在局限性。

发明内容

本发明实施例提供一种信息推荐方法及装置、信息推荐模型的训练方法及装置、计算机设备以及存储介质，能够全面准确地进行个性化推荐。

本发明实施例的技术方案是这样实现的：

本发明实施例提供一种信息推荐方法，包括：接收客户端的对应目标用户的推荐请求；提取所述目标用户对应的不同类型的用户特征，根据所述不同类型的用户特征组合形成所述目标用户的用户向量；提取物品的不同类型的物品特征，根据所述不同类型的物品特征组合形成所述物品的物品向量；根据所述物品向量与所述用户向量之间的距离，确定与所述用户向量的向量距离满足条件的物品；基于满足条件的所述物品向所述客户端发送对应的推荐信息。

本发明实施例提供一种信息推荐模型的训练方法，包括：获取训练样本集，所述训练样本集中的训练样本包括样本用户的不同类型特征、以及所述样本用户针对所述物品的实际评分；通过所述信息推荐模型的第一组合层，将所述样本用户的不同类型的用户特征的编码向量进行组合，得到样本用户的用户向量；通过所述信息推荐模型的第二组合层，将所述物品的不同类型的物品特征的编码向量进行组合，得到样本物品的物品向量；通过所述信息推荐模型的根据所述用户向量和所述样本物品之间的向量距离确定所述样本用户对所述样本物品的预测评分；根据所述预测评分与所述实际评分的误差更新所述信息推荐模型的参数，直至所述信息推荐模型的损失函数收敛。

本发明实施例提供一种信息推荐装置，包括：接收模块，用于接收客户端的对应目标用户的推荐请求；用户向量模块，用于提取所述目标用户对应的不同类型的用户特征，根据所述不同类型的用户特征组合形成所述目标用户的用户向量；物品向量模块，用于提取物品的不同类型的物品特征，根据所述不同类型的物品特征组合形成所述物品的物品向量；查询模块，用于根据所述物品向量与所述用户向量之间的距离，确定与所述用户向量的向量距离满足条件的物品；推荐模块，用于基于满足条件的所述物品向所述客户端发送对应的推荐信息。

本发明实施例提供一种信息推荐模型的训练装置，包括：样本模块，用于获取训练样本集，所述训练样本集中的训练样本包括样本用户的不同类型特征、以及所述样本用户针对所述物品的实际评分；用户编码模块，用于通过所述信息推荐模型的第一组合层，将所述样本用户的不同类型的用户特征的编码向量进行组合，得到样本用户的用户向量；物品编码模块，用于通过所述信息推荐模型的第二组合层，将所述物品的不同类型的物品特征的编码向量进行组合，得到样本物品的物品向量；评分模块，用于通过所述信息推荐模型的根据所述用户向量和所述样本物品之间的向量距离确定所述样本用户对所述样本物品的预测评分；收敛模块，用于根据所述预测评分与所述实际评分的误差更新所述信息推荐模型的参数，直至所述信息推荐模型的损失函数收敛。