CN116992115A - 推荐方法、装置、存储介质及电子设备 - Google Patents

推荐方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN116992115A
CN116992115A CN202210432220.6A CN202210432220A CN116992115A CN 116992115 A CN116992115 A CN 116992115A CN 202210432220 A CN202210432220 A CN 202210432220A CN 116992115 A CN116992115 A CN 116992115A
Authority
CN
China
Prior art keywords
entity
candidate potential
candidate
node
historical
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.)
Pending
Application number
CN202210432220.6A
Other languages
English (en)
Inventor
苏劲宇
张皓程
熊泓宇
汪罕
刘宾
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.)
Lemon Inc Cayman Island
Original Assignee
Lemon Inc Cayman Island
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 Lemon Inc Cayman Island filed Critical Lemon Inc Cayman Island
Priority to CN202210432220.6A priority Critical patent/CN116992115A/zh
Publication of CN116992115A publication Critical patent/CN116992115A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/06—Arrangements for sorting, selecting, merging, or comparing data on individual record carriers
    • G06F7/08—Sorting, i.e. grouping record carriers in numerical or other ordered sequence according to the classification of at least some of the information they carry

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开涉及一种推荐方法、装置、存储介质及电子设备，方法包括：获取待推荐实体的推荐请求，其中，推荐请求携带有用户特征和实体特征，将用户特征和实体特征，输入至训练好的推荐模型，得到待推荐实体的所有被推荐实体的排序结果；根据排序结果，对待推荐实体进行推荐；其中，用户特征是根据预构建的候选潜在实体图谱确定的，候选潜在实体图谱包括与各候选潜在实体对应的节点、连接两个节点的有向边以及有向边对应的权重，权重用于表征从上一节点访问到与该上一节点对应的下一节点的概率，提高了模型推荐的准确性。

Description

推荐方法、装置、存储介质及电子设备
技术领域
本公开涉及电子信息技术领域，具体地，涉及一种推荐方法、装置、存储介质及电子设备。
背景技术
在相关技术中，为了提高用户的信息获取效率，需要为用户推荐与用户历史输入关联性较大的信息。具体的，以文章转发为例，通常采用纯列表类或数值类特征，例如，一个用户曾经转发的文章，此类信息难以捕捉到用户最容易产生转发的文章，进而造成推荐准确率不高的问题。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开提供一种推荐方法，包括：
获取待推荐实体的推荐请求，其中，所述推荐请求携带有用户特征和实体特征，所述用户特征包括用户偏好特征，所述用户偏好特征用于表征用户感兴趣的目标潜在实体的集合；
将所述用户特征和所述实体特征，输入至训练好的推荐模型，得到所述待推荐实体的所有被推荐实体的排序结果；
根据所述排序结果，对所述待推荐实体进行推荐；
其中，所述目标潜在实体是根据预构建的候选潜在实体图谱和被所述用户操作过的历史实体确定的，所述候选潜在实体图谱包括与各候选潜在实体对应的节点、连接两个所述节点的有向边以及所述有向边对应的权重，所述权重用于表征从上一节点访问到与该上一节点对应的下一节点的概率。
