对象推荐方法、装置、设备、存储介质和计算机程序产品与流程

本技术涉及计算机，特别是涉及一种对象推荐方法、装置、设备、存储介质和计算机程序产品。

背景技术：

1、随着计算机技术的发展，出现了推荐技术，推荐技术是一种解决从海量对象中迅速有效地筛选出符合用户偏好特征的对象的技术。基于推荐技术可构建为用户推荐符合用户偏好特征的对象的推荐系统。

2、传统的推荐系统中，通常是仅考虑到用户与对象单点之间的关系，并以此为唯一的排序依据对待推荐对象进行排序，进而将排序后的待推荐对象按照排序的先后顺序推荐给用户。显然，传统的针对推荐对象进行排序的方法，排序的依据比较单一，排序得到的结果不够准确，从而导致推荐准确率较低。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提升推荐准确率的对象推荐方法、装置、设备、存储介质和计算机程序产品。

2、一种对象推荐方法，所述方法包括：

3、获取第一特征的集合；所述集合中包括各待推荐对象分别对应的第一特征；所述第一特征中包含表征相应待推荐对象与用户之间的相关性的特征；

4、基于所述第一特征的集合提取所述待推荐对象之间的关系，得到各待推荐对象分别对应的第二特征；所述第二特征用于表征待推荐对象之间的相关性；

5、根据所述第一特征和所述第二特征，生成各待推荐对象分别在多个排序任务下的排序预估结果；

6、针对每个待推荐对象，融合所述待推荐对象在各所述排序任务下的排序预估结果，得到所述待推荐对象对应的目标排序预估结果；

7、按照各所述待推荐对象对应的所述目标排序预估结果，对各所述待推荐对象进行排序，并基于排序后的结果进行对象推荐。

8、一种对象推荐装置，所述装置包括：

9、获取模块，用于获取第一特征的集合；所述集合中包括各待推荐对象分别对应的第一特征；所述第一特征中包含表征相应待推荐对象与用户之间的相关性的特征；

10、提取模块，用于基于所述第一特征的集合提取所述待推荐对象之间的关系，得到各待推荐对象分别对应的第二特征；所述第二特征用于表征待推荐对象之间的相关性；

11、生成模块，用于根据所述第一特征和所述第二特征，生成各待推荐对象分别在多个排序任务下的排序预估结果；

12、融合模块，用于针对每个待推荐对象，融合所述待推荐对象在各所述排序任务下的排序预估结果，得到所述待推荐对象对应的目标排序预估结果；

13、推荐模块，用于按照各所述待推荐对象对应的所述目标排序预估结果，对各所述待推荐对象进行排序，并基于排序后的结果进行对象推荐。

14、在一个实施例中，所述获取模块还用于获取各待推荐对象分别对应的对象属性特征和个性化语义特征；所述个性化语义特征，用于表征相应待推荐对象与用户之间的相关性；将对应于同一待推荐对象的所述对象属性特征和所述个性化语义特征进行特征组合，得到各待推荐对象分别对应的第一特征；根据所述各待推荐对象分别对应的第一特征，确定第一特征的集合。

15、在一个实施例中，所述第一特征包括第一特征向量；所述对象属性特征包括对象属性特征向量；所述个性化语义特征包括个性化语义特征向量；所述获取模块还用于将对应于同一待推荐对象的对象属性特征向量和所述个性化语义特征向量进行向量拼接，得到各待推荐对象分别对应的第一特征向量。

16、在一个实施例中，所述各待推荐对象，是基于相应个性化语义特征向量进行初始排序后的待推荐对象；所述获取模块还用于根据待推荐对象在初始排序后的位置，对各所述第一特征向量进行位置编码，得到第一特征向量的集合；所述第一特征向量的集合中各所述第一特征向量按照相应待推荐对象之间的位置顺序排列。

17、在一个实施例中，所述生成模块还用于将对应于同一待推荐对象的第一特征和第二特征进行特征融合，得到所述待推荐对象对应的融合特征；在每个排序任务下，分别根据所述融合特征对所述各待推荐对象进行排序预估，得到各待推荐对象分别在多个排序任务下的排序预估结果。

18、在一个实施例中，所述生成模块还用于针对每个排序任务，按照所述排序任务对应的调整系数，对各待推荐对象分别对应的第一特征进行调整，得到各待推荐对象在不同排序任务下的调整后的第一特征；在每个排序任务下，将对应于同一待推荐对象的所述调整后的第一特征和第二特征进行特征融合，得到各待推荐对象分别在多个排序任务下的融合特征。

19、在一个实施例中，所述生成模块还用于针对每个排序任务，分别根据所述融合特征预测所述各待推荐对象在所述排序任务下的状态信息；按照各所述待推荐对象在所述排序任务下的状态信息，对各所述待推荐对象进行排序预估，得到所述各待推荐对象在所述排序任务下的排序预估结果。

20、在一个实施例中，所述排序预估结果包括排序预估分数；所述目标排序预估结果包括目标排序预估分数；所述融合模块针对每个待推荐对象，将所述待推荐对象在各所述排序任务下的排序预估分数进行加权融合，得到所述待推荐对象对应的目标排序预估分数。

