本技术涉及计算机及通信,特别是涉及一种确定推荐信息方法、装置、计算机设备和存储介质。
背景技术:
1、随着互联网技术的发展,通过互联网获取信息,生活、娱乐和工作成为人们生活的一部分。而商家为了提高知名度进行商品推广,往往通过互联网投放推荐信息。目前,首先需要通过推荐信息的图片、素材、标题等信息进行的分类,进而为推荐信息分配对应类别,然后基于用户对各推荐信息的历史行为,确定给用户推送的推荐信息。然而,若推荐信息中的图片较难识别或存在多个商品信号,会导致为推荐信息所分配的类别与真实类别出现误差,由此降低所确定的推荐信息的准确度以及泛化性。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提升推荐信息的准确度以及泛化性的确定推荐信息方法、装置、计算机设备和存储介质。
2、第一方面,本技术提供了一种确定推荐信息方法。所述方法包括:
3、基于目标对象在预设时间段内的各历史推荐信息行为,获取目标推荐行为序列,目标推荐行为序列中的各历史推荐信息行为的信息,包括历史推荐信息行为的推荐信息标识以及第一推荐信息类别中的任一项;
4、基于目标推荐行为序列确定目标推荐信息类别;
5、确定与目标推荐信息类别相似的相似推荐信息类别;
6、将目标推荐信息类别和相似推荐信息类别对应的推荐信息,确定为待推荐信息。
7、在其中一个实施例中,基于目标对象在预设时间段内的各历史推荐信息行为,获取目标推荐行为序列,包括:
8、基于各历史推荐信息行为的行为时间,对各历史推荐信息行为进行排序,得到第一推荐行为序列,第一推荐行为序列中的各历史推荐信息行为的信息,包括历史推荐信息行为的推荐信息标识以及第一推荐信息类别;
9、对第一推荐行为序列中的各历史推荐信息行为的信息进行采样处理,得到目标推荐行为序列。
10、在其中一个实施例中,基于目标对象在预设时间段内的各历史推荐信息行为,获取目标推荐行为序列,包括:
11、基于各历史推荐信息行为构建图网络,图网络的节点为各历史推荐信息行为,行为节点的节点属性包括:推荐信息标识以及第一推荐信息类别,两个行为节点之间的边表示两个行为节点存在相同的节点属性;
12、基于图网络生成目标推荐行为序列。
13、在其中一个实施例中,基于图网络生成目标推荐行为序列,包括:
14、基于各历史推荐信息行为的行为时间,在图网络中确定初始节点;
15、基于初始节点,在图网络中随机游走获取第二推荐行为序列,第二推荐行为序列中的各历史推荐信息行为的信息,包括历史推荐信息行为的推荐信息标识以及第一推荐信息类别;
16、对第二推荐行为序列中的各历史推荐信息行为的信息进行采样处理,得到目标推荐行为序列。
17、在其中一个实施例中,基于目标推荐行为序列确定目标推荐信息类别,包括:
18、根据目标推荐行为序列得到各历史推荐信息行为的特征向量,特征向量包括推荐信息标识对应的第一特征向量,以及第一推荐信息类别对应的第二特征向量;
19、计算得到各历史推荐信息行为的第一特征向量与第二特征向量之间的第一相似度;
20、通过各历史推荐信息行为的第一相似度确定目标推荐信息类别。
21、在其中一个实施例中,根据目标推荐行为序列得到各历史推荐信息行为的特征向量,包括:
22、根据目标推荐行为序列中的各第一历史推荐信息行为,预测目标推荐行为序列中的各第二历史推荐信息行为的推荐信息标识,第一历史推荐信息行为为包括推荐信息标识的历史推荐信息行为,第二历史推荐信息行为为包括第一推荐信息类别的历史推荐信息行为;
23、根据目标推荐行为序列中的各第二历史推荐信息行为,预测目标推荐行为序列中的各第一历史推荐信息行为的第一推荐信息类别;
24、根据目标推荐行为序列的各历史推荐信息行为的推荐信息标识,得到各推荐信息标识对应的第一特征向量;
25、根据目标推荐行为序列的各历史推荐信息行为的第一推荐信息类别,得到各第一推荐信息类别对应的第二特征向量。
26、在其中一个实施例中,通过各历史推荐信息行为的第一相似度确定目标推荐信息类别,包括:
27、若历史推荐信息行为的第一相似度大于或等于第二相似度阈值,则将历史推荐信息行为的第一推荐信息类别,确定为目标推荐信息类别。
28、在其中一个实施例中,通过各历史推荐信息行为的第一相似度确定目标推荐信息类别,还包括:
29、若历史推荐信息行为的第一相似度小于第二相似度阈值,则确定历史推荐信息行为的第一特征向量与各推荐信息类别的类别特征向量的第二相似度;
