信息推荐方法和装置、电子设备和存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113901328A(43)申请公布日2022.01.07(21)申请号202111382306.4(22)申请日2021.11.19(71)申请人北京房江湖科技有限公司地址101300北京市顺义区杨镇二街村农场路62号24室(72)发明人张学涛(74)专利代理机构北京思源智汇知识产权代理有限公司11657代理人王晓多(51)Int.Cl.G06F16/9535(2019.01)G06Q30/02(2012.01)G06Q50/16(2012.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书16页附图6页(54)发明名称信息推荐方法和装置、电子设备和存储介质(57)摘要本公开实施例公开了一种信息推荐方法和装置、电子设备和存储介质，其中，方法包括：获取第一用户对应的第一用户数据、候选对象对应的候选对象数据及预先训练获得的多任务打分模型，多任务打分模型的输入包括多任务的共享输入和各任务的独享输入；基于第一用户数据及候选对象数据，确定共享输入对应的第一特征数据及各任务独享输入的第二特征数据；基于第一特征数据、各第二特征数据、多任务打分模型，获得打分结果；基于打分结果，从各候选对象中确定出待推荐的目标对象；将目标对象的相关信息推荐给第一用户。本公开有效提高了推荐信息的准确性。CN113901328ACN113901328A权利要求书1/2页1.一种信息推荐方法，其特征在于，包括：获取第一用户对应的第一用户数据、候选对象对应的候选对象数据及预先训练获得的多任务打分模型，所述多任务打分模型的输入包括多任务的共享输入和各任务的独享输入；基于所述第一用户数据及所述候选对象数据，确定所述共享输入对应的第一特征数据及各任务独享输入的第二特征数据；基于所述第一特征数据、各所述第二特征数据、所述多任务打分模型，获得打分结果，所述打分结果包括各候选对象在各任务的得分；基于所述打分结果，从各候选对象中确定出待推荐的目标对象；将所述目标对象的相关信息推荐给所述第一用户。2.根据权利要求1所述的方法，其特征在于，所述多任务打分模型包括至少两个任务，所述多任务打分模型的网络结构包括共享网络、各任务对应的权重学习网络及各任务的输出网络，所述共享网络包括多个并列的子网络；所述基于所述第一特征数据、各所述第二特征数据、所述多任务打分模型，获得打分结果，包括：将所述第一特征数据输入到所述共享网络中的各子网络，获得各子网络对应的第一输出结果；针对每个第二特征数据，将所述第二特征数据和所述第一特征数据一起输入到对应任务的权重学习网络，获得该权重学习网络的第二输出结果，所述第二输出结果包括所述共享网络中各子网络的权重；针对每个所述第二输出结果，将所述第二输出结果及各所述第一输出结果输入到对应任务的输出网络，获得该任务的输出；将各任务的输出作为所述打分结果。3.根据权利要求2所述的方法，其特征在于，所述基于所述打分结果，从各候选对象中确定出待推荐的目标对象，包括：根据各候选对象在至少一个任务的得分对各候选对象进行排序，将得分较高的预设数量的候选对象作为所述目标对象。4.根据权利要求2所述的方法，其特征在于，在获取第一用户对应的第一用户数据、候选对象对应的候选对象数据及预先训练获得的多任务打分模型之前，所述方法还包括：获取训练特征数据及对应的标签数据，所述训练特征数据包括用于输入共享网络的第一训练特征数据及各任务对应的第二训练特征数据；将所述第一训练特征数据输入到所述共享网络的各子网络，将各所述第二训练特征数据输入到对应任务的权重学习网络，获得各任务的训练输出结果；基于各任务的训练输出结果及对应的标签数据，确定各任务的损失；基于各任务的损失，确定综合损失；若所述综合损失满足预设条件，则结束训练，获得所述多任务打分模型；若所述综合损失不满足预设条件，则根据预设规则调整参数后，进入下一轮训练，直至综合损失满足预设条件。5.根据权利要求2所述的方法，其特征在于，所述候选对象为候选房源，所述多任务打2CN113901328A权利要求书2/2页分模型包括点击任务和商机任务两个任务；所述基于所述打分结果，从各候选对象中确定出待推荐的目标对象，包括：根据各候选房源在点击任务或商机任务的得分对各候选房源进行排序，将得分较高的第一预设数量的候选房源作为目标房源；或者，根据各候选房源在点击任务和商机任务的综合得分对各候选房源进行排序，将得分较高的第一预设数量的候选房源作为目标房源。6.根据权利要求1所述的方法，其特征在于，所述基于所述第一用户数据及所述候选对象数据，确定所述共享输入对应的第一特征数据及各任务独享输入的第二特征数据，包括：根据预设特征规则，将所述第一用户数据及所