21、在一个实施例中，所述提取模块还用于将所述第一特征的集合输入至已训练的对象排序模型中，以在所述已训练的对象排序模型中的特征编码层中，基于所述第一特征的集合提取所述待推荐对象之间的关系，得到各待推荐对象分别对应的第二特征；所述生成模块还用于分别通过已训练的对象排序模型中与每个排序任务相应的排序预估单元，根据对应于同一待推荐对象的所述第一特征和所述第二特征，得到各待推荐对象在相应所述排序任务下的排序预估结果。

22、在一个实施例中，所述装置还包括：

23、训练模块，用于获取包括多组训练样本的样本集合；每组训练样本中包括相应样本对象的第一样本特征和所述样本对象分别在多个排序任务下的状态标签；所述第一样本特征中包含表征所述样本对象与用户之间的相关性的特征；基于所述样本集合，对待训练的对象排序模型进行训练，得到用于按照所述多个排序任务进行对象排序的对象排序模型。

24、在一个实施例中，所述训练模块还用于在每轮迭代训练中，将所述样本集合输入至待训练的对象排序模型中，以在所述待训练的对象排序模型的特征编码层中，基于各组所述训练样本中的第一样本特征提取所述样本对象之间的关系，得到各样本对象分别对应的第二样本特征；针对每个排序任务，通过待训练的对象排序模型中与所述排序任务相应的排序预估单元，基于对应于同一样本对象的所述第一样本特征和所述第二样本特征，预测所述各样本对象在相应排序任务下的状态信息；根据预测的状态信息和所述状态标签之间的差异，更新所述待训练的对象排序模型的模型参数，直至达到迭代停止条件，得到用于按照所述多个排序任务进行对象排序的对象排序模型。

25、在一个实施例中，所述训练模块还用于针对每个排序任务，通过所述排序任务所属的任务类型所对应的目标函数，确定预测的状态信息和所述状态标签之间的损失值；根据所述损失值，更新所述待训练的对象排序模型的模型参数。

26、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

27、获取第一特征的集合；所述集合中包括各待推荐对象分别对应的第一特征；所述第一特征中包含表征相应待推荐对象与用户之间的相关性的特征；

28、基于所述第一特征的集合提取所述待推荐对象之间的关系，得到各待推荐对象分别对应的第二特征；所述第二特征用于表征待推荐对象之间的相关性；

29、根据所述第一特征和所述第二特征，生成各待推荐对象分别在多个排序任务下的排序预估结果；

30、针对每个待推荐对象，融合所述待推荐对象在各所述排序任务下的排序预估结果，得到所述待推荐对象对应的目标排序预估结果；

31、按照各所述待推荐对象对应的所述目标排序预估结果，对各所述待推荐对象进行排序，并基于排序后的结果进行对象推荐。

32、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

33、获取第一特征的集合；所述集合中包括各待推荐对象分别对应的第一特征；所述第一特征中包含表征相应待推荐对象与用户之间的相关性的特征；

34、基于所述第一特征的集合提取所述待推荐对象之间的关系，得到各待推荐对象分别对应的第二特征；所述第二特征用于表征待推荐对象之间的相关性；

35、根据所述第一特征和所述第二特征，生成各待推荐对象分别在多个排序任务下的排序预估结果；

36、针对每个待推荐对象，融合所述待推荐对象在各所述排序任务下的排序预估结果，得到所述待推荐对象对应的目标排序预估结果；

37、按照各所述待推荐对象对应的所述目标排序预估结果，对各所述待推荐对象进行排序，并基于排序后的结果进行对象推荐。

38、一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现以下步骤：

39、获取第一特征的集合；所述集合中包括各待推荐对象分别对应的第一特征；所述第一特征中包含表征相应待推荐对象与用户之间的相关性的特征；

40、基于所述第一特征的集合提取所述待推荐对象之间的关系，得到各待推荐对象分别对应的第二特征；所述第二特征用于表征待推荐对象之间的相关性；

41、根据所述第一特征和所述第二特征，生成各待推荐对象分别在多个排序任务下的排序预估结果；

42、针对每个待推荐对象，融合所述待推荐对象在各所述排序任务下的排序预估结果，得到所述待推荐对象对应的目标排序预估结果；

43、按照各所述待推荐对象对应的所述目标排序预估结果，对各所述待推荐对象进行排序，并基于排序后的结果进行对象推荐。

44、上述对象推荐方法、装置、设备、存储介质和计算机程序产品，获取包括各待推荐对象分别对应的第一特征的集合，第一特征中包含表征相应待推荐对象与用户之间的相关性的特征。基于第一特征的集合可以提取待推荐对象之间的关系，得到各待推荐对象分别对应的第二特征，第二特征可以用于表征待推荐对象之间的相关性。根据用于表征相应待推荐对象与用户之间的相关性的第一特征，以及用于表征待推荐对象之间的相关性的第二特征，可以生成各待推荐对象分别在多个排序任务下的更准确的排序预估结果。针对每个待推荐对象，可以将该待推荐对象在各排序任务下的更准确的排序预估结果进行融合，得到待推荐对象对应的更准确的目标排序预估结果。按照各待推荐对象对应的更准确的目标排序预估结果，对各待推荐对象进行排序，可以得到更准确的排序后的结果，进而再基于更准确的排序后的结果进行对象推荐，可以提升对象的推荐准确率。