CN113641915B - 对象的推荐方法、装置、设备、存储介质和程序产品 - Google Patents

对象的推荐方法、装置、设备、存储介质和程序产品 Download PDF

Info

Publication number
CN113641915B
CN113641915B CN202110996520.2A CN202110996520A CN113641915B CN 113641915 B CN113641915 B CN 113641915B CN 202110996520 A CN202110996520 A CN 202110996520A CN 113641915 B CN113641915 B CN 113641915B
Authority
CN
China
Prior art keywords
object set
objects
difference value
candidate object
candidate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110996520.2A
Other languages
English (en)
Other versions
CN113641915A (zh
Inventor
冉靖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zitiao Network Technology Co Ltd
Original Assignee
Beijing Zitiao Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Zitiao Network Technology Co Ltd filed Critical Beijing Zitiao Network Technology Co Ltd
Priority to CN202110996520.2A priority Critical patent/CN113641915B/zh
Publication of CN113641915A publication Critical patent/CN113641915A/zh
Application granted granted Critical
Publication of CN113641915B publication Critical patent/CN113641915B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种对象的推荐方法、装置、设备、存储介质和程序产品。该方法包括:从对象数据库中获取与目标主题相关的第一对象集合,所述第一对象集合中包括多个对象;根据所述多个对象分别与所述目标主题的相关性,确定第二对象集合;其中,所述第二对象集合为差异值满足预定条件时对应的候选对象集合,所述候选对象集合的对象包括所述第一对象集合中的部分对象,所述差异值为根据所述候选对象集合中的对象重构所述第一对象集合中的对象的差异值。该方法能够实现有限对象的推荐。

