[发明专利]信息推荐方法、装置、电子设备及存储介质

说明书

本发明涉及数据处理技术领域，提供一种信息推荐方法、装置、电子设备及存储介质；所述方法包括：获取用户行为特征数据；提取用户行为特征数据作为训练集；令推荐模型在不同配置参数下通过训练集进行迭代训练，获得各配置参数下推荐模型的输出数据集；在训练集进行迭代训练过程中，对所述输出数据集中的各输出数据进行评优处理，获得所述推荐模型的最优输出数据；将所述最优输出数据对应的配置参数作为所述推荐模型的最优配置参数，并令所述推荐模型在所述最优配置参数下运行，为用户生成推荐信息。本发明使得生成的推荐模型可以根据用户的个性与偏好来产生推荐内容，预测用户的需求并推荐给用户其最可能喜欢的内容，提高推荐成功率。

技术领域

本发明属于数据处理技术领域，特别是涉及一种信息推荐方法、装置、电子设备及存储介质。

背景技术

随着信息技术的不断发展，互联网已经成为了人们日常生活中密不可分的一部分。人们每天都会在互联网上进行各种各样的活动，例如看电影、购物、阅读新闻时事等，但随着互联网上信息的越来越多，人们发现越来越难以从互联网上的海量信息中找出最适合自己的信息。常见的推荐方法是简单的依据物品的销量、话题的点击量或新闻的阅读量等进行排序，然后选取排在最前面的N个物品组成排行榜并推荐给用户。但是这种方法也存在着巨大的缺陷，很难针对用户形成个性化推荐，导致推荐成功率不高。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种信息推荐方法、装置、电子设备及存储介质，用于生成能够预测用户的需求，根据用户的个性与偏好来产生推荐内容，提高信息推荐的成功率的推荐模型。

为实现上述目的及其他相关目的，本发明提供一种信息推荐方法，包括以下步骤：获取用户行为特征数据；提取所述用户行为特征数据作为训练集；令推荐模型在不同配置参数下通过所述训练集进行迭代训练，获得各配置参数下所述推荐模型的输出数据集；在所述训练集进行迭代训练过程中，对所述输出数据集中的各输出数据进行评优处理，获得所述推荐模型的最优输出数据；将所述最优输出数据对应的配置参数作为所述推荐模型的最优配置参数，并令所述推荐模型在所述最优配置参数下运行，为用户生成推荐信息。

本发明提供一种信息推荐装置，包括数据获取模块、训练集获取模块、输出数据集获取模块、最优输出数据获取模块以及信息推荐模块；所述数据获取模块用于获取用户行为特征数据；所述训练集获取模块用于提取所述用户行为特征数据作为训练集；所述输出数据集获取模块令推荐模型在不同配置参数下通过所述训练集进行迭代训练，获得各配置参数下所述推荐模型的输出数据集；所述优化输出数据获取模块在所述训练集进行迭代训练过程中，对所述输出数据集中的各输出数据进行评优处理，获得所述推荐模型的最优输出数据；所述信息推荐模块将所述最优输出数据对应的配置参数作为所述推荐模型的最优配置参数，并令所述推荐模型在所述最优配置参数下运行，为用户生成推荐信息。

本发明提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述信息推荐方法的步骤。

本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述信息推荐方法的步骤。

如上所述，本发明所述的信息推荐方法、装置、电子设备及存储介质，具有以下有益效果：

与现有技术相比，本发明根据用户行为特征数据对CatBoost推荐模型进行寻优处理，获取优化输出数据，并根据优化输出数据对CatBoost推荐模型进行训练，生成推荐模型，使得生成的推荐模型可以根据用户的个性与偏好来产生推荐内容，预测用户的需求并推荐给用户其最可能喜欢的内容，提高推荐成功率，缓解用户从海量信息中做出选择的烦恼，提升用户购物体验。

附图说明

图1显示为本发明的终端于一实施例中的结构示意图。

图2显示为本发明的信息推荐方法于一实施例中的流程图。