[发明专利]基于人工智能的对象推荐方法、装置及电子设备

说明书

本申请提供了一种基于人工智能的对象推荐方法、装置、电子设备及计算机可读存储介质；方法包括：根据多个候选对象构建树结构；其中，树结构包括多个层，多个层分别对应一个对象推荐模型，且多个层中的每一层包括至少一个节点；根据训练对象与多个候选对象之间的相似关系对树结构中的多个节点进行筛选处理，并根据训练对象以及筛选出的节点构建训练样本；根据训练样本对对象推荐模型以及树结构进行交替训练；其中，训练后的对象推荐模型以及训练后的树结构用于确定多个候选对象中的待推荐对象。通过本申请，能够提升对对象推荐模型及树结构的训练效果，从而提升对象推荐的精度，例如提升推荐多媒体数据的精度。

技术领域

本申请涉及人工智能技术，尤其涉及一种基于人工智能的对象推荐方法、装置、电子设备及计算机可读存储介质。

背景技术

人工智能（Artificial Intelligence，AI）是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。机器学习（Machine Learning，ML）是人工智能的核心，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

个性化推荐是机器学习的一个重要应用，个性化推荐的目标是向用户推荐感兴趣的对象。在相关技术提供的方案中，通常是确定对象的向量表示，并根据两个对象的向量表示之间的余弦相似度来进行对象推荐。然而，向量表示的表达能力非常局限，导致得到的余弦相似度与实际相似度之间存在较大差异，进一步导致对象推荐的精度低。

发明内容

本申请实施例提供一种基于人工智能的对象推荐方法、装置、电子设备及计算机可读存储介质，能够提升确定出的待推荐对象的准确性，即提升对象推荐的精度。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种基于人工智能的对象推荐方法，包括：

根据多个候选对象构建树结构；其中，所述树结构包括多个层，所述多个层分别对应一个对象推荐模型，且所述多个层中的每一层包括至少一个节点；

根据训练对象与所述多个候选对象之间的相似关系对所述树结构中的多个节点进行筛选处理，并根据所述训练对象以及筛选出的节点构建训练样本；

根据所述训练样本对所述对象推荐模型以及所述树结构进行交替训练；

其中，训练后的所述对象推荐模型以及训练后的所述树结构用于确定所述多个候选对象中的待推荐对象。

本申请实施例提供一种基于人工智能的对象推荐方法，包括：

根据目标对象以及基于多个候选对象构建的树结构中的节点构建预测样本；其中，所述树结构包括多个层，所述多个层分别对应一个对象推荐模型，且所述多个层中的每一层包括至少一个节点；

通过关联对象推荐模型对所述预测样本的关联样本进行预测处理及关联处理，得到所述预测样本对应的预测相似度；其中，所述关联样本中的节点与所述预测样本中的节点存在关联关系，且所述关联对象推荐模型与所述关联样本中的节点所在的层对应；

根据所述预测相似度对多个所述预测样本进行筛选处理，并将筛选出的预测样本中的节点对应的候选对象作为待推荐对象；

执行针对所述待推荐对象的推荐操作。

本申请实施例提供一种基于人工智能的对象推荐装置，包括：

构建模块，用于根据多个候选对象构建树结构；其中，所述树结构包括多个层，所述多个层分别对应一个对象推荐模型，且所述多个层中的每一层包括至少一个节点；