Description

对象的推荐方法、装置、设备、存储介质和程序产品
技术领域
本公开涉及推荐方法技术领域,尤其涉及一种对象的推荐方法、装置、设备、存储介质和程序产品。
背景技术
目前市面上的推荐系统,主要是信息流推荐,典型代表有抖音短视频、头条新闻等。这些场景下的推荐属于无限推荐,只要用户一直在消费内容,系统就一直为用户推荐内容。同时,用户没有明显的消费目标、不限制消费内容的数量、对推荐内容的容忍度较高。推荐内容之间是平行的,只存在相关性,没有更复杂的关系。
然而,传统的信息流推荐的对于推荐内容的数量没有限制,只要用户一直在消费内容,就一直为用户推荐内容,当用户需要获取特定主题的有限内容时,传统的推荐策略不能满足用户对有限内容的推荐需求。
发明内容
本发明实施例提供了一种对象的推荐方法、装置、设备和计存储介质和程序产品,能够实现有限对象的推荐。
第一方面,本公开提供了一种对象的推荐方法,包括:
从对象数据库中获取与目标主题相关的第一对象集合,所述第一对象集合中包括多个对象;
根据所述多个对象分别与所述目标主题的相关性,确定第二对象集合;
其中,所述第二对象集合为差异值满足预定条件时对应的候选对象集合,所述候选对象集合的对象包括所述第一对象集合中的部分对象,所述差异值为根据所述候选对象集合中的对象重构所述第一对象集合中的对象的差异值。
可选的,所述差异值根据所有对象的差异值分别与所述对象与所述目标主题的相关性的乘积确定。
可选的,所述差异值根据所有对象的差异值分别与所述对象与所述目标主题的相关性的乘积,以及重构权值的稀疏性约束项确定。
可选的,所述差异值根据所有对象的差异值分别与所述对象与所述目标主题的相关性的乘积,重构权值的稀疏性约束项以及任意两个对象的相关性确定。
可选的,每个对象的差异值根据重构权值和所述对象的向量确定。
可选的,所述根据所述多个对象分别与所述目标主题的相关性,确定第二对象集合,包括:
根据候选对象集合中的所有对象以及各自分别与所述目标主题的相关性,确定重构权值;
对所述候选对象集合中的对象进行替换;
根据所述候选对象集合对应的差异值和替换后的候选对象集合对应的差异值,更新所述候选对象集合,返回执行所述对所述候选对象集合中的对象进行替换,直至差异值满足预定条件,确定更新后的候选对象集合为所述第二对象集合;
其中,更新后的候选对象集合对应的差异值小于等于更新前的候选对象集合对应的差异值。
可选的,所述差异值满足预设条件包括:更新次数满足预设次数,和/或,更新后的候选对象集合对应的差异值满足预设差异值。
可选的,所述对所述候选对象集合中的对象进行替换,包括:
将所述候选对象集合中的一个对象替换为所述第一对象集合中的其他对象,所述其他对象的向量与被替换的对象的向量的相似度满足预设相似度。
可选的,所述根据所述候选对象集合对应的差异值和替换后的候选对象集合对应的差异值,更新所述候选对象集合之前,还包括:
根据所述候选对象集合中的所有对象以及各自分别与所述目标主题的相关性,和所述重构权值,确定所述候选对象集合对应的差异值;
根据替换后的候选对象集合中的所有对象以及各自分别与所述目标主题的相关性,和所述重构权值,确定替换后的候选对象集合对应的差异值。
第二方面,本公开提供了一种对象的推荐装置,包括:
获取模块,用于从对象数据库中获取与目标主题相关的第一对象集合,所述第一对象集合中包括多个对象;
确定模块,用于根据所述多个对象分别与所述目标主题的相关性,确定第二对象集合;
其中,所述第二对象集合为差异值满足预定条件时对应的候选对象集合,所述候选对象集合的对象包括所述第一对象集合中的部分对象,所述差异值为根据候选对象集合中的对象重构所述第一对象集合中的对象的差异值。
第三方面,本公开提供了一种电子设备,包括:处理器,所述处理器用于执行存储于存储器的计算机程序,所述计算机程序被处理器执行时实现第一方面提供的任一种方法的步骤。
第三方面,本公开提供了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第一方面提供的任一种方法的步骤。
第四方面,本公开提供了一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面提供的任一种方法的步骤。
本公开提供的技术方案中,通过从对象数据库中获取与目标主题相关的第一对象集合,第一对象集合中包括多个对象;根据多个对象分别与目标主题的相关性,确定第二对象集合;其中,第二对象集合为差异值满足预定条件时对应的候选对象集合,候选对象集合的对象包括第一对象集合中的部分对象,差异值为根据候选对象集合中的对象重构第一对象集合中的对象的差异值,使得第二对象集合中的对象的数量小于第一对象集合中的对象的数量,能够减少推荐对象的数量,从而能够实现有限内容的推荐。此外,由于第二对象集合对应的差异值最小,第二对象集合中的对象能够较好的重构第一对象集合中的所有对象,使得推荐的对象能够比较准确全面的展示所有对象,从而能够在有限推荐场景下,提升推荐对象的准确性和全面性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开提供的一种对象的推荐方法的流程示意图;
图2为本公开提供的另一种对象的推荐方法的流程示意图;
