[发明专利]特征数据处理方法、装置、计算机可读介质及电子设备

说明书

本申请的实施例提供了一种特征数据处理方法、装置、计算机可读介质及电子设备。该特征数据处理方法包括：获取用户在源领域中交互过的各个对象的对象特征向量；根据所述各个对象的对象特征向量，计算所述用户对应的偏好向量；基于所述用户对应的偏好向量，生成所述用户对应的向量映射函数；基于所述用户对应的向量映射函数，将所述用户在所述源领域中的用户特征向量映射到目标领域中，得到所述用户在所述目标领域中的用户特征向量。本申请实施例的技术方案可以提高映射到目标领域中的用户特征向量的准确性，进而有利于实现在目标领域中的精准推送。

技术领域

本申请涉及计算机及通信技术领域，具体而言，涉及一种特征数据处理方法、装置、计算机可读介质及电子设备。

背景技术

在相关技术中，为了实现精准的内容推荐，通常需要获取到用户的交互数据，基于该交互数据确定用户的特征(如兴趣爱好等)，进而向用户进行精准推荐。而当用户涉足一个新领域(如视频交互领域)时，由于在该新领域中由于没有任何的交互数据，因此难以确定用户的特征，进而会影响到内容推荐的准确性。

发明内容

本申请的实施例提供了一种特征数据处理方法、装置、计算机可读介质及电子设备，进而至少在一定程度上可以提高映射到目标领域中的用户特征向量的准确性。

本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

根据本申请实施例的一个方面，提供了一种基于领域的特征数据处理方法，包括：获取用户在源领域中交互过的各个对象的对象特征向量；根据所述各个对象的对象特征向量，计算所述用户对应的偏好向量；基于所述用户对应的偏好向量，生成所述用户对应的向量映射函数；基于所述用户对应的向量映射函数，将所述用户在所述源领域中的用户特征向量映射到目标领域中，得到所述用户在所述目标领域中的用户特征向量。

根据本申请实施例的一个方面，提供了一种基于领域的特征数据处理装置，包括：获取单元，配置为获取用户在源领域中交互过的各个对象的对象特征向量；计算单元，配置为根据所述各个对象的对象特征向量，计算所述用户对应的偏好向量；生成单元，配置为基于所述用户对应的偏好向量，生成所述用户对应的向量映射函数；映射单元，配置为基于所述用户对应的向量映射函数，将所述用户在所述源领域中的用户特征向量映射到目标领域中，得到所述用户在所述目标领域中的用户特征向量。

在本申请的一些实施例中，基于前述方案，所述计算单元配置为：基于所述各个对象的对象特征向量，计算所述各个对象的对象特征向量所对应的权重；根据所述各个对象的对象特征向量所对应的权重，对所述各个对象的对象特征向量进行加权求和，得到所述用户对应的偏好向量。

在本申请的一些实施例中，基于前述方案，所述计算单元配置为：通过第一神经网络模型对所述各个对象的对象特征向量进行映射处理，得到所述各个对象的对象特征向量所对应的映射结果；对所述各个对象的对象特征向量所对应的映射结果进行归一化处理，得到所述各个对象的对象特征向量所对应的权重。

在本申请的一些实施例中，基于前述方案，所述生成单元配置为：通过第二神经网络模型对所述用户对应的偏好向量进行映射处理，得到所述用户对应的偏好向量的映射结果；以所述用户对应的偏好向量的映射结果作为参数，生成所述用户对应的向量映射函数。

在本申请的一些实施例中，基于前述方案，通过机器学习模型计算所述用户对应的偏好向量，并生成所述用户对应的向量映射函数，以及将所述用户在所述源领域中的用户特征向量映射到所述目标领域中；所述机器学习模型包括偏好编码器和元网络，所述偏好编码器用于计算所述用户对应的偏好向量，所述元网络用于生成所述用户对应的向量映射函数。