[发明专利]一种信息推荐方法、装置、设备及存储介质

权利要求书

1.一种信息推荐方法，其特征在于，包括：

从数据库中获取目标用户的标识和所述目标用户的历史访问记录；

根据所述目标用户的标识和所述目标用户的历史访问记录确定拟推荐信息所述拟推荐信息包括所述数据库中的任一信息；

将所述拟推荐信息推荐给所述目标用户；

所述根据所述目标用户的标识和所述目标用户的历史访问记录确定拟推荐信息，包括：

根据所述目标用户的标识和所述目标用户的历史访问记录，从推荐模型中确定拟推荐信息；其中，所述推荐模型是基于用户的历史访问记录训练得到的；

所述推荐模型通过以下步骤确定得到：

构建训练模型；

从所述数据库中获取用户的历史访问序列；

根据所述历史访问序列生成训练数据；

将所述训练数据输入所述训练模型进行训练，得到推荐模型；

所述训练数据包括所述数据库中各样本信息的信息特征、第一标签和第二标签；

其中，所述第一标签用于表示当前样本信息的预测信息，所述第二标签用于表示当前样本信息是否为正样本；

所述将所述训练数据输入所述训练模型进行训练，得到推荐模型，包括：

将训练数据中正样本的信息特征输入所述训练模型的嵌入层，得到正样本特征向量序列；

根据所述正样本特征向量序列和辅助损失函数，生成第一修正值；

根据所述训练数据中的正样本、所述正样本对应的负样本，以及模型损失函数，生成第二修正值；

根据所述第一修正值、所述第二修正值和综合损失函数，生成模型修正值；

根据所述模型修正值对所述训练模型进行训练，得到推荐模型；

所述辅助损失函数为

，其中，为正样本特征向量序列中的第一特征向量的转置，为正样本特征向量序列中的第二特征向量，为正样本特征向量序列的第三特征向量，为正样本特征向量序列的第四特征向量，为通过所述辅助损失函数，计算生成的第一修正值；

所述模型损失函数为，其中，为所述正样本特征向量序列中各特征向量的平均值的转置，为非线性作用函数，为正样本的第一标签对应预测信息的多分类层的参数向量，为与正样本对应的负样本的第一标签的参数向量，Z为负样本的数量，为通过所述模型损失函数计算生成的第二修正值；

所述综合损失函数为，其中，的取值范围为0~0.1，m为正样本的数量，L为通过综合损失函数计算生成的模型修正值。

2.根据权利要求1所述的方法，其特征在于，根据所述目标用户的标识和所述目标用户的历史访问记录，从推荐模型中确定拟推荐信息，包括：

从所述推荐模型中获取所述数据库中所有信息的信息向量；

计算所述所有信息的信息向量之间的余弦值；

根据所述目标用户的标识和所述目标用户的历史访问记录，以及所述余弦值，确定拟推荐信息。