[发明专利]信息推荐方法、装置、设备和存储介质

说明书

本发明公开了一种信息推荐方法、装置、设备和存储介质。该方法包括：获取当前用户的用户特征和各个待推荐信息的信息特征；将用户特征以及各个信息特征输入至预设的推荐模型中，预测所述当前用户对所述各个待推荐信息的目标行为向量，其中，所述推荐模型包括多个二分类网络，所述二分类网络与所述目标行为向量中的元素一一对应；针对每个目标行为向量，将所述目标行为向量中的元素进行相加，得到对应的目标行为次数；根据各个目标行为次数向所述当前用户进行信息推荐。该方法通过该推荐模型有效地将一个回归型预测转换为二分类型预测，且每个二分类预测结果之间相互独立，从而有效保证了模型的整体预测性能，进而提高了信息推荐的精准度。

技术领域

本发明实施例涉及互联网领域，尤其涉及一种信息推荐方法、装置、设备和存储介质。

背景技术

随着大数据技术的不断发展，各种信息爆炸式增长，通过大数据分析可以为用户更精准地推送信息。以信息为广告为例，可以通过推荐模型预测用户在看到广告以后，针对该广告产生的支付次数。因此，训练一个精准的回归型预测模型是至关重要的。

目前，通常使用平均平方误差作为目标损失函数来训练回归型预测模型。但是，基于该损失函数训练得到的模型会趋向于预测总体样本数据的平均值，导致模型的预测结果精准度不高。

发明内容

针对传统技术中的模型的预测结果精准度不高的技术问题，本发明提供一种信息推荐方法、装置、设备和存储介质。

第一方面，本发明实施例提供一种信息推荐方法，包括：

获取当前用户的用户特征和各个待推荐信息的信息特征；

将所述用户特征以及各个所述信息特征输入至预设的推荐模型中，预测所述当前用户对所述各个待推荐信息的目标行为向量，其中，所述推荐模型包括多个二分类网络，所述二分类网络与所述目标行为向量中的元素一一对应；

针对每个目标行为向量，将所述目标行为向量中的元素进行相加，得到对应的目标行为次数；

根据各个目标行为次数向所述当前用户进行信息推荐。

第二方面，本发明实施例提供一种信息推荐装置，包括：

第一获取模块，用于获取当前用户的用户特征和各个待推荐信息的信息特征；

预测模块，用于将所述用户特征以及各个所述信息特征输入至预设的推荐模型中，预测所述当前用户对各个待推荐信息的目标行为向量，其中，所述推荐模型包括多个二分类网络，所述二分类网络与所述目标行为向量中的元素一一对应；

求和模块，用于针对每个目标行为向量，将所述目标行为向量中的元素进行相加，得到对应的目标行为次数；

推荐模块，用于根据各个目标行为次数向所述当前用户进行信息推荐。

第三方面，本发明实施例提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本发明实施例第一方面提供的所述信息推荐方法的步骤。

第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述信息推荐方法的步骤。