第二方面，本公开提供一种推荐装置，包括：
获取模块，用于获取待推荐实体的推荐请求，其中，所述推荐请求携带有用户特征和实体特征，所述用户特征包括用户偏好特征，所述用户偏好特征用于表征用户感兴趣的目标潜在实体的集合；
预测模块，用于将所述用户特征和所述实体特征，输入至训练好的推荐模型，得到所述待推荐实体的所有被推荐实体的排序结果；
推荐模块，用于根据所述排序结果，对所述待推荐实体进行推荐；
其中，所述目标潜在实体是根据预构建的候选潜在实体图谱和被所述用户操作过的历史实体确定的，所述候选潜在实体图谱包括与各候选潜在实体对应的节点、连接两个所述节点的有向边以及所述有向边对应的权重，所述权重用于表征从上一节点访问到与该上一节点对应的下一节点的概率。
第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现上述第一方面中所述方法的步骤。
第四方面，本公开提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现上述第一方面中所述方法的步骤。
通过上述技术方案，由于预构建的候选潜在实体图谱中各候选潜在实体的节点的有向边的权重表征从上一节点访问到下一节点的概率，因此，通过候选潜在实体图谱和被用户操作过的历史实体可以确定用户在未来感兴趣的目标潜在实体的集合，并基于该集合确定用户偏好特征。基于此，根据包括用户偏好特征的用户特征和实体特征所确定的被推荐实体的排序结果进行推荐，提高了用户对实体进行转化的可能性，进而提高了模型推荐的准确性。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1是根据本公开一示例性实施例示出的一种推荐方法的流程图。
图2是根据本公开一示例性实施例示出的一种候选潜在实体图谱的示意图。
图3是根据本公开一示例性实施例示出的基于一种候选潜在实体图谱执行游走的示意图。
图4是根据本公开一示例性实施例示出的一种推荐装置的框图。
图5是根据本公开一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
正如背景技术所言，相关技术中推荐模型的特征通常采用纯列表类或数值类特征，此类特征无法体现实体间的相关性，因此，根据此类特征难以捕捉到用户最容易产生转化的推荐实体，进而造成模型推荐准确率不高的问题。
基于此，本公开提供一种推荐方法、装置、存储介质及电子设备，提高了用户对实体进行转化的可能性，进而提高了模型推荐的准确性。
可以理解的是，在使用本公开中各个实施例的技术方案之前，均会通过恰当的方式对所涉及的个人信息的类型、使用范围、使用场景等告知用户，并且获得用户的授权。例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确的提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主的选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定的实现方式，响应于接受到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其他满足相关法律法规的方式也可应用于本公开的实现方式中。
图1是根据本公开一示例性实施例示出的一种推荐方法的流程图。该推荐方法应用于电子设备，参照图1，该推荐方法可以包括以下步骤：
步骤101，获取待推荐实体的推荐请求，其中，推荐请求携带有用户特征和实体特征，用户特征包括用户偏好特征，用户偏好特征用于表征用户感兴趣的目标潜在实体的集合。
示例地，可以在检测到对推荐显示界面的刷新操作时生成推荐请求。
示例的，待推荐实体可以是包括多媒体信息(例如视频)、商品、文章等。在待推荐实体为文章时，上述转化可以理解为对文章的转发。以下以待推荐实体为文章为例对本公开进行解释说明。
示例地，实体特征可以是表征实体属性的特征，实体属性例如可以是实体类别等。
应当说明的是，候选潜在实体图谱是基于线上用户所操作的实体构建的。且可以理解的是，在不同时间，线上用户感兴趣的实体是不同的。因此，候选潜在实体图谱可以按照固定的时间间隔进行实时更新。例如，候选潜在实体图谱可以每隔一月进行实时更新，例如可以根据大数据进行更新。
应当可以理解的是，目标潜在实体是用户感兴趣的实体，目标潜在实体也等同于用户进行转化的可能性高的实体。
步骤102，将用户特征和实体特征，输入至训练好的推荐模型，得到待推荐实体的所有被推荐实体的排序结果。
在本公开中，推荐模型用于预测待推荐实体的所有被推荐实体的排序结果，可以理解的是，该排序结果可以是用户兴趣度从高到低的排序结果，也可以是用户兴趣度从低到高的排序结果。兴趣度的高低对应表征被推荐实体被用户转化的可能性的高低，可以理解的是，兴趣度越高的被推荐实体的转化的可能性越高。
