System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本申請涉及人工智能,尤其涉及一種服務推薦方法,電子設備,計算機可讀存儲介質以及計算機程序產品。
技術介紹
1、目前電子設備可以提供多種類型的服務,例如,應用(application,app),原子服務(fa)等。為便于用戶快速找到所需的服務,電子設備可以在其服務推薦窗口(例如,小藝tm建議窗口)中向用戶推薦服務。
2、現有技術中,電子設備采用簡單混排的方式向用戶推薦不同類型的服務。例如,電子設備對應用和fa分別進行獨立排序,以獲得排序最靠前的兩個應用,以及排序最靠前的兩個fa,電子設備將該兩個應用和兩個fa進行簡單混排后,向用戶進行推薦。
3、由于用戶對不同類型服務的使用率存在差異,例如,對應用的使用率大于對fa的使用率,因此,現有技術對不同類型服務進行簡單混排的方案影響服務推薦的準確性。
技術實現思路
1、本申請的一些實施方式提供了一種服務推薦方法,電子設備,計算機可讀存儲介質以及計算機程序產品,用于提高服務推薦的準確性。以下從多個方面介紹本申請,以下多個方面的實施方式和有益效果可互相參考。
2、第一方面,本申請提供了一種服務推薦方法,方法用于對電子設備上的m種不同類型的服務進行推薦,m為大于或等于2的正整數:方法包括:確定m個服務序列,其中,第i服務序列由用戶在第一歷史時段內使用的一個或多個第i類型服務所組成,i為1至m之間的正整數;通過神經網絡模型中的第一網絡單元對m個服務序列進行嵌入,以得到第一嵌入結果矩陣;確定第二嵌入結果矩陣,第二嵌入
3、根據本申請實施方式,通過神經網絡模型,可以對電子設備上多種類型的服務(例如,應用和fa)進行統一排序。相較于對不同類型服務進行獨立排序并簡單混排的方案,可以提高服務推薦的準確性。
4、另外,本申請實施方式中,通過對多個服務序列進行嵌入,以及多個候選服務集進行嵌入,可以充分考慮不同服務類型之間的關聯性,使得長尾信息源的用戶使用行為也可以被模型學習到,從而避免長尾信息源無法被模型推薦出來的情況。
5、在一些實施方式中,確定第二嵌入結果矩陣,包括:確定m個候選服務集;通過神經網絡模型中的第三網絡單元對m個候選服務集進行嵌入,以得到第二嵌入結果矩陣。
6、在一些實施方式中,根據第一嵌入結果矩陣和第二嵌入結果矩陣得到神經網絡模型的第二網絡單元的輸入,包括:計算第二嵌入結果矩陣和第一嵌入結果矩陣的乘積,并將乘積作為第二網絡單元的輸入。
7、在一些實施方式中,第一網絡單元包括第一子網絡和第二子網絡;通過神經網絡模型中的第一網絡單元對m個服務序列進行嵌入,以得到第一嵌入結果矩陣,包括:通過第一子網絡對m個服務序列進行特征交叉,以得到m個交叉特征向量;通過第二子網絡對m個交叉特征向量進行嵌入,以得到第一嵌入結果矩陣。
8、根據本申請實施方式,第一網絡單元包括第一子網絡和第二子網絡,從而分步地對m個服務序列進行嵌入,以提高嵌入結果的準確性。
9、在一些實施方式中,第一網絡單元的第二子網絡為注意力機制網絡。
10、在一些實施方式中,第三網絡單元為注意力機制網絡。
11、在一些實施方式中,方法進一步包括:確定用戶在第一歷史時段后啟動的第一個服務,并根據第一個服務確定m個候選服務集中各個服務的實際用分值;確定各個服務的實際使用分值和推薦分值的差值;根據差值更新神經網絡模型,以提高神經網絡模型的預測準確性。
12、在一些實施方式中,m種不同類型的服務包括第一類型服務和第二類型服務,第一類型服務的使用率大于第二類型服務的使用率;方法進一步包括:根據各個服務的推薦分值確定第二類型服務的推薦曝光率,并確定推薦曝光率與第二類型服務的期望曝光率之間的曝光率差;根據差值更新神經網絡模型,包括:根據差值和曝光率差的疊加值更新神經網絡模型。
13、根據本申請實施方式,將長尾信息源的曝光率作為約束條件,對神經網絡模型進行更新(或稱“訓練”)。從而,在神經網絡模型的推薦結果中,可以有一定比例的長尾信息源服務被曝光出來,從而進一步避免長尾信息源無法被模型推薦出來的情況。