30、若各第二相似度中数值最大的第二相似度对应的推荐信息类别,与第一推荐信息类别一致,则将第一推荐信息类别确定为目标推荐信息类别。
31、在其中一个实施例中,通过各历史推荐信息行为的第一相似度确定目标推荐信息类别,还包括:
32、若各第二相似度中数值最大的第二相似度对应的推荐信息类别,与第一推荐信息类别不一致,计算第一相似度与最大的第二相似度之间的相似度差值;
33、若相似度差值大于或等于最大相似度差值,且最大的第二相似度大于第一相似度,则将最大的第二相似度对应的推荐信息类别确定为目标推荐信息类别。
34、在其中一个实施例中,通过各历史推荐信息行为的第一相似度确定目标推荐信息类别,还包括:
35、若相似度差值小于最小相似度差值,则获取输入的第二推荐信息类别,并将第二推荐信息类别确定为目标推荐信息类别。
36、在其中一个实施例中,方法还包括:
37、基于各历史推荐信息行为的第一推荐信息类别,以及目标推荐信息类别,对召回排序模型的模型参数进行更新,召回排序模型用以识别推荐信息行为的推荐信息类别。
38、第二方面,本技术还提供了一种确定推荐信息装置。所述装置包括:
39、获取模块,用于基于目标对象在预设时间段内的各历史推荐信息行为,获取目标推荐行为序列,目标推荐行为序列中的各历史推荐信息行为的信息,包括历史推荐信息行为的推荐信息标识以及第一推荐信息类别中的任一项;
40、确定模块,用于基于目标推荐行为序列确定目标推荐信息类别;并确定与目标推荐信息类别相似的相似推荐信息类别;并将目标推荐信息类别和相似推荐信息类别对应的推荐信息,确定为待推荐信息。
41、第三方面,本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
42、基于目标对象在预设时间段内的各历史推荐信息行为,获取目标推荐行为序列,目标推荐行为序列中的各历史推荐信息行为的信息,包括历史推荐信息行为的推荐信息标识以及第一推荐信息类别中的任一项;
43、基于目标推荐行为序列确定目标推荐信息类别;
44、确定与目标推荐信息类别相似的相似推荐信息类别;
45、将目标推荐信息类别和相似推荐信息类别对应的推荐信息,确定为待推荐信息。
46、第四方面,本技术还提供了一种计算机可读存储介质。所述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以下步骤:
47、基于目标对象在预设时间段内的各历史推荐信息行为,获取目标推荐行为序列,目标推荐行为序列中的各历史推荐信息行为的信息,包括历史推荐信息行为的推荐信息标识以及第一推荐信息类别中的任一项;
48、基于目标推荐行为序列确定目标推荐信息类别;
49、确定与目标推荐信息类别相似的相似推荐信息类别;
50、将目标推荐信息类别和相似推荐信息类别对应的推荐信息,确定为待推荐信息。
51、第五方面,本技术还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
52、基于目标对象在预设时间段内的各历史推荐信息行为,获取目标推荐行为序列,目标推荐行为序列中的各历史推荐信息行为的信息,包括历史推荐信息行为的推荐信息标识以及第一推荐信息类别中的任一项;
53、基于目标推荐行为序列确定目标推荐信息类别;
54、确定与目标推荐信息类别相似的相似推荐信息类别;
55、将目标推荐信息类别和相似推荐信息类别对应的推荐信息,确定为待推荐信息。
56、上述确定推荐信息方法、装置、计算机设备、存储介质和计算机程序产品,基于目标对象在预设时间段内的各历史推荐信息行为,获取目标推荐行为序列,目标推荐行为序列中的各历史推荐信息行为的信息,包括历史推荐信息行为的推荐信息标识以及第一推荐信息类别中的任一项;基于目标推荐行为序列确定目标推荐信息类别;确定与目标推荐信息类别相似的相似推荐信息类别;将目标推荐信息类别和相似推荐信息类别对应的推荐信息,确定为待推荐信息。通过历史推荐信息行为所获取的目标推荐行为序列确定目标推荐信息类别,由于各历史推荐信息行为的信息包括推荐信息标识或第一推荐信息类别,由此保证所确定目标推荐信息类别的准确度,其次,进一步地考虑与目标推荐信息类别相似的相似推荐信息类别。由此,所确定的待推荐信息能够考虑基于历史推荐信息行为所确定的目标推荐信息类别的推荐信息,以及与其相似的相似推荐信息类别的推荐信息,从而在提升推荐信息的准确度的基础上,还能进一步地提升推荐信息的泛化性。