对象列表推荐方法、装置、电子设备及可读存储介质与流程

本公开涉及列表推荐，尤其涉及一种对象列表推荐方法、装置、电子设备及可读存储介质。

背景技术：

1、点击率预测是指根据用户的历史行为和上下文信息，预测用户对某个待推荐对象的点击概率。点击率预测在推荐系统和在线广告中起着重要的作用，可以用于评估待推荐对象的内容质量，但现有技术中点击率预测的准确度不符合多种类的任务需求，为了提高点击率预测的准确度，常规是通过基于线性模型的方法和基于深度学习的方法，但由于这两种方法的特征交互是隐式的，模型的性能随着网络层数的增加而饱和，甚至出现梯度消失和过拟合的情况。

2、由此可见，现有技术中存在由于隐式的特征交互和过拟合情况，导致特征交互的衰减和模型性能的降低的问题。

技术实现思路

1、有鉴于此，本公开实施例提供了一种对象列表推荐方法、装置、电子设备及可读存储介质，以解决现有技术中由于隐式的特征交互和过拟合情况，导致特征交互的衰减和模型性能的降低的问题。

2、本公开实施例的第一方面，提供了一种对象列表推荐方法，包括：对用户画像对应的特征向量和待推荐对象对应的特征向量进行嵌入处理，得到用户画像对应的嵌入向量和待推荐对象对应的嵌入向量；根据用户画像对应的嵌入向量和待推荐对象对应的嵌入向量，确定待推荐对象对应的压缩特征向量；通过门控交叉网络对待推荐对象对应的压缩特征向量进行处理，得到待推荐对象对应的显式高阶交互向量；对待推荐对象对应的显式高阶交互向量进行激活映射处理，得到待推荐对象被执行预设行为的概率；根据待推荐对象被执行预设行为的概率，确定向用户推荐的对象推荐列表。

3、本公开实施例的第二方面，提供了一种对象列表推荐装置，包括：第一处理模块，用于对用户画像对应的特征向量和待推荐对象对应的特征向量进行嵌入处理，得到用户画像对应的嵌入向量和待推荐对象对应的嵌入向量；第一确定模块，用于根据用户画像对应的嵌入向量和待推荐对象对应的嵌入向量，确定待推荐对象对应的压缩特征向量；第二处理模块，用于通过门控交叉网络对待推荐对象对应的压缩特征向量进行处理，得到待推荐对象对应的显式高阶交互向量；第三处理模块，用于对待推荐对象对应的显式高阶交互向量进行激活映射处理，得到待推荐对象对应的被执行预设行为的概率；第二确定模块，用于根据待推荐对象对应的被执行预设行为的概率，确定向用户推荐的对象推荐列表。

4、本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

5、本公开实施例的第四方面，提供了一种可读存储介质，该可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

6、本公开实施例与现有技术相比存在的有益效果是：通过输入层对用户画像对应的特征向量和待推荐对象对应的特征向量进行嵌入处理，得到用户画像对应的嵌入向量和待推荐对象对应的嵌入向量，通过嵌入层和基于特征的维度优化方法，将用户画像对应的嵌入向量和待推荐对象对应的嵌入向量，降维压缩成待推荐对象对应的压缩特征向量，通过门控交叉网络对待推荐对象对应的压缩特征向量进行处理，捕获显式的高阶特征交互，并在每个阶数中使用信息门动态地过滤重要的交互，对待推荐对象对应的压缩特征向量进行非线性的变换和组合，得到待推荐对象对应的显式高阶交互向量，通过输出层中的全连接层和激活函数，将待推荐对象对应的显式高阶交互向量进行激活映射，得到待推荐对象被执行预设行为的概率，根据待推荐对象被执行预设行为的概率，确定向用户推荐的对象推荐列表，以此提高了待推荐对象被执行预测行为概率预测的准确性，提高了处理效率，增强了处理过程的可解释性，避免了特征交互的衰减，提升了该对象列表推荐模型的可信度。

技术特征：

1.一种对象列表推荐方法，其特征在于，包括：

2.根据权利要求1所述的对象列表推荐方法，其特征在于，所述根据所述用户画像对应的嵌入向量和所述待推荐对象对应的嵌入向量，确定所述待推荐对象对应的压缩特征向量，包括：

3.根据权利要求1所述的对象列表推荐方法，其特征在于，所述通过门控交叉网络对所述待推荐对象对应的压缩特征向量进行处理，得到所述待推荐对象对应的显式高阶交互向量，包括：

4.根据权利要求1所述的对象列表推荐方法，其特征在于，所述对所述待推荐对象对应的显式高阶交互向量进行激活映射处理，得到所述待推荐对象对应的被执行预设行为概率，包括：

5.根据权利要求1所述的对象列表推荐方法，其特征在于，在所述对所述用户画像对应的特征向量和所述待推荐对象对应的特征向量进行嵌入处理，得到所述用户画像对应的嵌入向量和所述待推荐对象对应的嵌入向量之前，还包括：

6.根据权利要求1所述的对象列表推荐方法，其特征在于，所述对用户画像对应的特征向量和待推荐对象对应的特征向量进行嵌入处理，得到所述用户画像对应的嵌入向量和所述待推荐对象对应的嵌入向量，包括：

7.根据权利要求1所述的对象列表推荐方法，其特征在于，在所述对所述用户画像对应的特征向量和所述待推荐对象对应的特征向量进行嵌入处理，得到所述用户画像对应的嵌入向量和所述待推荐对象对应的嵌入向量之前，还包括：

8.一种对象列表推荐装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。

10.一种可读存储介质，所述可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。

技术总结
本公开涉及列表推荐技术领域，提供了一种对象列表推荐方法、装置、电子设备及可读存储介质。该方法包括：对用户画像对应的特征向量和待推荐对象对应的特征向量进行嵌入处理，得到用户画像对应的嵌入向量和待推荐对象对应的嵌入向量；根据上述嵌入向量，确定待推荐对象对应的压缩特征向量；对待推荐对象对应的压缩特征向量进行处理，得到待推荐对象对应的显式高阶交互向量，并进行激活映射处理，得到待推荐对象被执行预设行为的概率；据此确定向用户推荐的对象推荐列表，以此提高了待推荐对象被执行预测行为概率预测的准确性，提高了处理效率，增强了处理过程的可解释性，避免了特征交互的衰减，提升了该对象列表推荐模型的可信度。

技术研发人员：闫培,杜梦雪
受保护的技术使用者：深圳须弥云图空间科技有限公司
技术研发日：
技术公布日：2024/6/20