本技术涉及人工智能,尤其涉及一种信息推荐方法及相关装置。
背景技术:
1、随着互联网电子商务的不断发展,越来越多的消费者选择在线上平台进行商品购物。为提高消费者的购买率,各线上平台会针对消费者的历史购买记录预测消费者感兴趣的商品,然后通过页面显示、信息推送等方式进行商品推荐。
2、然而,对于历史购买记录较少或者无历史购买记录的用户,往往根据用户的属性信息(例如年龄、性别等)预测用户感兴趣商品,但是对于历史购买记录较少或者无历史购买记录的用户预测的感兴趣商品的准确性较差。
技术实现思路
1、本技术实施例提供了一种信息推荐方法以及相关装置,通过第一行为预测模型预测得出第一对象产生第一行为信息的第一概率及第二对象产生第一行为信息的第二概率,根据第一概率及第二概率对第一对象与第二对象进行匹配,得到配对信息,将配对信息作为第二行为预测模型的输入,通过第二行为预测模型预测得出第二对象产生第二行为信息的第三概率,根据第三概率确定第二对象中的信息推荐对象,对信息推荐对象进行信息推荐,提高预测第二用户感兴趣目标的准确性,进而提高信息推荐效率。
2、本技术的一方面提供一种信息推荐方法,包括:
3、获取m个第一对象及n个第二对象,其中,m个第一对象携带m个第一属性信息、m个第一行为信息及l个第二行为信息,第一行为信息对应于第一目标,第二行为信息对应于第二目标,n个第二对象携带n个第二属性信息,m、n、l均为大于1的整数,l小于m;
4、将m个第一属性信息、m个第一行为信息及n个第二属性信息作为第一行为预测模型的输入,通过第一行为预测模型的输出m个第一概率及n个第二概率,其中,第一行为预测模型为根据机器学习分类模型构建的;
5、根据m个第一概率及n个第二概率,将m个第一对象与n个第二对象进行匹配,得到k个配对组,其中,k个配对组携带k个配对信息,k为大于1的整数;
6、将m个第一属性信息、l个第二行为信息、n个第二属性信息及k个配对信息作为第二行为预测模型的输入,通过第二行为预测模型输出n个第三概率,其中,第二行为预测模型为根据机器学习分类模型构建的;
7、根据n个第三概率从n个第二对象中确定信息推荐对象;
8、将第二目标的信息推荐至信息推荐对象。
9、本技术的另一方面提供了一种信息推荐装置,包括:
10、对象获取模块,用于获取m个第一对象及n个第二对象,其中,m个第一对象携带m个第一属性信息、m个第一行为信息及l个第二行为信息,第一行为信息对应于第一目标,第二行为信息对应于第二目标,n个第二对象携带n个第二属性信息,m、n、l均为大于1的整数,l小于m;
11、第一行为预测模块,用于将m个第一属性信息、m个第一行为信息及n个第二属性信息作为第一行为预测模型的输入,通过第一行为预测模型的输出m个第一概率及n个第二概率,其中,第一行为预测模型为根据机器学习分类模型构建的;
12、对象匹配模块,用于根据m个第一概率及n个第二概率,将m个第一对象与n个第二对象进行匹配,得到k个配对组,其中,k个配对组携带k个配对信息,k为大于1的整数;
13、第二行为预测模块,用于将m个第一属性信息、l个第二行为信息、n个第二属性信息及k个配对信息作为第二行为预测模型的输入,通过第二行为预测模型输出n个第三概率,其中,第二行为预测模型为根据机器学习分类模型构建的;
14、信息推荐对象确定模块,用于根据n个第三概率从n个第二对象中确定信息推荐对象;
15、信息推荐模块,用于将第二目标的信息推荐至信息推荐对象。
16、在本技术实施例的另一种实现方式中,对象匹配模块,还用于:
17、根据m个第一概率计算m个第一对象对应的m个第一趋势分数;
18、根据n个第二概率计算n个第二对象对应的n个第二趋势分数;
19、根据m个第一趋势分数及n个第二趋势分数,对m个第一对象及n个第二对象进行分组,得到k个分组,其中,每个分组对应一个趋势分数区间;
20、将从k个分组中提取相同数量的第一对象及第二对象进行匹配。
21、在本技术实施例的另一种实现方式中,对象匹配模块,还用于:
22、根据m个第一趋势分数及n个第二趋势分数,生成k个趋势分数区间;
23、根据k个趋势分数区间、m个第一趋势分数及n个第二趋势分数,对m个第一对象及n个第二对象进行分组,得到k个分组,其中,每个分组内的第一对象对应的第一趋势分数及第二对象对应的第二趋势分数在分组对应的趋势分数区间内。
24、在本技术实施例的另一种实现方式中,对象匹配模块,还用于:
25、获取k个分组中每个分组的对象数量阈值;