图3为本公开提供的又一种对象的推荐方法的流程示意图;
图4为本公开提供的又一种对象的推荐方法的流程示意图;
图5为本公开提供的一种对象的推荐装置的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
本公开的技术方案可应用于终端设备,其中,终端设备可以是电脑、平板、手机或者其他智能电子设备等。终端设备具有显示屏,其中,显示屏可以是触摸屏,也可以是非触摸屏,对于具有触摸屏的终端设备,用户可以通过手势、手指或者触控工具(例如,触控笔)实现与终端设备的交互操作。对于非触摸屏的终端设备,可以通过外部设备(例如,鼠标或者键盘等)实现与终端设备的交互操作。
本公开的技术方案可由终端设备或者终端设备中的应用程序、网页、公众号等来执行,其中,终端设备可以是平板电脑、手机、可穿戴设备、车载设备、增强现实(augmentedreality,AR)/虚拟现实(virtual reality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、个人数字助理(personaldigitalassistant,PDA)、智能电视、智慧屏、高清电视、4K电视、智能音箱、智能投影仪等设备,本公开对电子设备的具体类型不作任何限制。
终端设备可以具有显示屏,其中,显示屏可以是触摸屏,也可以是非触摸屏,对于具有触摸屏的终端设备,用户可以通过手势、手指或者触控工具(例如,触控笔)实现与终端设备的交互操作。对于非触摸屏的终端设备,可以通过外部设备(例如,鼠标或者键盘等)实现与终端设备的交互操作。
本公开中的对象数据库可以包括面试题集和/或视频集,若对象数据库中的对象包括视频集,对象数据库中的视频与目标主题相关时,则当前视频作为与目标主题相关的一视频,获取对象数据库中与目标主题相关的全部或者部分视频,即获取到第一对象集合。若对象数据库中的对象包括面试题集,对象数据库中的面试题与目标主题相关时,则当前面试题作为与目标主题相关的一面试题,获取对象数据库中与目标主题相关的全部或者部分面试题,即获取到第一对象集合。示例性的,若目标主题为性格特征,则从对象数据库中获取与性格特征相关的多个面试题,每个面试题至少包括性格特征考察点。
本公开中的候选对象集合中的对象用于重构第一对象集合中的所有对象,且候选对象集合中的对象为第一对象集合中的部分对象,即候选对象集合中对象的数量小于第一对象集合中对象的数量。根据候选对象集合中的所有对象以及各对象的重构权值,可以重构第一对象集合,例如,可以根据候选对象集合中的所有对象以及各对象的重构权值,建立重构第一对象的重构函数。重构的第一对象集合与第一对象之间存在差异,本公开采用差异值来衡量这种差异。
本公开中的第二对象集合为差异值最小时对应的候选对象集合,则第二对象集合中的对象为第一对象集合中的部分对象,使得第二对象集合中的对象的数量小于第一对象集合中的对象的数量,能够减少推荐对象的数量,从而能够实现有限内容的推荐。第一对象集合中确定第二对象集合的过程即为寻找差异值最小值的过程,由于第二对象集合对应的差异值最小,第二对象集合中的对象能够较好的重构第一对象集合中的所有对象,使得推荐的对象能够比较准确全面的展示所有对象,从而能够在有限推荐场景下,提升推荐对象的准确性和全面性。
下面给出几个具体是实施例来详细描述本公开的技术方案。
图1为本公开提供的一种对象的推荐方法的流程示意图,如图1所示,包括:
S101,从对象数据库中获取与目标主题相关的第一对象集合。
第一对象集合中包括多个对象。
示例性的,对象数据库可以包括面试题集和/或视频集,若对象数据库中的对象包括视频集,对象数据库中的视频与目标主题相关时,则当前视频作为与目标主题相关的一视频,获取对象数据库中与目标主题相关的全部或者部分视频,即获取到第一对象集合。
若对象数据库中的对象包括面试题集,对象数据库中的面试题与目标主题相关时,则当前面试题作为与目标主题相关的一面试题,获取对象数据库中与目标主题相关的全部或者部分面试题,即获取到第一对象集合。例如,目标主题为性格特征,则从对象数据库中获取与性格特征相关的多个面试题,每个面试题至少包括性格特征考察点,从对象数据库中获取与性格特征相关的多个面试题的集合{q1,q2,...,qi},即第一对象集合Q={q1,q2,...,qi},其中qi为第i个面试题的向量,i为大于等于1的正整数,各面试题分别对应的考察点如下所示:
面试题q1:考察点1,考察点2;
面试题q2:考察点1,考察点3;
...
面试题qi:考察点3,考察点n。
每个面试题对应的考察点表示该面试题考察的面试者的技能,例如,考察点1考察面试者逻辑能力,考察点2考察面试者表达能力,考察点3考察面试者沟通能力等。通过不同面试题对应的考察点可以确定当前面试题与目标主题是否相关。
S103,根据所述多个对象分别与所述目标主题的相关性,确定第二对象集合。
其中,第二对象集合为差异值满足预定条件时对应的候选对象集合,候选对象集合的对象包括第一对象集合中的部分对象,差异值为根据候选对象集合中的对象重构第一对象集合中的对象的差异值。