示例地，推荐模型可以通过以下方式训练得到：获取多个训练样本，每个训练样本包括历史用户特征、历史实体特征和标准标签，其中，历史用户特征包括历史用户偏好特征；将预设模型的模型参数进行初始化；将训练样本输入至预设模型，得到预测排序结果；依次确定预测排序结果和与对应的训练样本中的标准标签所对应的结果的差值；根据差值调整预设模型的模型参数，在差值不再有显著地降低时，输出训练好的模型作为推荐模型。
需要说明的是，训练样本中的历史用户特征、历史实体特征可以与上述图1中提到的用户特征和实体特征相似，本实施在此不作限定。
步骤103，根据排序结果，对待推荐实体进行推荐，其中，目标潜在实体是根据预构建的候选潜在实体图谱和被用户操作过的历史实体确定的，候选潜在实体图谱包括与各候选潜在实体对应的节点、连接两个节点的有向边以及有向边对应的权重，权重用于表征从上一节点访问到与该上一节点对应的下一节点的概率。
在这里，获取和使用个人信息的方式可参见本公开具体实施方式前面部分关于获得用户授权描述的说明。
示例地，在排序结果是用户兴趣度从高到低的排序结果的情况下，图1所示步骤103可以包括：将排序结果前预设数量的被推荐实体显示在电子设备的推荐显示界面上，以向用户推荐其感兴趣的被推荐实体。其中，前预设数量可以是前5个，也可以是前10个，本实施例对此不作限定。
在一些实施例中，历史实体可以是被用户在预设历史时间段内操作的实体。示例地，预设历史时间段可以是一天，一周、或一个月，预设历史时间段可以是最接近获取到推荐请求的时刻的历史时间段，本实施例对此不作限定。
示例地，操作包括转发、点赞等。以下以操作为转发为例对本公开进行解释说明。在这里，获取和使用个人操作信息的方式可参见本公开具体实施方式前面部分关于获得用户授权描述的说明。
示例地，参考图2所示的一种候选潜在实体图谱的示意图，图2中文章01、文章02、文章03、文章04、文章05和文章06均是候选潜在实体图谱中的节点(节点以文章名进行表示)，文章01、文章02、文章03、文章04、文章05和文章06均为候选潜在实体。文章01和文章02之间的边称为有向边，该有向边的权重为1/3，其表示从文章01访问到文章02的概率为1/3。
示例地，在得到目标潜在实体的集合时，该集合中各目标潜在实体按照权重(即访问概率)高低的顺序进行排列。再利用该集合构建用户的用户偏好特征时，按照每个文章的访问权重，可以在向推荐模型输入对应的文章的ID时依照访问概率对该ID赋予权重，以使推荐模型能够清楚转化性强的文章。其中，ID的权重是根据候选潜在实体图谱的有向边对应的权重确定的。
示例地，可以根据输入文章的ID的次数来使推荐模型能够清楚转化性强的文章。应当可以理解的是，输入ID次数越多的文章，其转化性更强。
示例地，可以根据预设个数阈值来对目标潜在实体的个数进行确定。考虑到目标潜在实体的个数的多少会影响用户偏好特征的大小，进而影响模型的稳定性。因此，为确保模型的稳定性，需要对目标潜在实体的个数进行限定。具体地，对于按照各目标潜在实体按照访问权重高低的顺序进行排列的列表，按照预设个数阈值来对该列表进行截断，保留访问权重较高的目标潜在实体。
其中，预设个数阈值的设置可以根据实际情况进行设定，本实施例在此不作限定。
采用上述技术方案，由于预构建的候选潜在实体图谱中各候选潜在实体的节点的有向边的权重表征从上一节点访问到下一节点的概率，因此，通过候选潜在实体图谱和被用户操作过的历史实体可以确定用户在未来感兴趣的目标潜在实体的集合，并基于该集合确定用户偏好特征。基于此，根据包括用户偏好特征的用户特征和实体特征所确定的被推荐实体的排序结果进行推荐，提高了用户对实体进行转化的可能性，进而提高了模型推荐的准确性。
在可能的实施方式中，目标潜在实体通过以下方式确定：获取历史实体集合，其中，历史实体集合中包括被用户操作过的历史实体；针对历史实体集合中的每一历史实体，统计在候选潜在实体图谱中以该历史实体对应的节点为起点访问到目标节点的权重，其中，目标节点为位于与该历史实体对应的节点之后的节点；根据统计结果，将权重高于预设阈值的目标节点对应的候选潜在实体作为目标潜在实体。
需要说明的是，历史实体集合中包括的历史实体可以是预设历史时间段内被用户操作过的实体，且该历史实体是在获得用户的授权的前提下获取到的。在这里，获取和使用个人信息的方式可参见本公开具体实施方式前面部分关于获得用户授权描述的说明。