26、根据对象数量阈值,从每个分组中的第一对象提取对象数量阈值的第一提取对象,以及从分组中的第二对象提取对象数量阈值的第二提取对象;
27、将每个分组中的第一提取对象与第二提取对象进行匹配。
28、在本技术实施例的另一种实现方式中,对象匹配模块,还用于:
29、获取每个分组中第一对象数量及第二对象数量;
30、若第一对象数量小于第二对象数量,则将第一对象数量作为分组的对象数量阈值;
31、若第一对象数量大于等于第二对象数量,则将第二对象数量作为分组的对象数量阈值。
32、在本技术实施例的另一种实现方式中,对象匹配模块,还用于:
33、对分组中的第一对象进行标号,得到分组中的每个第一对象对应的标号值;
34、根据每个第一对象对应的标号值,对分组中的第一对象进行排序,得到第一标号队列;
35、根据第一标号队列中第一对象的顺序及对象数量阈值,确定第一提取对象;
36、对分组中的第二对象进行标号,得到分组中的每个第二对象对应的标号值;
37、根据每个第二对象对应的标号值,对分组中的第二对象进行排序,得到第二标号队列;
38、根据第二标号队列中第二对象的顺序及对象数量阈值,确定第二提取对象。
39、在本技术实施例的另一种实现方式中,对象匹配模块,还用于:
40、根据分组中每个第一对象对应的第一趋势分数,对分组中的第一对象进行排序,生成第一分数队列;
41、根据第一分数队列中第一对象的顺序及对象数量阈值,确定第一提取对象;
42、根据分组中每个第二对象对应的第二趋势分数,对分组中的第二对象进行排序,生成第二分数队列;
43、根据第二分数队列中第二对象的顺序及对象数量阈值,确定第二提取对象。
44、在本技术实施例的另一种实现方式中,对象匹配模块,还用于:
45、将m个第一概率乘以第一阈值,得到m个第一乘积值;
46、将m个第一乘积值进行向下取整,得到m个第一趋势分数;
47、根据n个第二概率计算n个第二对象对应的n个第二趋势分数,包括将n个第二概率乘以第一阈值,得到n个第二乘积值;
48、将n个第二乘积值进行向下取整,得到n个第二趋势分数。
49、在本技术实施例的另一种实现方式中,信息推荐对象确定模块,还用于:
50、将n个第三概率中大于第三概率阈值的第二对象中确定为信息推荐对象。
51、本技术的另一方面提供了一种计算机设备,包括:
52、存储器、收发器、处理器以及总线系统;
53、其中,存储器用于存储程序;
54、处理器用于执行存储器中的程序,包括执行上述各方面的方法;
55、总线系统用于连接存储器以及处理器,以使存储器以及处理器进行通信。
56、本技术的另一方面提供了一种计算机可读存储介质,计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述各方面的方法。
57、本技术的另一方面提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各方面所提供的方法。
58、从以上技术方案可以看出,本技术实施例具有以下优点:
59、本技术提供了一种信息推荐方法以及相关装置,其方法包括:首先,获取m个第一对象及n个第二对象,其中,m个第一对象携带m个第一属性信息、m个第一行为信息及l个第二行为信息,第一行为信息对应于第一目标,第二行为信息对应于第二目标,n个第二对象携带n个第二属性信息;其次,将m个第一属性信息、m个第一行为信息及n个第二属性信息作为第一行为预测模型的输入,通过第一行为预测模型的输出m个第一概率及n个第二概率,其中,第一行为预测模型为根据机器学习分类模型构建的;再次,根据m个第一概率及n个第二概率,将m个第一对象与n个第二对象进行匹配,得到k个配对组,其中,k个配对组携带k个配对信息;接着,将m个第一属性信息、l个第二行为信息、n个第二属性信息及k个配对信息作为第二行为预测模型的输入,通过第二行为预测模型输出n个第三概率,其中,第二行为预测模型为根据机器学习分类模型构建的;然后,根据n个第三概率从n个第二对象中确定信息推荐对象;最后,将第二目标的信息推荐至信息推荐对象。本技术实施例提供的方法通过第一行为预测模型预测得出第一对象产生第一行为信息的第一概率及第二对象产生第一行为信息的第二概率,根据第一概率及第二概率对第一对象与第二对象进行匹配,得到配对信息,将配对信息作为第二行为预测模型的输入,通过第二行为预测模型预测得出第二对象产生第二行为信息的第三概率,根据第三概率确定第二对象中的信息推荐对象,对信息推荐对象进行信息推荐,提高预测第二用户感兴趣目标的准确性,进而提高信息推荐效率。