第一对象集合中的各面试题可能与主题1具有相关性,也可能与主题2具有相关性,因此第一对象集合中的各面试题与目标主题的相关性不同。示例性的,在目标主题是主题1时,面试题q1与目标主题的相关性为100%,面试题q2与目标主题的相关性为40%,面试题qi和与目标主题的相关性不同时,面试题qi与目标主题的相关性得分不同。
根据多个面试题分别与目标主题的相关性,得到多个对象分别对应的相关性得分。基于上述实施例,与性格特征相关的第一对象集合Q为{q1,q2,...,qi},与该性格特征相关的多个面试题的相关性得分S为{s1,s2,...,si},其中,其中,si为第一对象集合Q中第i个面试题与性格特征的相关性得分。
根据第一对象集合中的所有面试题与目标主题的相关性,确定第二对象集合的具体过程,例如可以如下所示:
首先,从第一对象集合Q={q1,q2,...,qi}中确定n个面试题作为候选对象集合,其中,n为大于等于1小于i的正整数,候选对象集合其中,/>表示候选对象集合Q*中第k个面试题的向量。
然后,通过候选对象集合Q*的非负线性组合来重构第一对象集合Q,对于第一对象集合Q中的任意一个对象qi满足公式(1):
其中,aij为重构权值,qi表示第一对象集合Q中第i个对象的向量,表示候选对象集合Q*中第j个对象的向量。
再然后,可以根据公式(2)确定候选对象集合Q*中的各对象的差异值:
将重构权值aij和第一对象集合Q中的所有对象的向量qi代入公式(2),可以确定出候选对象集合Q*中每个对象的差异值,再根据候选对象集合Q*中所有对象的差异值,可以确定出候选对象集合Q*的对应的差异值。
将第一对象集合Q中的所有对象和根据公式(1)确定的第一对象集合Q中的各对象对应的重构对象,以及第一对象集合Q中的所有对象与目标主题的相关性得分,代入候选对象集合Q*对应的差异值的计算公式中,可以确定出候选对象集合Q*对应的差异值。
将候选对象集合中Q*的至少一个对象替换为第一对象集合Q的其他对象,将替换前后的候选对象集合Q*对应的差异值中较小的差异值对应的候选对象集合Q*作为新的候选对象集合Q*。重复执行更新候选对象集合Q*的操作,直至差异值满足预定条件时,停止执行更新候选对象集合Q*的操作。
基于上述操作,每次更新后的候选对象集合Q*即为当前所有候选对象集合中差异值最小时对应的候选对象集合Q*,那么更新候选对象集合Q*的差异值满足预定条件时,对应的更新后的候选对象集合Q*即为第二对象集合。也就是说,第二对象集合对应的定最小,第二对象集合中的对象能够较好的重构第一对象集合Q中的所有对象,使得推荐的对象能够比较准确全面的展示所有对象。
本公开提供的技术方案中,通过从对象数据库中获取与目标主题相关的第一对象集合,第一对象集合中包括多个对象;根据多个对象分别与目标主题的相关性,确定第二对象集合;其中,第二对象集合为差异值满足预定条件时对应的候选对象集合,候选对象集合的对象包括第一对象集合中的部分对象,差异值为根据候选对象集合中的对象重构第一对象集合中的对象的差异值,使得第二对象集合中的对象的数量小于第一对象集合中的对象的数量,能够减少推荐对象的数量,从而能够实现有限内容的推荐。此外,由于第二对象集合对应的差异值最小,第二对象集合中的对象能够较好的重构第一对象集合中的所有对象,使得推荐的对象能够比较准确全面的展示所有对象,从而能够在有限推荐场景下,提升推荐对象的准确性和全面性。
基于上述实施例,作为确定确定差异值的实现方式,包括但不限于如下方式:
其中,作为确定差异值的一种可能的实现方式的具体描述,包括:
根据所有对象的差异值分别与对象与目标主题的相关性的乘积,确定差异值。
根据公式(3)确定候选对象集合Q*对应的差异值:
其中,si为第一对象集合Q中第i个对象与目标主题的相关性得分。
将第一对象集合Q中的所有对象的差异值以及第一对象集合Q中的所有对象与目标主题的相关性得分,代入公式(3),可以确定出候选对象集合Q*对应的差异值。
作为确定差异值的另一种实现方式的具体描述,包括:
根据所有对象的差异值分别与对象与目标主题的相关性的乘积,以及重构权值的稀疏性约束项,确定差异值。
根据公式(4)确定候选对象集合Q*对应的差异值:
其中,表示重构权值aij的稀疏性约束项。
将第一对象集合Q中的所有对象的差异值、第一对象集合Q中的所有对象与目标主题的相关性得分,以及重构权值的稀疏性约束项代入公式(4),可以确定出候选对象集合Q*对应的差异值。
每个对象包含有限数量的考察点以及涉及到有限数量的主题,第一对象集合Q中的与对象相似的其他对象的数量应该尽可能的少,避免针对同样的考察点生成多个推荐对象。
本实施例中,通过根据所有对象的差异值分别与对象与目标主题的相关性的乘积,以及重构权值的稀疏性约束项,确定候选对象集合对应的差异值,在确定差异值时增加了重构权值的稀疏性约束项,能够排除不相关的对象,降低候选对象集合中的对象的数量,通过较少的推荐对象来重构所有对象,从而能够降低推荐对象的数量。
作为确定差异值的又一种实现方式的具体描述,包括:
根据所有对象的差异值分别与对象与目标主题的相关性的乘积,重构权值的稀疏性约束项以及任意两个对象的相关性确定差异值。
根据公式(5)确定候选对象集合Q*对应的差异值:
其中,表示候选对象集合Q*中的第i个对象与第j个对象的相关系数,β为相关系数的常数项。根据公式(6)可以确定取相关系数:
