本公開涉及人工智能，尤其涉及推薦，具體涉及一種推薦方法、裝置、電子設備、計算機可讀存儲介質(zhì)和計算機程序產(chǎn)品。

背景技術(shù)：

1、人工智能是研究使計算機來模擬人的某些思維過程和智能行為(如學習、推理、思考、規(guī)劃等)的學科，既有硬件層面的技術(shù)也有軟件層面的技術(shù)。人工智能硬件技術(shù)一般包括如傳感器、專用人工智能芯片、云計算、分布式存儲、大數(shù)據(jù)處理等技術(shù)；人工智能軟件技術(shù)主要包括計算機視覺技術(shù)、語音識別技術(shù)、自然語言處理技術(shù)以及機器學習/深度學習、大數(shù)據(jù)處理技術(shù)、知識圖譜技術(shù)等幾大方向。

2、隨著計算機技術(shù)和大數(shù)據(jù)技術(shù)的發(fā)展，人們生活中的消費、娛樂、學習、出行等行為都與大數(shù)據(jù)緊密相關(guān)。在商務平臺的運營過程中，通常需要向用戶主動推薦內(nèi)容，以提升相應的業(yè)務業(yè)績。

3、在此部分中描述的方法不一定是之前已經(jīng)設想到或采用的方法。除非另有指明，否則不應假定此部分中描述的任何方法僅因其包括在此部分中就被認為是現(xiàn)有技術(shù)。類似地，除非另有指明，否則此部分中提及的問題不應認為在任何現(xiàn)有技術(shù)中已被公認。

技術(shù)實現(xiàn)思路

1、本公開提供了一種推薦方法、裝置、電子設備、計算機可讀存儲介質(zhì)和計算機程序產(chǎn)品。

2、根據(jù)本公開的一方面，提供了一種推薦方法，包括：響應于接收到推薦請求，基于目標用戶的用戶特征、多個對象類別的類別特征和每個對象類別包括的候選對象的對象特征，確定推薦信息，其中，所述推薦信息包括至少一個推薦類別和每個推薦類別對應的至少一個推薦對象；以及基于所述推薦信息，確定針對所述目標用戶的包括多個推薦對象的推薦序列。

3、根據(jù)本公開的一方面，提供了一種推薦模型的訓練方法，包括：將樣本用戶的用戶特征、多個對象類別的類別特征和每個對象類別包括的候選對象的對象特征輸入推薦模型，以得到所述推薦模型輸出的預測推薦信息，其中，所述預測推薦信息包括至少一個推薦類別和每個推薦類別對應的至少一個推薦對象；基于所述預測推薦信息，確定包括多個推薦對象的預測推薦序列；針對所述預測推薦序列，確定訓練評分；以及基于所述預測推薦序列的訓練評分，調(diào)整所述推薦模型的參數(shù)。

4、根據(jù)本公開的一方面，提供了一種推薦裝置，包括：第一確定單元，被配置為響應于接收到推薦請求，基于目標用戶的用戶特征、多個對象類別的類別特征和每個對象類別包括的候選對象的對象特征，確定推薦信息，其中，所述推薦信息包括至少一個推薦類別和每個推薦類別對應的至少一個推薦對象；以及第二確定單元，被配置為基于所述推薦信息，確定針對所述目標用戶的包括多個推薦對象的推薦序列。

5、根據(jù)本公開的一方面，提供了一種推薦模型的訓練裝置，包括：輸入單元，被配置為將樣本用戶的用戶特征、多個對象類別的類別特征和每個對象類別包括的候選對象的對象特征輸入推薦模型，以得到所述推薦模型輸出的預測推薦信息，其中，所述預測推薦信息包括至少一個推薦類別和每個推薦類別對應的至少一個推薦對象；第五確定單元，被配置為基于所述預測推薦信息，確定包括多個推薦對象的預測推薦序列；評分單元，被配置為針對所述預測推薦序列，確定訓練評分；以及第二調(diào)整單元，被配置為基于所述預測推薦序列的訓練評分，調(diào)整所述推薦模型的參數(shù)。

6、根據(jù)本公開的一方面，提供了一種電子設備，包括：至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其中所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行上述推薦方法或推薦模型的訓練方法。

7、根據(jù)本公開的一方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質(zhì)，其中，所述計算機指令用于使所述計算機執(zhí)行上述推薦方法或推薦模型的訓練方法。

8、根據(jù)本公開的一方面，提供了一種計算機程序產(chǎn)品，包括計算機程序，其中，計算機程序在被處理器執(zhí)行時能夠?qū)崿F(xiàn)上述推薦方法或推薦模型的訓練方法。

9、根據(jù)本公開的一個或多個實施例，可以提升推薦準確度和推薦效率。

10、應當理解，本部分所描述的內(nèi)容并非旨在標識本公開的實施例的關(guān)鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

技術(shù)特征：

1.一種推薦方法，包括：

2.如權(quán)利要求1所述的方法，其中，所述推薦信息包括順序排列的多個信息對，所述多個信息對中的每個信息對包括推薦類別和該推薦類別對應的推薦對象。

3.如權(quán)利要求1或2所述的方法，其中，所述基于目標用戶的用戶特征、多個對象類別的類別特征和每個對象類別包括的候選對象的對象特征，確定推薦信息包括：

4.如權(quán)利要求3所述的方法，其中，所述針對所述預測推薦序列，確定訓練評分包括：

5.如權(quán)利要求1-4中任一項所述的方法，其中，所述目標用戶的用戶特征包括所述目標用戶針對歷史推薦序列的歷史交互信息。

6.一種推薦模型的訓練方法，包括：

7.一種推薦裝置，包括：

8.如權(quán)利要求7所述的裝置，其中，所述推薦信息包括順序排列的多個信息對，所述多個信息對中的每個信息對包括推薦類別和該推薦類別對應的推薦對象。

9.如權(quán)利要求7或8所述的裝置，其中，所述第一確定單元被配置為：

10.如權(quán)利要求9所述的裝置，其中，所述第四確定單元被配置為：

11.如權(quán)利要求7-10中任一項所述的裝置，其中，所述目標用戶的用戶特征包括所述目標用戶針對歷史推薦序列的歷史交互信息。

12.一種推薦模型的訓練裝置，包括：

13.一種電子設備，包括：

14.一種存儲有計算機指令的非瞬時計算機可讀存儲介質(zhì)，其中，所述計算機指令用于使計算機執(zhí)行根據(jù)權(quán)利要求1-6中任一項所述的方法。

15.一種計算機程序產(chǎn)品，包括計算機程序，其中，所述計算機程序在被處理器執(zhí)行時實現(xiàn)根據(jù)權(quán)利要求1-6中任一項所述的方法。

技術(shù)總結(jié)
本公開提供了一種推薦方法及裝置、設備和介質(zhì)，涉及人工智能技術(shù)領域，尤其涉及推薦技術(shù)領域。實現(xiàn)方案為：響應于接收到推薦請求，基于目標用戶的用戶特征、多個對象類別的類別特征和每個對象類別包括的候選對象的對象特征，確定推薦信息，其中，所述推薦信息包括至少一個推薦類別和每個推薦類別對應的至少一個推薦對象；以及基于所述推薦信息，確定針對所述目標用戶的包括多個推薦對象的推薦序列。

技術(shù)研發(fā)人員：錢若函,唐潛,劉文強,沈釗,國智,李雙龍,劉林
受保護的技術(shù)使用者：北京百度網(wǎng)訊科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2