[发明专利]用于推荐的方法、装置、电子设备和介质

权利要求书

1.一种用于推荐的方法，包括：

获取多个用户的用户特征、针对多个对象的用户交互历史、以及针对所述多个对象的用户反馈；

基于所述用户交互历史和所述用户特征，确定混杂因子，其中所述混杂因子同时影响用户针对对象的交互和反馈；以及

基于所述混杂因子、所述用户交互历史以及所述用户反馈，生成用于推荐的推荐模型。

2.根据权利要求1所述的方法，其中获取多个用户的用户特征包括：

从所述多个用户的多个用户特征中选择所述用户特征，作为用于确定所述混杂因子的代理变量。

3.根据权利要求2所述的方法，其中确定所述混杂因子包括：

确定所述混杂因子的近似后验概率分布；

基于真实后验概率分布和所述近似后验概率分布，训练深度生成模型；以及

通过所述深度生成模型确定所述混杂因子的概率分布。

4.根据权利要求3所述的方法，其中训练深度生成模型包括：

使用因子模型来确定所述真实后验概率分布与所述近似后验概率分布之间的离散度；以及

通过最小化所述离散度来优化深度生成模型。

5.根据权利要求2所述的方法，其中生成用于推荐的推荐模型包括：

基于所述用户交互历史、所述混杂因子、所述代理变量、以及所述用户反馈，生成用于所述推荐模型的损失函数；以及

使用所述损失函数来训练所述推荐模型。

6.根据权利要求5所述的方法，其中使用所述损失函数来训练所述推荐模型包括：

通过最小化所述损失函数来调整所述推荐模型中的参数集。

7.根据权利要求2所述的方法，其中生成用于推荐的推荐模型还包括：

基于所述用户交互历史，生成用于表示所述用户交互历史对所述用户反馈的因果效应的第一模型；

基于所述混杂因子，生成用于表示所述混杂因子对所述用户反馈的因果效应的第二模型；以及

基于所述第一模型和所述第二模型，生成所述推荐模型。

8.根据权利要求1所述的方法，其中所述用户交互历史包括受混杂因子影响的用户交互历史和不受混杂因子影响的用户交互历史。

9.根据权利要求8所述的方法，其中生成用于推荐的推荐模型还包括：

使用所述受混杂因子影响的用户交互历史来训练初始推荐模型；

基于所述混杂因子和所述初始推荐模型，生成所述推荐模型；以及

使用所述不受混杂因子影响的用户交互历史来验证所述推荐模型。

10.根据权利要求1-9中任一项所述的方法，还包括：

获得目标用户的用户特征和用户交互；以及

由所述推荐模型基于所述混杂因子以及所述目标用户的用户特征和用户交互，向所述目标用户推荐一个或多个对象。

11.根据权利要求10所述的方法，其中向所述目标用户推荐一个或多个对象包括：

基于所述混杂因子以及所述目标用户的用户特征和用户交互，计算所述目标用户对于所述多个对象的预测用户反馈；以及

基于所述目标用户对于所述多个对象的预测用户反馈，向所述目标用户推荐一个或多个对象。

12.一种用于推荐的装置，包括：

用户信息获取模块，被配置为获取多个用户的用户特征、针对多个对象的用户交互历史、以及针对所述多个对象的用户反馈；

混杂因子确定模块，被配置为基于所述用户交互历史和所述用户特征，确定混杂因子，其中所述混杂因子同时影响用户针对对象的交互和反馈；以及

推荐模型生成模块，被配置为基于所述混杂因子、所述用户交互历史以及所述用户反馈，生成用于推荐的推荐模型。