其中,σi表示候选对象集合Q*中第i个对象的方差,σj表示候选对象集合Q*中第j个对象的方差,表示候选对象集合Q*中的第i个对象和第j个对象的协方差。
将第一对象集合Q中的所有对象的差异值、第一对象集合Q中的所有对象与目标主题的相关性得分、重构权值的稀疏性约束项、候选对象集合Q*中任意两个对象的相关系数,以及相关系数的常数项代入公式(5),可以确定出候选对象集合Q*对应的差异值。
本实施例,通过根据所有对象的差异值分别与对象与目标主题的相关性的乘积,重构权值的稀疏性约束项以及任意两个对象的相关性确定差异值,在确定差异值时增加任意两个对象的相关性作为约束,使得第二对象集合能够以较少的对象尽可能全面展示所有对象,实现推荐对象的多样性和低冗余。
图2为本公开提供的另一种对象的推荐方法的流程示意图,图2为图1所示实施例的基础上,执行S103时的一种可能的实现方式的具体描述,如下:
S1031,根据候选对象集合中的所有对象以及各自分别与所述目标主题的相关性,确定重构权值。
从第一对象集合Q={q1,q2,...,qi}中选择部分对象,作为候选对象集合由于第一对象集合Q中的所有对象与目标主题均存在一个相关性得分,故候选对象集合Q*中的所有对象与目标主题存在一个相关性得分。将候选对象集合Q*中的所有对象的向量以及对象集合Q*中所有对象与目标主题的相关性得分代入公式(3)、公式(4)或者公式(5)中,根据等号右侧的多项式的数值最小可以确定出公式(3)、公式(4)或者公式(5)中的重构权值。
S1032,对所述候选对象集合中的对象进行替换。
基于重构权值、候选对象集合Q*中的所有对象,以及公式(3)、公式(4)和公式(5)中的任意一个,可以确定出候选对象集合Q*对应的差异值,且不同的候选对象集合Q*对应有不同的差异值。为了便于描述,将替换对象操作之前的候选对象集合作为初始候选对象集合Q0 *,将初始候选对象集合Q0 *中的对象进行替换后,形成的候选对象集合为中间候选对象集合Q1 *,初始候选对象集合Q0 *对应的差异值为L0,中间候选对象集合Q1 *对应的差异值为L1
S1033,根据所述候选对象集合对应的差异值和替换后的候选对象集合对应的差异值,更新所述候选对象集合。
更新后的候选对象集合对应的差异值小于等于更新前的候选对象集合对应的差异值。
基于上述实施例,替换操作前的候选对象集合对应的差异值为L0,替换操作后的候选对象集合对应的差异值为L1,即根据差异值L0以及差异值L1,可以确定出更新后的候选对象集合。例如,若L0>L1,则替换操作前的候选对象集合对应的差异值大于替换操作后的候选对象集合对应的差异值,故将替换操作后的候选对象集合作为更新后的候选对象集合,且后续操作基于替换操作后的候选对象集合来实现;若L0<L1,则替换操作前的候选对象集合对应的差异值小于替换操作后的候选对象集合对应的差异值,故将替换操作前的候选对象集合作为更新后的候选对象集合,且后续操作基于替换操作前的候选对象集合来实现。
由上述内容可知,替换操作之前的候选对象集合对应的差异值和替换操作之后的候选对象集合对应的差异值中,差异值较小时对应的候选对象集合即为更新后的候选对象集合,如此,更新后的候选对象集合即为当前差异值最小时对应的候选对象集合。
S1034,确定差异值是否满足预定条件。
若否,返回执行S1032;若是,执行S1035。
可选的,预定条件可以为预设次数,相应的,满足预定条件即为更新候选对象集合的次数满足预设次数,即差异值的更新次数满足预设次数,例如,预设次数可以是100次,若更新候选对象集合的次数等于100次,则确定满足预设条件,若更新候选对象集合的次数小于100次,则确定不满足预定条件。
可选的,预定条件可以为预设差异值,相应的,满足预定条件即为更新后的候选对象集合对应的差异值满足预设差异值。例如,预设差异值为L’,若更新后的候选对象集合对应的差异值小于等于L’,则确定满足预设条件,若更新后的候选对象集合对应的差异值大于L’,则确定不满足预定条件。
可选的,预定条件还可以为预设次数和预设差异值,相应的,满足预定条件即为更新候选对象集合的次数满足预设次数且更新后的候选对象集合对应的差异值满足预设差异值。例如,预设次数可以是100次,预设差异值为L’,若更新候选对象集合的次数等于100次且更新后的候选对象集合对应的差异值小于等于L’,则确定满足预定条件,若更新候选对象集合的次数小于100次,或者,更新后的候选对象集合对应的差异值大于L’,则确定不满足预定条件。
S1035,确定更新后的候选对象集合为所述第二对象集合。
基于上述实施例,若确定满足预定条件,则当前更新后的候选对象集合即为第二对象集合;若不满足预定条件,返回执行S1032,直至满足预定条件,满足预定条件时,对应的更新后的候选对象集合即为第二对象集合。
本实施例中,通过根据候选对象集合中的所有对象以及各自分别与目标主题的相关性,确定重构权值;对候选对象集合中的对象进行替换;根据候选对象集合对应的差异值和替换后的候选对象集合对应的差异值,更新候选对象集合,返回执行对所述候选对象集合中的对象进行替换,直至满足预定条件,确定更新后的候选对象集合为第二对象集合;其中,更新后的候选对象集合对应的差异值小于等于更新前的候选对象集合对应的差异值,由于确定差异值的过程为一个求解不确定多项式的过程,常规求解方式无法获取到不确定多项式的解,本实施例提供了一种不确定多项式的方法,从而能够确保得到最终的推荐对象。