14、在一些實施方式中,方法進一步包括:對第一嵌入結果矩陣進行第一處理,得到第一權值矩陣;經由運行第二網絡單元,得到述m個候選服務集中至少一個候選服務集的各個服務的推薦分值,包括:經由運行第二網絡單元,得到第二網絡單元的輸出結果;將輸出結果與第一權值矩陣相加,得到述m個候選服務集中至少一個候選服務集的各個服務的推薦分值。
15、根據本申請實施方式,有利于使得長尾信息源具有充足的曝光率
16、在一些實施方式中,第一處理包括歸一化處理。
17、在一些實施方式中,m種不同類型的服務包括第一類型服務和第二類型服務,第一類型服務為應用,第二類型服務為原子服務。
18、第二方面,本申請提供了一種電子設備,包括:存儲器,用于存儲由電子設備的一個或多個處理器執行的指令;處理器,當處理器執行存儲器中的指令時,可使得電子設備執行本申請第一方面任一實施方式提供的方法。第二方面能達到的有益效果可參考本申請第二方面任一實施方式的有益效果,此處不再贅述。
19、第三方面,本申請提供了一種計算機可讀存儲介質,計算機可讀存儲介質中存儲有指令,該指令在計算機上執行時,可使計算機執行本申請第一方面任一實施方式提供的的方法。第三方面能達到的有益效果可參考本申請第一方面任一實施方式的有益效果,此處不再贅述。
20、第四方面,本申請提供了一種計算機程序產品,該計算機程序產品包含的程序代碼,被計算機或處理器執行時使得計算機或處理器執行第一方面任一實施方式所提供的方法。第四方面能達到的有益效果可參考第一方面任一實施方式所提供的方法的有益效果,此處不再贅述。
本文檔來自技高網...【技術保護點】
1.一種服務推薦方法,其特征在于,所述方法用于對電子設備上的m種不同類型的服務進行推薦,m為大于或等于2的正整數:所述方法包括:
2.根據權利要求1所述的方法,其特征在于,所述確定第二嵌入結果矩陣,包括:
3.根據權利要求1所述的方法,其特征在于,所述根據所述第一嵌入結果矩陣和所述第二嵌入結果矩陣得到所述神經網絡模型的第二網絡單元的輸入,包括:
4.根據權利要求1所述的方法,其特征在于,所述第一網絡單元包括第一子網絡和第二子網絡;
5.根據權利要求4所述的方法,其特征在于,所述第一網絡單元的第二子網絡為注意力機制網絡。
6.根據權利要求2所述的方法,其特征在于,所述第三網絡單元為注意力機制網絡。
7.根據權利要求1所述的方法,其特征在于,所述方法進一步包括:
8.根據權利要求7所述的方法,其特征在于,所述m種不同類型的服務包括第一類型服務和第二類型服務,所述第一類型服務的使用率大于所述第二類型服務的使用率;
9.根據權利要求1所述的方法,其特征在于,所述方法進一步包括:
1
11.根據權利要求1所述的方法,其特征在于,所述m種不同類型的服務包括第一類型服務和第二類型服務,所述第一類型服務為應用,所述第二類型服務為原子服務。
12.一種電子設備,其特征在于,包括:
13.一種計算機可讀存儲介質,其特征在于,所述計算機可讀存儲介質上存儲有指令,該指令在計算機上執行時使得計算機執行權利要求1~11任一項所述的方法。
14.一種計算機程序產品,其特征在于,所述計算機程序產品包含的程序代碼,被計算機或處理器執行時使得所述計算機或所述處理器執行權利要求1~11中任一項所述的方法。
...【技術特征摘要】
1.一種服務推薦方法,其特征在于,所述方法用于對電子設備上的m種不同類型的服務進行推薦,m為大于或等于2的正整數:所述方法包括:
2.根據權利要求1所述的方法,其特征在于,所述確定第二嵌入結果矩陣,包括:
3.根據權利要求1所述的方法,其特征在于,所述根據所述第一嵌入結果矩陣和所述第二嵌入結果矩陣得到所述神經網絡模型的第二網絡單元的輸入,包括:
4.根據權利要求1所述的方法,其特征在于,所述第一網絡單元包括第一子網絡和第二子網絡;
5.根據權利要求4所述的方法,其特征在于,所述第一網絡單元的第二子網絡為注意力機制網絡。
6.根據權利要求2所述的方法,其特征在于,所述第三網絡單元為注意力機制網絡。
7.根據權利要求1所述的方法,其特征在于,所述方法進一步包括:
8.根據權利要求7所述的方法,其特征在于,所述m種不同類...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。