示例地，以操作为转发为例，则用户所转发过的文章均可以作为历史实体。示例地，以历史实体为文章01，且图2所示的候选潜在实体图谱为例，在图2中，该历史实体对应的节点为文章01所在的节点，文章02、文章03、文章04、文章05和文章06对应的节点位于文章01所在的节点之后，即文章02、文章03、文章04、文章05和文章06对应的节点均可以作为目标节点。文章01-文章02的权重为1/3，即文章02所对应的目标节点的权重为1/3；文章01-文章03的权重为1/3，即文章03所对应的目标节点的权重为1/3；文章01-文章04的权重为1/3，即文章04所对应的目标节点的权重为1/3；文章02-文章05的权重为1/2，即文章05所对应的目标节点的权重为1/2；文章02-文章06的权重为1/2，文章04-文章06的权重为1，即文章06所对应的目标节点的权重为1/2与1之和，即3/2。若预设阈值为1/3，则目标潜在实体包括文章05和文章06。
应当说明的是，候选潜在实体图谱中任意相连的两个节点表征的是线上用户在转发上一节点对应的文章的预设时段内下载下一节点的概率。例如，以图2所示的候选潜在实体图谱为例，在下载文章01后下载文章02的概率为1/3。可以理解的是，文章02是线上用户在下载文章01后所下载的文章。
应当可以理解的是，在历史实体包括多个时，可以根据每一历史实体的统计结果，将同一目标节点的权重进行累加，再依据累加后的权重和预设阈值来确定权重高于预设阈值的目标节点。
通过上述方式，以用户所操作的历史实体对应的节点为起点在候选潜在实体图谱中统计位于该节点后的节点的权重，由于该权重表征在下载历史实体后下载其他候选潜在实体的概率，如此，可以根据统计的各目标节点的下载概率和预设阈值来确定目标潜在实体。
在可能的实施方式中，上述的针对历史实体集合中的每一历史实体，统计在候选潜在实体图谱中以该历史实体对应的节点为起点访问到目标节点的权重的步骤可以包括：针对历史实体集合中的每一历史实体，以该历史实体对应的节点为起点，并按照候选潜在实体图谱中节点的访问路径执行预设次数的游走，其中，每次游走表征属于同一层级的所有节点访问到属于下一层级的所有节点的过程；根据与每一游走相关的权重，统计所有游走中访问到的目标节点的权重。
以图3为例，访问路径可以参照图3中所示的箭头所指示方向。例如，文章01-文章02为一条访问路径。
以图3为例，文章01对应的节点为第0层级的节点，文章02、文章03和文章04对应的节点为第1层级的节点，文章05和文章06对应的节点为第2层级的节点。从第0层级到第1层级表示第一次游走，从第1层级到第2层级表示第二次游走。
在本公开中，预设次数可以根据实际情况进行设定，本实施例在此不作限定。
以下结合图3、历史实体为文章01且游走次数为2为例本公开中的游走进行进一步解释说明。确定文章01在候选潜在实体图谱中对应的节点，作为第一次游走的起点，在图3中，文章01-文章02、文章01-文章03、文章01-文章04为第一次游走，对应的游走所相关的权重依次为1/3、1/3、1/3。文章02-文章05、文章02-文章06、文章04-文章05为第二次游走，对应游走所相关的权重依次为1/2、1/2、1，统计两次游走中访问到的目标节点的权重，文章02对应目标节点的权重为1/3，文章03对应目标节点的权重为1/3，文章04对应目标节点的权重为1/3，文章05对应目标节点的权重为1/2，文章06对应目标节点的权重为3/2。
在可能的实施方式中，目标节点不包括历史实体集合中任一历史实体在候选潜在实体图谱中所对应的节点。
以图2所示的候选潜在实体图谱，且历史实体包括文章01和文章03为例，目标节点即是文章02、文章04、文章05和文章06所对应的节点，可以不包括文章03。
通过上述方式，由于历史实体是用户在预设历史时间段内下载过的实体，因此，目标节点不包括历史实体集合中任一历史实体在候选潜在实体图谱中所对应的节点，可以确保目标潜在实体是用户未操作(例如未转发)过且在未来操作可能性大的实体，进而确保推荐模型推荐的被推荐实体属于用户未操作(未转发)过且在未来操作可能性大的实体。
在可能的实施方式中，两个节点的有向边的权重可以通过以下方法确定：确定在操作过第一候选潜在实体后的预设时段内分别操作过的所有第二候选潜在实体的重要性，其中，第一候选潜在实体对应的节点和每一第二候选潜在实体对应的节点在候选潜在实体图谱中为相连的两个节点；根据每一第二候选潜在实体的重要性，确定该第二候选潜在实体的目标值，并将该目标值确定为第一候选潜在实体对应的节点和该第二候选潜在实体对应的节点的有向边的权重。
应该说明的是，第二候选潜在实体的重要性可以理解为在操作过第一候选潜在实体后的预设时段内操作该第二候选潜在实体的概率，该重要性可以基于大数据获取。
示例地，预设时段可以为1个月、一周等。本实施在此不作限定。
以图2所示候选潜在实体图谱为例，第一候选候选潜在实体可以是文章01，第二候选候选潜在实体可以是文章02、文章03和文章04。
示例地，可以根据第二候选潜在实体的重要性，和与该第二候选潜在实体对应的第一潜在候选实体对应的所有第二候选潜在实体的重要性来确定目标值。
通过上述方式，由于第二候选潜在实体的重要性可以理解为在操作过第一候选潜在实体后的预设时段内操作该第二候选潜在实体的概率，因此，通过该概率确定权重，进而可以根据权重来确定用于表征用户易转化的目标潜在实体。