图3为本公开提供的又一种对象的推荐方法的流程示意图,图3为图2所示实施例的基础上,执行S1032时的一种可能实现方式的具体描述,如下:
S1032’,将所述候选对象集合中的一个对象替换为所述第一对象集合中的其他对象。
其他对象的向量与被替换的对象的向量的相似度满足预设相似度。
候选对象集合中的对象为第一对象集合中的部分对象,对候选对象集合中的对象进行替换时,可以基于位于第一对象集合内且位于候选对象集合外的对象,来替换候选对象集合中的对象。例如,第一对象集合Q={q1,q2,q3,q4,q5},候选对象集合Q*={q1,q2,q5},现在需要替换候选对象集合Q*中的对象q5,可以在第一对象集合Q中选择与q5相似的对象q3或者q4,来替换候选对象集合Q*中的对象q5,替换后的候选对象集合为{q1,q2,q3}或者{q1,q2,q4}。
基于上述实施例,若对象q3与对象q5的相似度为80%,对象q4与对象q5的相似度为50%,可以根据预设相似度来确定替换对象q5的对象。例如,预设相似度为75%,对象q3与对象q5的相似度为80%,大于预设相似度,即满足预设相似度,故可以用对象q3来替换候选对象集合中的对象q5,从而形成的替换后的候选对象集合为{q1,q2,q3}。
图4为本公开提供的又一种对象的推荐方法的流程示意图,图4为图2所示实施例的基础上,执行S1033之前,还包括:
S201,根据所述候选对象集合中的所有对象以及各自分别与所述目标主题的相关性,和所述重构权值,确定所述候选对象集合对应的差异值。
根据S1031确定的重构权值、候选对象集合中的所有对象以及候选对象集合中所有对象分别与目标主题的相关性得分,代入公式(3)、公式(4)和公式(5)中的任意一个,可以确定出候选对象集合对应的差异值。
S202,替换后的候选对象集合中的所有对象以及各自分别与所述目标主题的相关性,和所述重构权值,确定替换后的候选对象集合对应的差异值。
根据S1031确定的重构权值、S1032确定的替换后的候选对象集合中的所有对象以及替换后的候选对象集合中所有对象分别与目标主题的相关性得分,代入公式(3)、公式(4)和公式(5)中的任意一个,可以确定出替换后的候选对象集合对应的差异值。
本公开提供了一种对象的推荐装置,图5为本公开提供的一种对象的推荐装置的结构示意图,如图5所示,推荐装置100包括:
获取模块110,用于从对象数据库中获取与目标主题相关的第一对象集合,所述第一对象集合中包括多个对象。
确定模块120,用于根据所述多个对象分别与所述目标主题的相关性,确定第二对象集合。
其中,所述第二对象集合为差异值满足预定条件时对应的候选对象集合,所述候选对象集合的对象包括所述第一对象集合中的部分对象,所述差异值为根据候选对象集合中的对象重构所述第一对象集合中的对象的差异值。
可选的,所述差异值根据所有对象的差异值分别与所述对象与所述目标主题的相关性的乘积确定。
可选的,所述差异值根据所有对象的差异值分别与所述对象与所述目标主题的相关性的乘积,以及重构权值的稀疏性约束项确定。
可选的,所述差异值根据所有对象的差异值分别与所述对象与所述目标主题的相关性的乘积,重构权值的稀疏性约束项以及任意两个对象的相关性确定。
可选的,每个对象的差异值根据重构权值和所述对象的向量确定。
可选的,确定模块120,进一步用于根据候选对象集合中的所有对象以及各自分别与所述目标主题的相关性,确定重构权值;对所述候选对象集合中的对象进行替换;根据所述候选对象集合对应的差异值和替换后的候选对象集合对应的差异值,更新所述候选对象集合,返回执行所述对所述候选对象集合中的对象进行替换,直至差异值满足预定条件,确定更新后的候选对象集合为所述第二对象集合;其中,更新后的候选对象集合对应的差异值小于等于更新前的候选对象集合对应的差异值。
可选的,所述差异值满足预定条件包括:更新次数满足预设次数,和/或,更新后的候选对象集合对应的差异值满足预设差异值。
可选的,确定模块120,进一步用于将所述候选对象集合中的一个对象替换为所述第一对象集合中的其他对象,所述其他对象的向量与被替换的对象的向量的相似度满足预设相似度。
可选的,确定模块120,还用于根据所述候选对象集合中的所有对象以及各自分别与所述目标主题的相关性,和所述重构权值,确定所述候选对象集合对应的差异值;根据替换后的候选对象集合中的所有对象以及各自分别与所述目标主题的相关性,和所述重构权值,确定替换后的候选对象集合对应的差异值。
本实施例的装置,可用于执行上述方法实施例的步骤,其实现原理和技术效果类似,此处不再赘述。
本公开还提供一种电子设备,包括:处理器,所述处理器用于执行存储于存储器的计算机程序,所述计算机程序被处理器执行时实现上述方法实施例的步骤。
本公开还提供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上述方法实施例的步骤。
本公开还提供一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行实现上述方法实施例的步骤。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (12)

