[发明专利]信息推荐方法、装置、计算机设备及存储介质

说明书

本发明公开了一种信息推荐方法、装置、计算机设备及介质，包括：通过获取目标对象的注册数据，并基于注册数据生成目标对象的初始化标签；采集目标对象的行为数据，并根据行为数据确定目标对象的兴趣词；基于初始化标签和兴趣词进行聚类处理，得到至少两个聚类簇，以及，每个聚类簇中包含的词向量对应的关键词；分别获取聚类簇和关键词在预设埋点集合中对应的埋点，作为一级埋点和二级埋点；基于一级埋点和二级埋点，生成动态埋点，并基于动态埋点，对目标对象进行信息推荐，采用本发明提高了信息推荐的准确性和效率。

技术领域

本发明涉及数据处理领域，尤其涉及一种信息推荐方法、装置、计算机设备及介质。

背景技术

互联网能够给用户提供丰富的信息资源，随着互联网技术的飞速发展，越来越多的用户通过互联网获取信息，不同人群，其感兴趣的目标对象不一样，为给用户进行精准地信息推荐，需要获取用户的兴趣偏好。

在当前，获取用户兴趣偏好主要是通过埋点的方式，即统计用户点击各个埋点应用的频率来确定用户偏好，但这种方式受到埋点应用本身的数量和分布限制，具有一定的局限性，在埋点数量设置较多时，后台需要同时对大量埋点消息进行监控，占用较多资源，同时，也使得其中混杂太多用户不感兴趣的内容，使得信息推荐的针对性不强，在埋点数量较少时，容易遗漏用户的偏好信息，导致信息推荐不够精准。

发明内容

本发明实施例提供一种信息推荐方法、装置、计算机设备和存储介质，以提高当前信息推荐的精准程度。

为了解决上述技术问题，本申请实施例提供一种信息推荐方法，包括：

获取目标对象的注册数据，并基于所述注册数据生成所述目标对象的初始化标签；

采集所述目标对象的行为数据，并根据所述行为数据确定所述目标对象的兴趣词；

基于所述初始化标签和所述兴趣词进行聚类处理，得到至少两个聚类簇，以及，每个所述聚类簇中包含的词向量对应的关键词；

分别获取所述聚类簇和所述关键词在预设埋点集合中对应的埋点，作为一级埋点和二级埋点；

基于所述一级埋点和所述二级埋点，生成动态埋点，并基于所述动态埋点，对所述目标对象进行信息推荐。

可选地，所述根据所述行为数据确定所述目标对象的兴趣词包括：

对所述行为数据进行分析过滤，得到用户关键字；

采用词向量的方式对所述用户关键字进行训练，得到初始词向量；

针对每个所述初始词向量，分别计算所述初始词向量到每个预设兴趣词对应的词向量的欧式距离，并将值最小的欧式距离对应的预设兴趣词，作为所述目标对象的兴趣词。

可选地，所述基于所述初始化标签和所述兴趣词进行聚类处理，得到至少两个聚类簇，以及，每个所述聚类簇中包含的词向量对应的关键词包括：

将所述初始化标签转化为词向量，得到第一词向量，并将所述兴趣词进行转化为词向量，得到第二词向量；

获取预设的权重信息，并基于所述预设的权重信息，分别对所述第一词向量和所述第二词向量进行加权处理，得到更新后的第一词向量和更新后的第二词向量；

采用K-Means聚合算法，对所述更新后的第一词向量和所述更新后的第二词向量进行聚类，得到至少两个聚类簇，以及，每个所述聚类簇中包含的词向量对应的关键词。

可选地，所述分别获取所述聚类簇和所述关键词在预设埋点集合中对应的埋点，作为一级埋点和二级埋点包括：

将每个所述聚类簇在预设埋点集合中对应的埋点，均作为一级埋点，将每个所述关键词在预设埋点集合中对应的埋点，均作为初始二级埋点；