[发明专利]推荐对象的方法、神经网络及其训练方法、计算设备

说明书

本公开提供一种推荐对象的方法、神经网络及其训练方法、计算设备和介质，涉及智能推荐、深度学习等人工智能领域。神经网络包括：特征向量层，被配置为接收基于用户特征和对象特征的特征向量层输入并确定相应的特征向量以生成特征向量输出，其中，特征向量输出包括与用户特征相对应的用户特征向量和与对象特征相对应的对象特征向量；特征向量层之后的第一子神经网络，第一子神经网络被配置为接收特征向量输出并生成针对待推荐对象的第一预测推荐结果；以及，特征向量层之后的不同于第一子神经网络的第二子神经网络。

技术领域

本公开涉及人工智能技术领域，具体为智能推荐和深度学习技术，特别涉及一种利用神经网络向用户推荐对象的方法、设备和介质。

背景技术

互联网的出现和普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求，但随着网络的迅速发展而带来的网上信息量的大幅增长，使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息，对信息的使用效率反而降低。

根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统应运而生。推荐系统通过研究用户的兴趣偏好，进行个性化计算，由系统发现用户的兴趣点，从而引导用户发现自己的信息需求。一个好的推荐系统不仅能为用户提供个性化的服务，还能和用户之间建立密切关系。推荐系统现已广泛应用于很多领域。为了节省资源，推荐系统会同时服务于多个产品(例如，多个应用程序或多个应用终端)。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

根据本公开的一方面，提供了一种神经网络，包括：特征向量层，所述特征向量层被配置为接收基于所述用户特征和所述对象特征的特征向量层输入并确定相应的特征向量以生成特征向量输出，其中，所述特征向量输出包括与所述用户特征相对应的用户特征向量和与所述对象特征相对应的对象特征向量；所述特征向量层之后的第一子神经网络，所述第一子神经网络被配置为接收所述特征向量输出并生成针对所述待推荐对象的第一预测推荐结果；以及，所述特征向量层之后的不同于所述第一子神经网络的第二子神经网络。

根据本公开的另一方面，还提供了一种推荐对象的方法，包括：利用所述特征向量层处理基于用户特征和待推荐对象的对象特征的特征向量层输入，其中，所述特征向量层被配置为接收所述特征向量层输入并确定相应的特征向量以生成特征向量输出，其中，所述特征向量输出包括与所述用户特征相对应的用户特征向量和与所述对象特征相对应的用户特征向量；以及利用所述第一子神经网络处理所述特征向量输出，其中，所述第一子神经网络被配置为接收所述特征向量输出并生成针对所述待推荐对象的第一预测推荐结果。

根据本公开的另一方面，提供一种由计算机实现的神经网络的训练方法，所述神经网络包括嵌入层、所述嵌入层之后的第一子神经网络和所述嵌入层之后的不同于所述第一子神经网络的第二子神经网络，所述训练方法包括：获取样本用户的特征和与所述样本用户相关的样本对象的特征，并标注所述样本对象特征是否被点击的真实结果；利用嵌入层处理基于样本用户特征和样本对象特征的嵌入层输入并确定相应的特征向量以生成样本特征向量输出，其中，所述样本特征向量输出包括与所述样本用户特征相对应的用户特征向量和与所述样本对象特征相对应的对象特征向量；利用所述第一子神经网络处理所述样本特征向量输出，以输出所述样本对象是否被点击的预测结果；基于所述真实结果和所述预测结果，计算损失值；以及基于所述损失值调整所述嵌入层和所述第一子神经网络的参数。

根据本公开的另一方面，还提供了一种计算设备，包括：处理器；以及存储程序的存储器，上述程序包括指令，并且指令在由处理器执行时使处理器执行根据上述的推荐对象的方法和/或根据上述的训练方法。