[发明专利]推荐度排序方法、排序模型训练方法、装置及电子设备

说明书

本公开涉及计算机技术领域，尤其涉及机器学习、数据处理、智能推荐、智能搜索等领域，具体涉及一种推荐度排序方法、排序模型训练方法、装置及电子设备。具体实现方案为：获取用户初始特征，用户初始特征包括目标对象在N个推荐场景下的第一共有特征，以及目标对象在每个推荐场景下的第一独有特征；获取资源初始特征，资源初始特征包括资源集在N个推荐场景下的第二共有特征，以及资源集在每个推荐场景下的第二独有特征；基于目标初始特征，获得与N个推荐场景相关的多个推荐维度中每个推荐维度的特征向量，以获得多个特征向量；基于多个特征向量，获得资源集中多个数据资源的推荐度排序。采用本公开可以提高数据资源的推荐准确度。

技术领域

本公开涉及计算机技术领域，尤其涉及机器学习、数据处理、智能推荐、智能搜索等领域，具体涉及一种推荐度排序方法、排序模型训练方法、装置及电子设备。

背景技术

随着信息流业务的高速发展，出现了大量需要提供推荐服务的业务场景，推荐服务用于根据目标对象对数据资源的偏好，向其定向推荐数据资源。目前，推荐系统可以对多个推荐维度下数据资源的推荐分数进行联合预估，再据此作进一步推荐处理。

然而，以上方式中，对每个推荐维度下数据资源的推荐分数进行联合预估所用的初始特征通常是完全一致的，这不仅不利于各推荐维度根据自身特性学习特征，还存在各推荐维度之间相关性不高的问题，从而降低数据资源的推荐准确度。

发明内容

本公开提供了一种推荐度排序方法、排序模型训练方法、装置、电子设备及存储介质。

根据本公开的一方面，提供了一种推荐度排序方法，包括：

获取用户初始特征，用户初始特征包括目标对象在N个推荐场景下的第一共有特征，以及目标对象在每个推荐场景下的第一独有特征，其中，N≥2、且为整数；

获取资源初始特征，资源初始特征包括资源集在N个推荐场景下的第二共有特征，以及资源集在每个推荐场景下的第二独有特征；

基于目标初始特征，获得与N个推荐场景相关的多个推荐维度中每个推荐维度的特征向量，以获得多个特征向量，目标初始特征为用户初始特征和资源初始特征中的任一初始特征；

基于多个特征向量，获得资源集中多个数据资源的推荐度排序。

根据本公开的第二方面，提供了一种排序模型训练方法，包括：

获取用户初始样本特征，用户初始样本特征包括对象样本集在N个推荐场景下的第一共有样本特征，以及对象样本集在每个推荐场景下的第一独有样本特征，其中，N≥2、且为整数；

获取资源初始样本特征，资源初始样本特征包括资源样本集在N个推荐场景下的第二共有样本特征，以及资源样本集在每个推荐场景下的第二独有样本特征；

通过用户初始样本特征和资源初始样本特征，对初始排序模型进行训练，获得目标排序模型，目标排序模型用于通过第一方面所提供的推荐度排序方法，获得资源集中多个数据资源的推荐度排序。

根据本公开的第三方面，提供了一种推荐度排序装置，包括：

第一特征获取单元，用于获取用户初始特征，用户初始特征包括目标对象在N个推荐场景下的第一共有特征，以及目标对象在每个推荐场景下的第一独有特征，其中，N≥2、且为整数；

第二特征获取单元，用于获取资源初始特征，资源初始特征包括资源集在N个推荐场景下的第二共有特征，以及资源集在每个推荐场景下的第二独有特征；

向量获取单元，用于基于目标初始特征，获得与N个推荐场景相关的多个推荐维度中每个推荐维度的特征向量，以获得多个特征向量，目标初始特征为用户初始特征和资源初始特征中的任一初始特征；

推荐度排序单元，用于基于多个特征向量，获得资源集中多个数据资源的推荐度排序。