在可能的实施方式中，上述确定在操作过第一候选潜在实体后的预设时段内分别操作过的所有第二候选潜在实体的重要性的步骤可以包括：获取在操作过第一候选潜在实体后的预设时段内分别操作过的所有第二候选潜在实体的用户数量；针对每一第二候选潜在实体，将与该第二候选潜在实体对应的用户数量与所有所述第二候选潜在实体对应的用户数量之和的比值确定为该第二候选潜在实体的重要性。
应当说明的是，用户数量可以反应用户最感兴趣的实体，也即表明是用户最容易转化的实体。
示例地，第二候选潜在实体的用户数量为100，所有第二候选潜在实体对应的用户数量之和为1000，则用户数量为100为第二候选潜在实体的重要性可以为1/10。
示例地，以第二候选潜在实体包括文章1、文章2和文章3，第一候选潜在实体包括文章0为例，若文章1的重要性为1/10，文章2的重要性为3/10，文章3的重要性为2/10，可以确定所有第二候选潜在实体的重要性之和为6/10，进而，文章1的目标值可以为文章1的重要性与重要性之和的乘积，即6/100，相应地，文章2的目标值为18/100，文章3的目标值为12/100。
在可能的方式中，上述确定在操作过第一候选潜在实体后的预设时段内分别操作过的所有第二候选潜在实体的重要性的步骤可以包括：获取包括所有第二候选潜在实体的Annie指数图；根据每一第二候选潜在实体在Annie指数图的指数情况，确定该第二候选潜在实体的重要性。
应当说明的是，Annie指数图用于表征文章的热门数据，指数的高低表征了文章热门的高低，越热门表征文章越容易被转化。因此，在实体为文章时，可以根据Annie指数图确定第二候选潜在实体的重要性。
需要说明的是，依据文章的热门数据确定Annie指数图可以参照相关技术，本实施例在此不做赘述。
通过上述方式，采用可以反应用户最感兴趣的用户数量或Annie指数图来确定第二候选潜在实体的重要性，确保确定的目标潜在实体是用户易转化的实体。
基于同一发明构思，本公开实施例提供一种推荐装置，参照图4，该推荐装置400包括：
获取模块401，用于获取待推荐实体的推荐请求，其中，所述推荐请求携带有用户特征和实体特征，所述用户特征包括用户偏好特征，所述用户偏好特征用于表征用户感兴趣的目标潜在实体的集合；
预测模块402，用于将所述用户特征和所述实体特征，输入至训练好的推荐模型，得到所述待推荐实体的所有被推荐实体的排序结果；
推荐模块403，用于根据所述排序结果，对所述待推荐实体进行推荐；
其中，所述目标潜在实体是根据预构建的候选潜在实体图谱和被所述用户操作过的历史实体确定的，所述候选潜在实体图谱包括与各候选潜在实体对应的节点、连接两个所述节点的有向边以及所述有向边对应的权重，所述权重用于表征从上一节点访问到与该上一节点对应的下一节点的概率。
可选地，所述装置400还包括：
列表获取模块，用于获取历史实体集合，其中，所述历史实体集合中包括所述用户操作过的历史实体；
统计模块，用于针对所述历史实体集合中的每一所述历史实体，统计在所述候选潜在实体图谱中以该历史实体对应的节点为起点访问到目标节点的权重，其中，所述目标节点为位于与该历史实体对应的节点之后的节点；
确定模块，用于根据统计结果，将权重高于预设阈值的目标节点对应的候选潜在实体作为所述目标潜在实体。
可选地，所述统计模块包括：
游走子模块，用于针对所述历史实体集合中的每一所述历史实体，以该历史实体对应的节点为起点，并按照所述候选潜在实体图谱中节点的访问路径执行预设次数的游走，其中，每次所述游走表征属于同一层级的所有节点访问到属于下一层级的所有节点的过程；
统计子模块，用于根据与每一所述游走相关的权重，统计所有所述游走中访问到的目标节点的权重。
可选地，所述目标节点不包括所述历史实体集合中任一历史实体在所述候选潜在实体图谱中所对应的节点。
可选地，所述装置400还包括：
重要性确定模块，用于确定在操作过第一候选潜在实体后的预设时段内分别操作过的所有第二候选潜在实体的重要性，其中，所述第一候选潜在实体对应的节点和每一所述第二候选潜在实体对应的节点在所述候选潜在实体图谱中为相连的两个节点；
权重确定模块，用于根据每一所述第二候选潜在实体的重要性，确定该第二候选潜在实体的目标值，并将该目标值确定为所述第一候选潜在实体对应的节点和该第二候选潜在实体对应的节点的有向边的权重。
可选地，所述重要性确定模块包括：
用户数量获取子模块，用于获取在操作过所述第一候选潜在实体后的预设时段内分别操作过的所有所述第二候选潜在实体的用户数量，
第一重要性确定子模块，用于针对每一所述第二候选潜在实体，将与该第二候选潜在实体对应的用户数量与所有所述第二候选潜在实体对应的用户数量之和的比值确定为该第二候选潜在实体的重要性。
可选地，所述重要性确定模块包括：
Annie指数图获取子模块，用于获取包括所有所述第二候选潜在实体的Annie指数图；
第二重要性确定子模块，用于根据每一所述第二候选潜在实体在所述Annie指数图的指数情况，确定该第二候选潜在实体的重要性。
