[发明专利]用于推荐的方法、装置、电子设备和介质

说明书

本公开的实施例涉及用于推荐的方法、装置、电子设备和介质。该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、以及针对多个对象的用户反馈。方法还包括基于用户交互历史和用户特征来确定混杂因子，其中混杂因子同时影响用户针对对象的交互和反馈。方法还包括基于混杂因子、用户交互历史以及用户反馈，生成用于推荐的推荐模型。本公开的实施例的方法能够利用用户特征中所包含的信息，使得推荐模型能够更好地从用户与对象的交互历史中识别出混杂因子。所识别的混杂因子能够帮助推荐模型更好地去除混杂因子偏差，从而更好地实现推荐。

技术领域

本公开涉及机器学习领域，并且更具体地，涉及用于推荐的方法、装置、电子设备和介质。

背景技术

推荐系统是旨在根据许多不同因素向用户推荐事物的系统，也称为推荐模型。推荐模型可以预测用户最有可能喜欢的事物或最有可能感兴趣的事物。例如，一些电影信息平台正在使用推荐模型来帮助平台的用户从海量电影中快速识别该用户可能喜欢的电影，然后通过诸如改变电影的排序或展示位置等方式来将该电影推荐给用户，从而使用户能够观看或找到自己喜欢的电影。另外，一些短视频平台正在使用推荐模型来识别特定用户最有可能感兴趣的视频，然后将这些视频展示给这些用户，从而改进用户在该平台上的浏览体验。

为了能向用户推荐感兴趣的对象，推荐模型需要量化用户与对象的交互行为和用户对该对象的反馈之间的因果关系。然而，在现实生活中想要估计用户交互行为与用户反馈之间的因果关系是非常困难的，因为存在一些变化的因素，这些因素在影响用户对于对象的交互行为的同时，也在影响用户对该对象的反馈，这些因素被称为混杂因子(confounder)。

发明内容

根据本公开的实施例，提供了一种用于推荐的方法。该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、以及针对多个对象的用户反馈；基于用户交互历史和用户特征，确定混杂因子，其中混杂因子同时影响用户针对对象的交互和反馈；以及基于混杂因子、用户交互历史以及用户反馈，生成用于推荐的推荐模型。

在本公开的第二方面中，提供一种用于推荐的装置。该装置包括：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、以及针对多个对象的用户反馈；混杂因子确定模块，被配置为基于用户交互历史和用户特征，确定混杂因子，其中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，被配置为基于混杂因子、用户交互历史以及用户反馈，生成用于推荐的推荐模型。

在本公开的第三方面中，提供一种电子设备。该电子设备包括一个或多个处理器；以及存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现根据本公开的第一方面的方法。

在本公开的第四方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一方面的方法。

提供发明内容部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识要求保护的主题的关键特征或主要特征，也无意限制要求保护的主题的范围。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其它特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了本公开的多个实施例能够在其中实现的示例环境的示意图；

图2示出了根据本公开的实施例的用户交互与用户反馈同时受混杂因子影响的示意图；

图3示出了根据本公开的一些实施例的用于预测用户反馈的方法的流程图；

图4A至4B示出了根据本公开的一些实施例的具有代理变量的推荐模型的因果图；

图5示出了根据本公开的一些实施例的用于实现推荐的方法的框架的示意图；以及