[发明专利]数据确定方法、装置、电子设备及存储介质

权利要求书

1.一种数据确定方法，其特征在于，包括：

获取目标对象针对目标资源的交互信息；

根据所述交互信息确定所述目标对象的特征；所述目标对象的特征包括多个维度的特征；

确定多组权重系数，每组权重系数包括与所述多个维度的特征对应的多个权重系数；对每组权重系数与所述目标对象的特征进行加权处理，得到所述目标对象的多个向量；其中，所述目标对象的每个向量对应一组权重系数；

对所述目标对象的每个向量检索相关性符合预设要求的候选资源，根据所述目标对象的多个向量中每个向量对应的候选资源确定所述目标对象对应的数据召回结果。

2.根据权利要求1所述的方法，其特征在于，所述对每组权重系数与所述目标对象的特征进行加权处理，得到所述目标对象的多个向量包括：

将所述目标对象的特征输入预置的多个特征选择网络，每个特征选择网络中包含一组权重系数，通过所述特征选择网络的权重系数为所述目标对象的特征进行加权，获得每个所述特征选择网络输出的所述目标对象的向量。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

获取样本特征以及所述样本特征对应的标签信息；其中，所述样本特征中包含样本对象特征以及样本资源特征；所述标签信息用于表征所述样本对象特征对应的样本对象与所述样本资源特征对应的样本资源之间是否存在交互行为；

将所述样本特征中的样本对象特征输入多个第一模型，获得每个所述第一模型输出的样本向量；

确定所述样本特征中样本资源特征对应的样本资源向量；

分别计算每个样本向量与所述样本资源向量的相似度，确定所述相似度最高的目标样本向量；

根据所述目标样本向量和所述样本资源向量，确定预估交互行为发生概率；

根据所述预估交互行为发生概率和所述样本特征对应的标签信息，训练所述多个第一模型，直至满足预设训练结束条件，得到所述多个特征选择网络。

4.根据权利要求3所述的方法，其特征在于，根据所述预估交互行为发生概率和所述样本特征对应的标签信息，训练所述多个第一模型，直至满足预设训练结束条件，得到所述多个特征选择网络，包括：

根据所述预估交互行为发生概率和所述样本特征对应的标签信息确定损失值；

根据所述损失值，更新所述目标样本向量对应的第一模型中的模型参数，直至所述损失值满足预设结束条件时，结束对所述多个第一模型的训练；

将训练结束时的所述第一模型作为所述特征选择网络，训练结束时所述第一模型的模型参数为所述特征选择网络的权重系数。

5.根据权利要求3所述的方法，其特征在于，将所述样本特征中的样本对象特征输入多个第一模型之前，所述方法还包括：

随机确定多个所述第一模型的模型参数的初始值。

6.根据权利要求1所述的方法，其特征在于，所述对每组权重系数与所述目标对象的特征进行加权处理，得到所述目标对象的多个向量，包括：

对所述目标对象的特征进行聚类，获得聚类之后的类簇；

根据所述类簇对应的权重系数确定所述目标对象的特征的权重系数，以获得每个类簇对应的目标对象的向量。

7.一种数据确定装置，其特征在于，包括：

数据采集模块，被配置为获取目标对象针对目标资源的交互信息；

特征提取模块，被配置为根据所述交互信息确定所述目标对象的特征，所述目标对象的特征包括多个维度的特征；

向量表达模块，被配置为确定多组权重系数，每组权重系数包括与所述多个维度的特征对应的多个权重系数；对每组权重系数与所述目标对象的特征进行加权处理，得到目标对象的多个向量；其中，所述目标对象的每个向量对应一组权重系数；

召回结果确定模块，被配置为对所述目标对象的每个向量检索相关性符合预设要求的多个候选资源，根据所述目标对象的多个向量中每个向量对应的候选资源确定所述目标对象对应的数据召回结果。