[发明专利]推荐方法、装置及电子设备

说明书

本公开关于一种推荐方法、装置及电子设备。其中，该方法包括：从目标用户的历史数据中，获取多个样本对象的样本数据，其中，历史数据包括目标用户浏览过的多个样本对象的样本数据，样本数据包括各个样本对象的多个属性指标；基于各个样本对象的多个属性指标，确定各个属性指标对目标用户选择浏览对象的影响度；根据多个属性指标对目标用户选择浏览对象的影响度，为目标用户推荐预设数量的目标对象。可以通过多个对用户选择浏览对象有影响的属性指标，来为用户推荐目标对象，提高了推荐的准确性，同时考虑多个属性指标，提高了推荐效率。

技术领域

本公开涉及推荐领域，尤其涉及一种推荐方法、装置及电子设备。

背景技术

在视频推荐领域中，为了达到更好的个性化推荐结果，会对候选集的视频进行打分，再将各视频根据分数从高到低排序推送给用户，因此，视频的得分会影响用户的观看选择。一个推荐系统的好坏，往往取决于视频排序过程。为了在排序过程中考虑各种因素的影响，如视频的标签、视频的质量、用户的画像等，目前的一些方案是训练一个或多个模型来拟合用户的喜好，以使得用户喜欢的视频排在前面。

常见的训练模型有单目标学习模型和多目标加权优化模型。但是，单目标学习模型只能学习单个目标，不能很好地刻画用户的喜好，导致视频推荐效果不好。而多个单目标加权优化模型需要将每个目标构建一个学习模型，再根据不同场景下的业务目标，不断调整各目标的权重，工作量大效率低。

发明内容

本公开提供一种推荐方法、装置及电子设备，以至少解决相关技术中的目标学习模型不能准确客户用户喜好且效率低的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种推荐方法，包括：

从目标用户的历史数据中，获取多个样本对象的样本数据，其中，所述历史数据包括所述目标用户浏览过的多个样本对象的样本数据，所述样本数据包括各个所述样本对象的多个属性指标；

基于各个所述样本对象的多个属性指标，确定各个所述属性指标对所述目标用户选择浏览对象的影响度；

根据多个所述属性指标对所述目标用户选择浏览对象的影响度，为所述目标用户推荐预设数量的目标对象。

在一种可能的实现方式中，所述基于各个所述样本对象的多个属性指标，确定各个所述属性指标对所述目标用户选择浏览对象的影响度，包括：

根据各个所述样本对象的多个属性指标，确定多个所述属性指标对与其对应的各个所述样本对象的初始影响度；

根据多个所述属性指标对与其对应的各个所述样本对象的初始影响度，确定各个所述属性指标对所述目标用户选择浏览对象的影响度。

在一种可能的实现方式中，所述根据多个所述属性指标对与其对应的各个所述样本对象的初始影响度，确定各个所述属性指标对所述目标用户选择浏览对象的影响度，包括：

根据多个所述属性指标对与其对应的各个所述样本对象的初始影响度，确定各个所述属性指标对所述目标用户浏览过的多个样本对象的平均影响度，并将所述平均影响度作为各个所述属性指标对所述目标用户选择浏览对象的影响度。

在一种可能的实现方式中，从目标用户的历史数据中，获取多个样本对象的样本数据，包括：

对所述历史数据进行数据预处理，得到包含多个属性指标的多个样本对象。

在一种可能的实现方式中，在对所述历史数据进行数据预处理之后，所述方法还包括：

针对所述历史数据中任一所述样本对象，利用二值化编码算法对所述样本对象的多个属性指标进行二值化编码，得到所述样本对象的多个属性指标。

根据本公开实施例的第二方面，提供一种推荐装置，包括：