[发明专利]一种对象推荐方法、装置、设备以及存储介质

说明书

本公开提供了一种对象推荐方法、装置、设备以及存储介质，涉及计算机技术领域，尤其涉及深度学习技术领域。具体实现方案为：确定待进行对象推荐的目标用户；获取所述目标用户的指定特征；其中，所述指定特征包括历史访问特征；其中，任一用户的历史访问特征为基于该用户所访问过的落地页和/或列表页中的对象，所构建的特征；确定待利用的推荐模型；基于所述目标用户的指定特征和各个候选对象的对象特征，利用所述推荐模型对各个候选对象进行分析，得到各个候选对象对应的输出结果；基于各个候选对象对应的输出结果，在所述目标用户当前访问的落地页中对所述目标用户进行对象推荐。可见，通过本方案，可以提升用户对推荐结果的满意度。

技术领域

本公开涉及计算机技术领域，尤其涉及深度学习技术领域，具体涉及一种对象推荐方法、装置、设备以及存储介质。

背景技术

新业务场景下，推荐系统一般会存在冷启问题，需要在没有大量用户数据的情况下提升用户对推荐结果的满意度。其中，针对用户冷启动而言，用于解决如何给轻度用户做个性化推荐的问题，也就是，当用户第一次来到新的业务场景时，推荐系统在无法借历史数据的情况下，如何提升用户对推荐结果的满意度。

相关技术中，在针对落地页场景的对象推荐过程中，所利用的推荐模型是基于通过落地页形式展示的样本对象的训练数据，训练得到的。

发明内容

本公开提供了一种对象推荐方法、装置、设备以及存储介质。

根据本公开的一方面，提供了一种对象推荐方法，包括：

确定待进行对象推荐的目标用户；

获取所述目标用户的指定特征；其中，所述指定特征包括历史访问特征；其中，任一用户的历史访问特征为基于该用户所访问过的落地页和/或列表页中的对象，所构建的特征；

确定待利用的推荐模型；其中，所述推荐模型为基于样本集合训练得到的模型，所述样本集合中包含展示给各个样本用户的样本对象的训练数据，各个样本对象包括利用落地页形式所展示出的对象以及利用列表页形式所展示出的对象，任一样本对象的训练数据包括该样本对象所展示于的样本用户的指定特征，以及该样本对象的对象特征，且每一样本对象具有相同类型的标签；

基于所述目标用户的指定特征和各个候选对象的对象特征，利用所述推荐模型对各个候选对象进行分析，得到各个候选对象对应的输出结果；

基于各个候选对象对应的输出结果，在所述目标用户当前访问的落地页中对所述目标用户进行对象推荐。

根据本公开的另一方面，提供了一种对象推荐装置，包括：

第一确定模块，用于确定待进行对象推荐的目标用户；

获取模块，用于获取所述目标用户的指定特征；其中，所述指定特征包括历史访问特征；其中，任一用户的历史访问特征为基于该用户所访问过的落地页和/或列表页中的对象，所构建的特征；

第二确定模块，用于确定待利用的推荐模型；其中，所述推荐模型为基于样本集合训练得到的模型，所述样本集合中包含展示给各个样本用户的样本对象的训练数据，各个样本对象包括利用落地页形式所展示出的对象以及利用列表页形式所展示出的对象，任一样本对象的训练数据包括该样本对象所展示于的样本用户的指定特征，以及该样本对象的对象特征，且每一样本对象具有相同类型的标签；

分析模块，用于基于所述目标用户的指定特征和各个候选对象的对象特征，利用所述推荐模型对各个候选对象进行分析，得到各个候选对象对应的输出结果；

推荐模块，用于基于各个候选对象对应的输出结果，在所述目标用户当前访问的落地页中对所述目标用户进行对象推荐。