1.一种对象的推荐方法,其特征在于,包括:
从对象数据库中获取与目标主题相关的第一对象集合,所述第一对象集合中包括多个对象;
根据候选对象集合中的所有对象以及各自分别与所述目标主题的相关性,确定差异值;其中,所述候选对象集合的对象包括所述第一对象集合中的部分对象,所述差异值为根据所述候选对象集合中的对象的非线性组合重构所述第一对象集合中的对象的差异值;
对所述候选对象集合中的对象进行替换;
根据所述候选对象集合对应的差异值和替换后的候选对象集合对应的差异值,更新所述候选对象集合,返回执行所述对所述候选对象集合中的对象进行替换,直至差异值满足预定条件,确定更新后的候选对象集合为第二对象集合;
其中,更新后的候选对象集合对应的差异值小于等于更新前的候选对象集合对应的差异值。
2.根据权利要求1所述的方法,其特征在于,所述差异值根据所有对象的差异值分别与所述对象与所述目标主题的相关性的乘积确定。
3.根据权利要求1所述的方法,其特征在于,所述差异值根据所有对象的差异值分别与所述对象与所述目标主题的相关性的乘积,以及重构权值的稀疏性约束项确定。
4.根据权利要求1所述的方法,其特征在于,所述差异值根据所有对象的差异值分别与所述对象与所述目标主题的相关性的乘积,重构权值的稀疏性约束项以及任意两个对象的相关性确定。
5.根据权利要求2-4任一项所述的方法,其特征在于,每个对象的差异值根据重构权值和所述对象的向量确定。
6.根据权利要求1所述的方法,其特征在于,所述差异值满足预定条件包括:更新次数满足预设次数,和/或,更新后的候选对象集合对应的差异值满足预设差异值。
7.根据权利要求1所述的方法,其特征在于,所述对所述候选对象集合中的对象进行替换,包括:
将所述候选对象集合中的一个对象替换为所述第一对象集合中的其他对象,所述其他对象的向量与被替换的对象的向量的相似度满足预设相似度。
8.根据权利要求1所述的方法,其特征在于,所述根据所述候选对象集合对应的差异值和替换后的候选对象集合对应的差异值,更新所述候选对象集合之前,还包括:
根据所述候选对象集合中的所有对象以及各自分别与所述目标主题的相关性,和重构权值,确定所述候选对象集合对应的差异值;
根据替换后的候选对象集合中的所有对象以及各自分别与所述目标主题的相关性,和所述重构权值,确定替换后的候选对象集合对应的差异值。
9.一种数据处理装置,其特征在于,包括:
获取模块,用于从对象数据库中获取与目标主题相关的第一对象集合,所述第一对象集合中包括多个对象;
确定模块,用于根据候选对象集合中的所有对象以及各自分别与所述目标主题的相关性,确定差异值;其中,所述候选对象集合的对象包括所述第一对象集合中的部分对象,所述差异值为根据所述候选对象集合中的对象的非线性组合重构所述第一对象集合中的对象的差异值;
确定模块,还用于对所述候选对象集合中的对象进行替换;
确定模块,还用于根据所述候选对象集合对应的差异值和替换后的候选对象集合对应的差异值,更新所述候选对象集合,返回执行所述对所述候选对象集合中的对象进行替换,直至差异值满足预定条件,确定更新后的候选对象集合为第二对象集合;其中,更新后的候选对象集合对应的差异值小于等于更新前的候选对象集合对应的差异值。
10.一种电子设备,其特征在于,包括:处理器,所述处理器用于执行存储于存储器的计算机程序,所述计算机程序被处理器执行时实现权利要求1-8任一项所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-8任一项所述的方法的步骤。
12.一种计算机程序产品,其特征在于,当所述计算机程序产品在计算机上运行时,使得所述计算机执行如权利要求1-8任一项所述的方法的步骤。
CN202110996520.2A 2021-08-27 2021-08-27 对象的推荐方法、装置、设备、存储介质和程序产品 Active CN113641915B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110996520.2A CN113641915B (zh) 2021-08-27 2021-08-27 对象的推荐方法、装置、设备、存储介质和程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110996520.2A CN113641915B (zh) 2021-08-27 2021-08-27 对象的推荐方法、装置、设备、存储介质和程序产品