基于同一发明构思，本公开实施例提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现上述方法实施例中所述方法的步骤。
基于同一发明构思，本公开实施例提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现上述方法实施例中所述方法的步骤。
下面参考图5，其示出了适于用来实现本公开实施例的电子设备500的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500可以包括处理装置501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，电子设备可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取待推荐实体的推荐请求，其中，所述推荐请求携带有用户特征和实体特征，所述用户特征包括用户偏好特征，所述用户偏好特征用于表征用户感兴趣的目标潜在实体的集合；将所述用户特征和所述实体特征，输入至训练好的推荐模型，得到所述待推荐实体的所有被推荐实体的排序结果；根据所述排序结果，对所述待推荐实体进行推荐；其中，所述目标潜在实体是根据预构建的候选潜在实体图谱和被所述用户操作过的历史实体确定的，所述候选潜在实体图谱包括与各候选潜在实体对应的节点、连接两个所述节点的有向边以及所述有向边对应的权重，所述权重用于表征从上一节点访问到与该上一节点对应的下一节点的概率。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，第一获取模块还可以被描述为“获取待推荐实体的推荐请求的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，示例1提供了一种推荐方法，包括：
获取待推荐实体的推荐请求，其中，所述推荐请求携带有用户特征和实体特征，所述用户特征包括用户偏好特征，所述用户偏好特征用于表征用户感兴趣的目标潜在实体的集合；
将所述用户特征和所述实体特征，输入至训练好的推荐模型，得到所述待推荐实体的所有被推荐实体的排序结果；
根据所述排序结果，对所述待推荐实体进行推荐；
其中，所述目标潜在实体是根据预构建的候选潜在实体图谱和被所述用户操作过的历史实体确定的，所述候选潜在实体图谱包括与各候选潜在实体对应的节点、连接两个所述节点的有向边以及所述有向边对应的权重，所述权重用于表征从上一节点访问到与该上一节点对应的下一节点的概率。
根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述目标潜在实体通过以下方式确定：
获取历史实体集合，其中，所述历史实体集合中包括所述用户操作过的历史实体；
针对所述历史实体集合中的每一所述历史实体，统计在所述候选潜在实体图谱中以该历史实体对应的节点为起点访问到目标节点的权重，其中，所述目标节点为位于与该历史实体对应的节点之后的节点；
根据统计结果，将权重高于预设阈值的目标节点对应的候选潜在实体作为所述目标潜在实体。
根据本公开的一个或多个实施例，示例3提供了示例2的方法，所述针对所述历史实体集合中的每一所述历史实体，统计在所述候选潜在实体图谱中以该历史实体对应的节点为起点访问到目标节点的权重，包括：
针对所述历史实体集合中的每一所述历史实体，以该历史实体对应的节点为起点，并按照所述候选潜在实体图谱中节点的访问路径执行预设次数的游走，其中，每次所述游走表征属于同一层级的所有节点访问到属于下一层级的所有节点的过程；
根据与每一所述游走相关的权重，统计所有所述游走中访问到的目标节点的权重。
根据本公开的一个或多个实施例，示例4提供了示例2的方法，所述目标节点不包括所述历史实体集合中任一历史实体在所述候选潜在实体图谱中所对应的节点。
根据本公开的一个或多个实施例，示例5提供了示例1的方法，两个所述节点的有向边的权重通过以下方法确定：
确定在操作过第一候选潜在实体后的预设时段内分别操作过的所有第二候选潜在实体的重要性，其中，所述第一候选潜在实体对应的节点和每一所述第二候选潜在实体对应的节点在所述候选潜在实体图谱中为相连的两个节点；
根据每一所述第二候选潜在实体的重要性，确定该第二候选潜在实体的目标值，并将该目标值确定为所述第一候选潜在实体对应的节点和该第二候选潜在实体对应的节点的有向边的权重。
根据本公开的一个或多个实施例，示例6提供了示例5的方法，所述确定在操作过第一候选潜在实体后的预设时段内分别操作过的所有第二候选潜在实体的重要性，包括：
获取在操作过所述第一候选潜在实体后的预设时段内分别操作过的所有所述第二候选潜在实体的用户数量，
针对每一所述第二候选潜在实体，将与该第二候选潜在实体对应的用户数量与所有所述第二候选潜在实体对应的用户数量之和的比值确定为该第二候选潜在实体的重要性。
根据本公开的一个或多个实施例，示例7提供了示例5的方法，所述确定在操作过第一候选潜在实体后的预设时段内分别操作过的所有第二候选潜在实体的重要性，包括：
获取包括所有所述第二候选潜在实体的Annie指数图；
根据每一所述第二候选潜在实体在所述Annie指数图的指数情况，确定该第二候选潜在实体的重要性。
根据本公开的一个或多个实施例，示例8提供了一种推荐装置，包括：
获取模块，用于获取待推荐实体的推荐请求，其中，所述推荐请求携带有用户特征和实体特征，所述用户特征包括用户偏好特征，所述用户偏好特征用于表征用户感兴趣的目标潜在实体的集合；
预测模块，用于将所述用户特征和所述实体特征，输入至训练好的推荐模型，得到所述待推荐实体的所有被推荐实体的排序结果；
推荐模块，用于根据所述排序结果，对所述待推荐实体进行推荐；
其中，所述目标潜在实体是根据预构建的候选潜在实体图谱和被所述用户操作过的历史实体确定的，所述候选潜在实体图谱包括与各候选潜在实体对应的节点、连接两个所述节点的有向边以及所述有向边对应的权重，所述权重用于表征从上一节点访问到与该上一节点对应的下一节点的概率。
根据本公开的一个或多个实施例，示例9提供了一种计算机可读介质，该程序被处理装置执行时实现示例1-7中任一项所述方法的步骤。
根据本公开的一个或多个实施例，示例10提供了一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例1-7中任一项所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (10)

1.一种推荐方法，其特征在于，包括：
获取待推荐实体的推荐请求，其中，所述推荐请求携带有用户特征和实体特征，所述用户特征包括用户偏好特征，所述用户偏好特征用于表征用户感兴趣的目标潜在实体的集合；
将所述用户特征和所述实体特征，输入至训练好的推荐模型，得到所述待推荐实体的所有被推荐实体的排序结果；
根据所述排序结果，对所述待推荐实体进行推荐；
其中，所述目标潜在实体是根据预构建的候选潜在实体图谱和被所述用户操作过的历史实体确定的，所述候选潜在实体图谱包括与各候选潜在实体对应的节点、连接两个所述节点的有向边以及所述有向边对应的权重，所述权重用于表征从上一节点访问到与该上一节点对应的下一节点的概率。
2.根据权利要求1所述的方法，其特征在于，所述目标潜在实体通过以下方式确定：
获取历史实体集合，其中，所述历史实体集合中包括被所述用户操作过的历史实体；
针对所述历史实体集合中的每一所述历史实体，统计在所述候选潜在实体图谱中以该历史实体对应的节点为起点访问到目标节点的权重，其中，所述目标节点为位于与该历史实体对应的节点之后的节点；
根据统计结果，将权重高于预设阈值的目标节点对应的候选潜在实体作为所述目标潜在实体。
3.根据权利要求2所述的方法，其特征在于，所述针对所述历史实体集合中的每一所述历史实体，统计在所述候选潜在实体图谱中以该历史实体对应的节点为起点访问到目标节点的权重，包括：
针对所述历史实体集合中的每一所述历史实体，以该历史实体对应的节点为起点，并按照所述候选潜在实体图谱中节点的访问路径执行预设次数的游走，其中，每次所述游走表征属于同一层级的所有节点访问到属于下一层级的所有节点的过程；
根据与每一所述游走相关的权重，统计所有所述游走中访问到的目标节点的权重。
4.根据权利要求2所述的方法，其特征在于，所述目标节点不包括所述历史实体集合中任一历史实体在所述候选潜在实体图谱中所对应的节点。
5.根据权利要求1所述的方法，其特征在于，两个所述节点的有向边的权重通过以下方法确定：
确定在操作过第一候选潜在实体后的预设时段内分别操作过的所有第二候选潜在实体的重要性，其中，所述第一候选潜在实体对应的节点和每一所述第二候选潜在实体对应的节点在所述候选潜在实体图谱中为相连的两个节点；
根据每一所述第二候选潜在实体的重要性，确定该第二候选潜在实体的目标值，并将该目标值确定为所述第一候选潜在实体对应的节点和该第二候选潜在实体对应的节点的有向边的权重。
6.根据权利要求5所述的方法，其特征在于，所述确定在操作过第一候选潜在实体后的预设时段内分别操作过的所有第二候选潜在实体的重要性，包括：
获取在操作过所述第一候选潜在实体后的预设时段内分别操作过的所有所述第二候选潜在实体的用户数量；
针对每一所述第二候选潜在实体，将与该第二候选潜在实体对应的用户数量与所有所述第二候选潜在实体对应的用户数量之和的比值确定为该第二候选潜在实体的重要性。
7.根据权利要求5所述的方法，其特征在于，所述确定在操作过第一候选潜在实体后的预设时段内分别操作过的所有第二候选潜在实体的重要性，包括：
获取包括所有所述第二候选潜在实体的Annie指数图；
根据每一所述第二候选潜在实体在所述Annie指数图的指数情况，确定该第二候选潜在实体的重要性。
8.一种推荐装置，其特征在于，包括：
获取模块，用于获取待推荐实体的推荐请求，其中，所述推荐请求携带有用户特征和实体特征，所述用户特征包括用户偏好特征，所述用户偏好特征用于表征用户感兴趣的目标潜在实体的集合；
预测模块，用于将所述用户特征和所述实体特征，输入至训练好的推荐模型，得到所述待推荐实体的所有被推荐实体的排序结果；
推荐模块，用于根据所述排序结果，对所述待推荐实体进行推荐；
其中，所述目标潜在实体是根据预构建的候选潜在实体图谱和被所述用户操作过的历史实体确定的，所述候选潜在实体图谱包括与各候选潜在实体对应的节点、连接两个所述节点的有向边以及所述有向边对应的权重，所述权重用于表征从上一节点访问到与该上一节点对应的下一节点的概率。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-7中任一项所述方法的步骤。
CN202210432220.6A 2022-04-22 2022-04-22 推荐方法、装置、存储介质及电子设备 Pending CN116992115A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210432220.6A CN116992115A (zh) 2022-04-22 2022-04-22 推荐方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210432220.6A CN116992115A (zh) 2022-04-22 2022-04-22 推荐方法、装置、存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN116992115A true CN116992115A (zh) 2023-11-03

Family

ID=88521829

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210432220.6A Pending CN116992115A (zh) 2022-04-22 2022-04-22 推荐方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN116992115A (zh)

Similar Documents

Publication Publication Date Title
CN111368185B (zh) 数据展示方法、装置、存储介质及电子设备
CN110516159B (zh) 一种信息推荐方法、装置、电子设备及存储介质
CN114443897B (zh) 一种视频推荐方法、装置、电子设备和存储介质
CN112836128A (zh) 信息推荐方法、装置、设备和存储介质
CN111291206A (zh) 标记房源的方法、装置、电子设备及存储介质
CN113033680B (zh) 视频分类方法、装置、可读介质及电子设备
CN116662672B (zh) 价值对象信息发送方法、装置、设备和计算机可读介质
CN116645211B (zh) 推荐用户信息生成方法、装置、设备和计算机可读介质
CN116483891A (zh) 一种信息预测方法、装置、设备和存储介质
CN116796233A (zh) 数据分析方法、装置、计算机可读介质及电子设备
CN116319932A (zh) 内容推送模型的训练方法、装置、设备及存储介质
CN116340632A (zh) 对象推荐方法、装置、介质及电子设备
CN113220922B (zh) 图像搜索方法、装置和电子设备
CN112860999B (zh) 信息推荐方法、装置、设备和存储介质
CN113051400B (zh) 标注数据确定方法、装置、可读介质及电子设备
CN111680754B (zh) 图像分类方法、装置、电子设备及计算机可读存储介质
CN113592607A (zh) 产品推荐方法、装置、存储介质及电子设备
CN113177176A (zh) 特征构建方法、内容显示方法及相关装置
CN116992115A (zh) 推荐方法、装置、存储介质及电子设备
CN116416018A (zh) 内容输出方法、装置、计算机可读介质及电子设备
CN111368204A (zh) 内容推送方法、装置、电子设备及计算机可读介质
CN116541421B (zh) 地址查询信息生成方法、装置、电子设备与计算机介质
CN113177174B (zh) 特征构建方法、内容显示方法及相关装置
CN113283115B (zh) 图像模型生成方法、装置和电子设备
CN111310031B (zh) 房源信息展示方法、装置、终端及存储介质

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