[发明专利]基于双塔模型的对象推荐方法及装置

权利要求书

1.一种基于第一双塔模型的对象推荐方法，其特征在于，包括：

获取第一候选集合和目标用户对应的历史对话记录，其中，所述第一候选集合包括多个对象；

利用第一双塔模型中的第一左塔模型提取所述历史对话记录的第一特征向量，利用所述第一双塔模型中的第一右塔模型提取所述第一候选集合中每个对象的第二特征向量，其中，所述第一双塔模型已通过训练，使得所述第一左塔模型学习并保存有所述历史对话记录和所述第一特征向量之间的对应关系，使得所述第一右塔模型学习并保存有所述对象和所述第二特征向量之间的对应关系；

计算所述第一特征向量与每个所述第二特征向量之间的相似度，并根据所述第一特征向量与每个所述第二特征向量之间的相似度，从所述第一候选集合中确定出子集合，其中，所述子集合包括一个或多个对象；

基于所述子集合向所述目标用户进行对象推荐操作。

2.根据权利要求1所述的方法，其特征在于，所述利用第一双塔模型中的第一左塔模型提取所述历史对话记录的第一特征向量，利用所述第一双塔模型中的第一右塔模型提取所述第一候选集合中每个对象的第二特征向量之前，所述方法还包括：

获取第二候选集合和历史对话记录集合，其中，所述第二候选集合包括多个对象，所述历史对话记录集合包括多个用户的历史对话记录；

对所述第二候选集合和所述历史对话记录集合进行标注处理；

利用经过所述标注处理之后的第二候选集合训练编码模型；

将训练后的编码模型同时作为所述第一双塔模型中的第一左塔模型和第一右塔模型，冻结所述第一双塔模型中的第一右塔模型的模型参数，利用经过所述标注处理之后的历史对话记录集合训练所述第一双塔模型中的第一左塔模型。

3.根据权利要求2所述的方法，其特征在于，所述利用经过所述标注处理之后的第二候选集合训练编码模型，包括：

将编码模型同时作为第二双塔模型中的第二左塔模型和第二右塔模型，将所述第二候选集合中的目标对象输入所述第二双塔模型中的第二左塔模型，输出所述目标对象的第三特征向量，将所述第二候选集合中每个对象输入所述第二双塔模型中的第二右塔模型，输出每个对象的第四特征向量；

计算所述第三特征向量与每个对象的所述第四特征向量之间的相似度；

根据所述第三特征向量与每个对象的所述第四特征向量之间的相似度，从所述第二候选集合中确定出多个与所述目标对象最相似的对象。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第三特征向量与每个对象的所述第四特征向量之间的相似度，从所述第二候选集合中确定出多个与所述目标对象最相似的对象之后，所述方法还包括：

根据从所述第二候选集合中确定出的多个与所述目标对象最相似的对象，对训练后的编码模型进行模型质量评价，得到模型质量评分；当所述模型质量评分低于预设阈值，基于所述模型质量评分和所述预设阈值确定训练总轮次，并循环执行如下步骤对训练后的编码模型进行再训练：

将训练轮次加一，其中，所述训练轮次用于表示当前所述再训练对应的次数，所述训练轮次初始值为零；

利用经过所述标注处理之后的第二候选集合训练编码模型；

当所述训练轮次等于所述训练总轮次时，结束所述再训练，当所述训练轮次小于所述训练总轮次时，继续所述再训练。

5.根据权利要求4所述的方法，其特征在于，所述根据从所述第二候选集合中确定出的多个与所述目标对象最相似的对象，对训练后的编码模型进行模型质量评价，得到模型质量评分之后，所述方法还包括：

当所述模型质量评分低于预设阈值，基于所述模型质量评分和所述预设阈值确定预设模型精度；

对训练后的编码模型进行再训练，测试所述再训练后的编码模型的模型精度；

当所述模型精度大于所述预设模型精度时，结束所述再训练，当所述模型精度小于等于所述预设模型精度时，继续所述再训练。