Publications (2)

Publication Number Publication Date
CN113641915A CN113641915A (zh) 2021-11-12
CN113641915B true CN113641915B (zh) 2024-04-16

Family

ID=78424157

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110996520.2A Active CN113641915B (zh) 2021-08-27 2021-08-27 对象的推荐方法、装置、设备、存储介质和程序产品

Country Status (1)

Country Link
CN (1) CN113641915B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113656697B (zh) * 2021-08-24 2023-12-12 北京字跳网络技术有限公司 对象推荐方法、装置、电子设备、存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6321358B1 (en) * 1997-08-28 2001-11-20 Seagate Technology Llc Object reconstruction on object oriented data storage device
CN102016925A (zh) * 2006-05-12 2011-04-13 泰克维兹公司 以综合图像的形式在屏幕上显示对象的数字样机的系统和编码方法
WO2011061174A1 (en) * 2009-11-20 2011-05-26 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Apparatus for providing an upmix signal representation on the basis of the downmix signal representation, apparatus for providing a bitstream representing a multi-channel audio signal, methods, computer programs and bitstream representing a multi-channel audio signal using a linear combination parameter
EP2624566A1 (en) * 2010-09-29 2013-08-07 Nippon Telegraph And Telephone Corporation Method and device for encoding images, method and device for decoding images, and programs therefor
CN108416227A (zh) * 2018-03-01 2018-08-17 山东大学 基于德尔熵值法的大数据平台隐私保护评价方法及装置
CN110009018A (zh) * 2019-03-25 2019-07-12 腾讯科技(深圳)有限公司 一种图像生成方法、装置以及相关设备
CN110781354A (zh) * 2019-10-24 2020-02-11 北京齐尔布莱特科技有限公司 一种对象选择方法、装置、系统及计算设备
CN112434218A (zh) * 2020-05-15 2021-03-02 广州知弘科技有限公司 一种用于内容推荐的基于大数据的深度学习样本标注方法
CN112883272A (zh) * 2021-03-16 2021-06-01 山东大学 一种推荐对象的确定方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6321358B1 (en) * 1997-08-28 2001-11-20 Seagate Technology Llc Object reconstruction on object oriented data storage device
CN102016925A (zh) * 2006-05-12 2011-04-13 泰克维兹公司 以综合图像的形式在屏幕上显示对象的数字样机的系统和编码方法
WO2011061174A1 (en) * 2009-11-20 2011-05-26 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Apparatus for providing an upmix signal representation on the basis of the downmix signal representation, apparatus for providing a bitstream representing a multi-channel audio signal, methods, computer programs and bitstream representing a multi-channel audio signal using a linear combination parameter
EP2624566A1 (en) * 2010-09-29 2013-08-07 Nippon Telegraph And Telephone Corporation Method and device for encoding images, method and device for decoding images, and programs therefor
CN108416227A (zh) * 2018-03-01 2018-08-17 山东大学 基于德尔熵值法的大数据平台隐私保护评价方法及装置
CN110009018A (zh) * 2019-03-25 2019-07-12 腾讯科技(深圳)有限公司 一种图像生成方法、装置以及相关设备
CN110781354A (zh) * 2019-10-24 2020-02-11 北京齐尔布莱特科技有限公司 一种对象选择方法、装置、系统及计算设备
CN112434218A (zh) * 2020-05-15 2021-03-02 广州知弘科技有限公司 一种用于内容推荐的基于大数据的深度学习样本标注方法
CN112883272A (zh) * 2021-03-16 2021-06-01 山东大学 一种推荐对象的确定方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
EBSN中基于多维混合特征的活动推荐研究;史亮;《中国优秀硕士学位论文全文数据库 信息科技辑》(第(2017)3期);I138-6230 *
Web Service Recommendation With Reconstructed Profile From Mashup Descriptions;Y. Zhong 等;《in IEEE Transactions on Automation Science and Engineering》;第15卷(第2期);468-478 *
基于奖励机制和互斥条件的图像对象协同定位;李劲松 等;《计算机应用研究》;第34卷(第12期);3861-3865+3907 *

Also Published As

Publication number Publication date
CN113641915A (zh) 2021-11-12

Similar Documents

Publication Publication Date Title
US11995564B2 (en) System and method for generating aspect-enhanced explainable description-based recommendations
CN109002488B (zh) 一种基于元路径上下文的推荐模型训练方法及装置
AU2016225947B2 (en) System and method for multimedia document summarization
CN108230058B (zh) 产品推荐方法及系统
EP3143523B1 (en) Visual interactive search
EP4181026A1 (en) Recommendation model training method and apparatus, recommendation method and apparatus, and computer-readable medium
CN110019943B (zh) 视频推荐方法、装置、电子设备和存储介质
Lee et al. $ l $-Injection: toward effective collaborative filtering using uninteresting items
CN110008397B (zh) 一种推荐模型训练方法及装置
CN110879864A (zh) 一种基于图神经网络和注意力机制的上下文推荐方法
CN108153909B (zh) 关键词投放拓词方法、装置及电子设备、存储介质
US20180025364A1 (en) Information processing apparatus, information processing method, and program
CN111209351A (zh) 对象关系预测、对象推荐方法及装置、电子设备、介质
CN113641915B (zh) 对象的推荐方法、装置、设备、存储介质和程序产品
CN116541602A (zh) 推荐内容的推送方法和系统、电子设备及存储介质
CN111340605B (zh) 训练用户行为预测模型、用户行为预测的方法和装置
Shikalgar et al. JIBCA: Jaccard index based clustering algorithm for mining online review
CN113032676A (zh) 基于微反馈的推荐方法和系统
CN110020195B (zh) 文章推荐方法及装置、存储介质、电子设备
CN111242239A (zh) 一种训练样本选取方法、装置、以及计算机存储介质
CN112766995A (zh) 物品推荐方法、装置、终端设备及存储介质
Kartoglu et al. Two collaborative filtering recommender systems based on sparse dictionary coding
Johari et al. The Hybrid Recommender System of the Indonesian Online Market Products using IMDb weight rating and TF-IDF
Rafailidis et al. Neural attentive cross-domain recommendation
CN113763084A (zh) 产品推荐的处理方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant