[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：

获取用户历史交互的对象序列，所述对象序列按交互时间排序；

基于所述对象序列中的多个对象的多个概率分布，生成对象分布序列；

基于所述对象分布序列，通过确定所述对象分布序列中每对对象的概率分布之间的最大均值差异MMD距离，生成MMD距离集合；以及

基于所述对象分布序列和所述MMD距离集合，生成向所述用户推荐对象的推荐结果。

2.根据权利要求1所述的方法，其中确定所述对象分布序列中每对对象的概率分布之间的所述MMD距离包括：

通过对所述对象分布序列中的每个对象的概率分布进行采样，生成采样嵌入序列。

3.根据权利要求2所述的方法，其中确定所述对象分布序列中每对对象的概率分布之间的所述MMD距离还包括：

通过针对所述采样嵌入序列中的每个采样嵌入生成可训练的对应位置嵌入，生成位置嵌入序列；

基于所述采样嵌入序列和所述位置嵌入序列，生成经调整的采样嵌入序列；以及

基于所述经调整的采样嵌入序列，生成所述MMD距离集合。

4.根据权利要求3所述的方法，其中确定所述对象分布序列中每对对象的概率分布之间的MMD距离还包括：

针对所述经调整的采样嵌入序列中的第一采样嵌入和第二采样嵌入，确定所述第一采样嵌入和所述第二采样嵌入之间的MMD，

其中所述第一采样嵌入与所述对象分布序列中的第一对象的概率分布相对应，所述第二采样嵌入与所述对象分布序列中的第二对象的概率分布相对应，并且所述MMD指示所述第一对象的概率分布与所述第二对象的概率分布之间的MMD距离。

5.根据权利要求4所述的方法，其中确定所述第一采样嵌入和所述第二采样嵌入之间的所述MMD包括：

基于所述第一采样嵌入、所述第二采样嵌入、带宽参数和超参数，利用高斯核函数来确定所述MMD。

6.根据权利要求1所述的方法，其中生成向所述用户推荐对象的所述推荐结果包括：

基于所述对象分布序列和所述MMD距离集合，生成所述对象分布序列的重心分布，所述重心分布是所述对象分布序列的平均概率分布；以及

基于所述对象分布序列的所述重心分布，生成预测概率分布；以及

基于所述预测概率分布，生成所述推荐结果。

7.根据权利要求6所述的方法，其中生成所述对象分布序列的所述重心分布包括：

基于所述MMD距离集合，确定针对所述对象分布序列的加权参数；以及

基于所述对象分布序列和所述加权参数，生成所述对象分布序列的所述重心分布。

8.根据权利要求6所述的方法，其中生成所述预测概率分布包括：

通过对所述对象分布序列的所述重心分布进行采样，生成重心采样嵌入；以及

基于所述重心采样嵌入，利用前馈神经网络和指数线性单元ELU激活函数来生成中间嵌入，所述前馈神经网络包括多个全连接层。

9.根据权利要求8所述的方法，其中生成所述预测概率分布还包括：

基于所述重心采样嵌入和所述中间嵌入，利用残差连接、层归一化和随机丢弃层来生成预测嵌入；以及

基于所述预测嵌入，生成所述预测概率分布。

10.根据权利要求6所述的方法，生成所述推荐结果还包括：

通过确定所述预测概率分布与目标对象库中的每个目标对象的概率分布之间的MMD距离，生成预测MMD距离集合；以及

基于所述预测MMD距离集合，确定所述推荐结果。

11.根据权利要求6所述的方法，还包括：

基于所述预测概率分布、所述用户下一次实际交互的正样本的概率分布、以及所述用户未交互过的负样本的概率分布，利用贝叶斯个性化排序来生成第一损失函数。