对象推荐模型训练方法及装置、对象推荐方法及装置与流程

本说明书实施例涉及互联网，特别涉及一种对象推荐模型训练方法及装置、对象推荐方法及装置

背景技术：

1、随着电商产业及相关领域的发展，根据用户的行为信息设计推荐算法，向用户推荐产品已经成为各企业的常用手段。

2、在一个企业拥有多个推荐渠道的场景中，各个渠道之间产品推荐的推荐策略和推荐算法缺乏统一，设计、执行各推荐渠道的推荐策略浪费了大量成本和资源，导致推荐效果不尽如人意。

3、因此，需要提供能够整合各渠道用户信息进行产品推荐的方案

技术实现思路

1、有鉴于此，本说明书实施例提供了一种对象推荐模型训练方法、一种对象方法。本说明书一个或者多个实施例同时涉及一种对象推荐装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。

2、根据本说明书实施例的第一方面，提供了一种对象推荐方法，包括：

3、获取目标用户的对象查询信息；

4、将所述对象查询信息输入对象推荐模型，确定目标推荐对象，其中，所述对象推荐模型基于样本融合特征训练得到，所述样本融合特征基于第一行为特征和第一关联特征融合得到，所述第一关联特征基于所述第一行为特征对第二行为特征进行关联分析得到，所述第一行为特征为所述目标用户在第一渠道域中针对样本对象的主要行为特征，所述第二行为特征为所述目标用户在第二渠道域中与样本对象相关的辅助行为特征；

5、将所述目标推荐对象反馈至所述目标用户。

6、根据本说明书实施例的第二方面，提供了一种对象推荐模型训练方法，包括：

7、获取目标用户在不同渠道域的历史行为数据，其中，所述历史行为数据包括所述目标用户针对样本对象的主要行为数据、与样本对象相关的辅助行为数据；

8、对第一渠道域对应的主要行为数据进行特征提取，获得第一行为特征，并对第二渠道域对应的辅助行为数据进行特征提取，获得第二行为特征，其中，所述第一渠道域和所述第二渠道域为任意不同的两个渠道域；

9、基于所述第一行为特征对所述第二行为特征进行关联分析，获得第一关联特征；

10、融合所述第一行为特征与所述第一关联特征，获得样本融合特征；

11、基于所述样本融合特征，对初始推荐模型进行训练得到对象推荐模型。

12、根据本说明书实施例的第三方面，提供了一种对象推荐装置，包括：

13、第一获取模块，被配置为获取目标用户的对象查询信息；

14、确定模块，被配置为将所述对象查询信息输入对象推荐模型，确定目标推荐对象，其中，所述对象推荐模型基于样本融合特征训练得到，所述样本融合特征基于第一行为特征和第一关联特征融合得到，所述第一关联特征基于所述第一行为特征对第二行为特征进行关联分析得到，所述第一行为特征为所述目标用户在第一渠道域中针对样本对象的主要行为特征，所述第二行为特征为所述目标用户在第二渠道域中与样本对象相关的辅助行为特征；

15、推荐模块，被配置为将所述目标推荐对象反馈至所述目标用户。

16、根据本说明书实施例的第四方面，提供了一种对象推荐模型训练装置，包括：

17、第二获取模块，被配置为获取目标用户在不同渠道域的历史行为数据，其中，所述历史行为数据包括所述目标用户针对样本对象的主要行为数据、与样本对象相关的辅助行为数据；

18、特征提取模块，被配置为对第一渠道域对应的主要行为数据进行特征提取，获得第一行为特征，并对第二渠道域对应的辅助行为数据进行特征提取，获得第二行为特征，其中，所述第一渠道域和所述第二渠道域为任意不同的两个渠道域；

19、关联分析模块，被配置为基于所述第一行为特征对所述第二行为特征进行关联分析，获得第一关联特征；

20、融合模块，被配置为融合所述第一行为特征与所述第一关联特征，获得样本融合特征；

21、训练模块，被配置为基于所述样本融合特征，对初始推荐模型进行训练得到对象推荐模型。

22、根据本说明书实施例的第五方面，提供了一种计算设备，包括：

23、存储器和处理器；

24、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述对象推荐方法或者对象推荐模型训练方法的步骤。

25、根据本说明书实施例的第六方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述对象推荐方法或者对象推荐模型训练方法的步骤。

26、根据本说明书实施例的第七方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述对象推荐方法或者对象推荐模型训练方法的步骤。

