信息推荐方法及装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114969516A(43)申请公布日2022.08.30(21)申请号202210501558.2(22)申请日2022.05.09(71)申请人北京快乐茄信息技术有限公司地址100193北京市海淀区东北旺西路8号院23号楼4层402-1室(72)发明人杨超(74)专利代理机构北京善任知识产权代理有限公司11650专利代理师李梅香孟桂超(51)Int.Cl.G06F16/9535(2019.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书10页附图4页(54)发明名称信息推荐方法及装置、电子设备及存储介质(57)摘要本公开实施例提供一种信息推荐方法及装置、电子设备及存储介质，所述信息推荐方法包括：对目标用户的用户信息进行编码得到第一特征向量，并对待推荐内容的内容信息进行编码得到第二特征向量；确定关系矩阵；利用第一推荐模型，根据第一特征向量、第二特征向量与关系矩阵，获得第一输出向量；利用第二推荐模型，根据第一特征向量以及第二特征向量，获得第二输出向量；根据第一输出向量及第二输出向量，得到第一预测结果。如此，通过关系矩阵来表示不同类别的特征之间的交互信息，从而更为细化地学习特征之间的交互信息，对特征交互信息的挖掘更为全面，使最终确定出的推荐信息的结果更准确。CN114969516ACN114969516A权利要求书1/3页1.一种信息推荐方法，其特征在于，所述方法包括：对目标用户的用户信息进行编码得到第一特征向量，并对待推荐内容的内容信息进行编码得到第二特征向量；确定关系矩阵，其中，所述关系矩阵包括：第一类矩阵和第二类矩阵，其中，所述第一类矩阵表征确定所述用户信息与所述待推荐内容之间的关系；所述第二类矩阵表征不同类的所述待推荐内容之间的关系；利用预先训练的第一推荐模型，根据所述第一特征向量、所述第二特征向量与所述关系矩阵，获得第一输出向量；利用预先训练的第二推荐模型，根据所述第一特征向量以及所述第二特征向量，获得第二输出向量；根据所述第一输出向量及所述第二输出向量，得到第一预测结果；其中，所述第一预测结果，指示所述待推荐内容的内容属性与所述目标用户的需求的匹配度。2.根据权利要求1所述的方法，其特征在于，所述对目标用户的用户信息进行编码得到第一特征向量，并对待推荐内容的内容信息进行编码得到第二特征向量，包括：对所述用户信息进行独热编码获得所述用户信息的特征向量，对用户信息的特征向量进行降维，获得所述第一特征向量；对所述内容信息进行独热编码获得所述内容信息的特征向量，并对所述内容信息的特征向量进行降维，获得所述第二特征向量。3.根据权利要求2所述的方法，其特征在于，所述利用预先训练的第一推荐模型，根据所述第一特征向量、所述第二特征向量与所述关系矩阵，获得第一输出向量，包括：将获取的所述第一特征向量与所述关系矩阵相乘，获得第一结果信息；基于所述关系矩阵的映射关系，将所述第一结果信息与所述第一特征向量对应的第二特征向量相乘，获得所述第一输出向量；和/或：将获取的所述第二特征向量与所述关系矩阵相乘，获得第一结果信息；基于所述关系矩阵的映射关系，将所述第一结果信息与所述第二特征向量对应的第一特征向量或第二特征向量相乘，获得所述第一输出向量。4.根据权利要求3所述的方法，其特征在于，所述第一推荐模型是基于矩阵的因式分解机制的模型；所述第二推荐模型是包括遗弃神经元的深度神经网络模型。5.根据权利要求1所述的方法，其特征在于，所述利用预先训练的第二推荐模型，根据所述第一特征向量以及所述第二特征向量，获得第二输出向量，包括：基于所述遗弃神经元选通部分所述第一特征向量及所述第二特征向量；将选通的所述第一特征向量及所述第二特征向量输入所述第二推荐模型，获得所述第二输出向量。6.根据权利要求1所述的方法，其特征在于，所述根据所述第一输出向量及所述第二输出向量，得到第一预测结果，包括：利用激活函数将所述第一输出向量和第二输出向量结合，获得所述第一预测结果。7.根据权利要求1所述的方法，其特征在于，所述待推荐内容包括以下至少之一：待推荐视频；2CN114969516A权利要求书2/3页待推荐文章；待推荐物品；待推荐服务。8.一种信息推荐装置，其特征在于，所述装置包括：信息编码模块，用于对目标用户的用户信息进行编码得到第一特征向量，并对待推荐内容的内容信息进行编码得到第二特征向量；确定模块，用于确定关系矩阵，其中，所述关系矩阵包括：第一类矩阵和第二类矩阵，其中，所述第一类矩阵表征确定所述用户信息与所述待推荐内容之间的关系；所述第二类矩阵表征不同类的所述待推荐内容之间的关系；第一获得模块，用于利用预先训练的第一推荐模型，根据所述第一特征向量、所述第二特