对象推荐方法、装置和计算机可读存储介质.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CN110727868A(43)申请公布日2020.01.24(21)申请号201910970058.1(22)申请日2019.10.12(71)申请人腾讯音乐娱乐科技（深圳）有限公司地址518000广东省深圳市前海深港合作区前湾一路1号A栋201室(72)发明人黄昕李深远(74)专利代理机构北京三高永信知识产权代理有限责任公司11138代理人宁立存(51)Int.Cl.G06F16/9535(2019.01)G06F16/9536(2019.01)权利要求书3页说明书12页附图3页(54)发明名称对象推荐方法、装置和计算机可读存储介质(57)摘要本申请公开了一种对象推荐方法、装置和计算机可读存储介质，属于数据处理技术领域。所述方法包括：获取目标用户账号的用户特征和目标对象的对象特征；将目标用户账号的用户特征和目标对象的对象特征输入到生成对抗网络中的生成器，由该生成器输出目标对象的推荐分数；根据目标对象的推荐分数确定是否向目标用户账号推荐目标对象。其中，该生成对抗网络包括该生成器和判别器，该判别器是使用第一样本训练得到，该生成器是使用第二样本训练得到，第一样本是根据该生成器获取得到，第二样本是根据该判别器获取得到。本申请中生成对抗网络中的生成器的预测准确率较高，从而在使用该生成器进行对象推荐时的准确度较高。CN110727868ACN110727868A权利要求书1/3页1.一种对象推荐方法，其特征在于，所述方法包括：获取目标用户账号的用户特征和目标对象的对象特征；将所述目标用户账号的用户特征和所述目标对象的对象特征输入到生成对抗网络中的生成器，由所述生成器输出所述目标对象的推荐分数；根据所述目标对象的推荐分数确定是否向所述目标用户账号推荐所述目标对象；其中，所述生成对抗网络包括所述生成器和判别器，所述判别器是使用第一样本训练得到，所述生成器是使用第二样本训练得到，所述第一样本是根据所述生成器获取得到，所述第二样本是根据所述判别器获取得到。2.如权利要求1所述的方法，其特征在于，所述将所述目标用户账号的用户特征和所述目标对象的对象特征输入到生成对抗网络中的生成器之前，还包括：获取多个用户账号中每个用户账号的用户特征和多个对象中每个对象的对象特征；根据所述多个用户账号中每个用户账号的用户特征和所述多个对象中每个对象的对象特征，生成多个训练数据，所述多个训练数据中的每个训练数据包括一个用户账号的用户特征和一个对象的对象特征；根据所述生成器，从所述多个训练数据中获取多个第一样本；使用所述多个第一样本，对所述判别器进行训练；在完成对所述判别器的训练后，根据所述判别器，从所述多个训练数据中获取多个第二样本；使用所述多个第二样本，对所述生成器进行训练；在完成对所述生成器的训练后，如果所述生成器和所述判别器不满足参考条件，则返回所述根据所述生成器，从所述多个训练数据中获取多个第一样本的步骤；如果所述生成器和所述判别器满足参考条件，则结束对所述生成对抗网络的训练。3.如权利要求2所述的方法，其特征在于，所述根据所述生成器，从所述多个训练数据中获取多个第一样本，包括：将所述多个训练数据中的每个训练数据输入到所述生成器，由所述生成器输出所述多个训练数据中的每个训练数据的推荐分数；将所述多个训练数据中推荐分数大于或等于参考分数的训练数据确定为目标数据；对于确定出的多个目标数据中的任意一个目标数据，当存在所述一个目标数据对应的用户账号对所述一个目标数据对应的对象的参考行为数据时，确定所述一个目标数据为第一正样本；当不存在所述一个目标数据对应的用户账号对所述一个目标数据对应的对象的参考行为数据时，确定所述一个目标数据为第一负样本。4.如权利要求2所述的方法，其特征在于，所述根据所述判别器，从所述多个训练数据中获取多个第二样本，包括：将所述多个训练数据中的每个训练数据输入到所述判别器，由所述判别器输出所述多个训练数据中每个训练数据的类型；对于所述多个训练数据中的任意一个训练数据，当所述一个训练数据的类型为第一类型时，确定所述一个训练数据为第二正样本；当所述一个训练数据的类型为第二类型时，确定所述一个训练数据为第二负样本。2CN110727868A权利要求书2/3页5.如权利要求2所述的方法，其特征在于，所述参考条件为所述生成器和所述判别器均收敛；或者，所述参考条件为所述生成器中的损失函数值和所述判别器中的损失函数值均小于参考数值。6.如权利要求1-5任一所述的方法，其特征在于，所述根据所述目标对象的推荐分数确定是否向所述目标用户账号推荐所述目标对象，包括：当所述目标对象的推荐分数大于或等于参考分数时，向所述目标用户账号推荐所述目标对象。7.一种对象推荐装置，其特征在于，所述装置包括