27、本说明书一个实施例提供的对象推荐方法，获取目标用户的对象查询信息；将所述对象查询信息输入对象推荐模型，确定目标推荐对象，其中，所述对象推荐模型基于样本融合特征训练得到，所述样本融合特征基于第一行为特征和第一关联特征融合得到，所述第一关联特征基于所述第一行为特征对第二行为特征进行关联分析得到，所述第一行为特征为所述目标用户在第一渠道域中针对样本对象的主要行为特征，所述第二行为特征为所述目标用户在第二渠道域中与样本对象相关的辅助行为特征；将所述目标推荐对象反馈至所述目标用户。一方面，对象推荐模型结合了目标用户在第一渠道域与第二渠道域对象的行为特征，从而无需为各渠道域分别设计、训练相应的对象推荐模型，节省了算力与成本；另一方面，通过目标用户针对样本对象的主要行为特征、与样本对象相关的辅助行为特征确定了目标用户的显示兴趣与隐式兴趣，充分利用了用户的辅助行为，基于此做到了精准推荐。

技术特征：

1.一种对象推荐方法，包括：

2.根据权利要求1所述的对象推荐方法，在所述将所述对象查询信息输入对象推荐模型，确定目标推荐对象之前，还包括：

3.根据权利要求2所述的对象推荐方法，所述基于所述第一行为特征对所述第二行为特征进行关联分析，获得第一关联特征，包括：

4.根据权利要求2所述的对象推荐方法，在所述融合所述第一行为特征与所述第一关联特征，获得样本融合特征之前，还包括：

5.根据权利要求4所述的对象推荐方法，所述基于所述第一行为特征对所述第三行为特征进行关联分析，获得第二关联特征，包括：

6.根据权利要求4所述的对象推荐方法，所述融合所述第一行为特征、所述第一关联特征与所述第二关联特征，获得样本融合特征，包括：

7.根据权利要求6所述的对象推荐方法，所述融合所述第一行为特征与所述第二关联特征，获得中间融合特征，包括：

8.根据权利要求4-7任一项所述的对象推荐方法，在所述融合所述第一行为特征、所述第一关联特征与所述第二关联特征，获得样本融合特征之前，还包括：

9.根据权利要求4-7任一项所述的对象推荐方法，所述基于所述样本融合特征，对初始推荐模型进行训练得到对象推荐模型，包括：

10.根据权利要求9所述的对象推荐方法，所述基于第一关联特征和第二关联特征，计算所述第一渠道域对应的对比损失，包括：

11.一种对象推荐模型训练方法，包括：

12.根据权利要求11所述的对象推荐模型训练方法，在所述融合所述第一行为特征与所述第一关联特征，获得样本融合特征之前，还包括：

13.一种对象推荐装置，包括：

14.根据权利要求13所述的对象推荐装置，所述确定模块，进一步被配置为：

15.根据权利要求14所述的对象推荐装置，所述确定模块，进一步被配置为：

16.根据权利要求14所述的对象推荐装置，所述确定模块，进一步被配置为：

17.根据权利要求16所述的对象推荐装置，所述确定模块，进一步被配置为：

18.根据权利要求16所述的对象推荐装置，所述确定模块，进一步被配置为：

19.根据权利要求18所述的对象推荐装置，所述确定模块，进一步被配置为：

20.根据权利要求16-19所述的对象推荐装置，所述确定模块，进一步被配置为：

21.根据权利要求16-19所述的对象推荐装置，所述确定模块，进一步被配置为：

22.根据权利要求21所述的对象推荐装置，所述确定模块，进一步被配置为：

23.一种对象推荐模型训练装置，包括：

24.一种计算设备，包括：

25.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1-10任意一项所述对象推荐方法或者权利要求11-12任意一项所述对象推荐模型训练方法的步骤。

技术总结
本说明书实施例提供对象推荐模型训练方法及装置、对象推荐方法及装置，其中所述对象推荐方法包括：获取目标用户的对象查询信息；将对象查询信息输入对象推荐模型，确定目标推荐对象，其中，对象推荐模型基于样本融合特征训练得到，样本融合特征基于第一行为特征和第一关联特征融合得到，第一关联特征基于第一行为特征对第二行为特征进行关联分析得到，第一行为特征为目标用户在第一渠道域中针对样本对象的主要行为特征，第二行为特征为目标用户在第二渠道域中与样本对象相关的辅助行为特征；将目标推荐对象反馈至目标用户。整合了目标用户在各渠道域的行为特征，确定了目标用户的显式兴趣与隐式兴趣，提高了对象推荐的准确性。

技术研发人员：徐武将,陈林勋
受保护的技术使用者：浙江网商银行股份有限公司
技术研发日：
技术公布日：2024/4/17