【技術實現步驟摘要】
本專利技術涉及算力基礎設施，具體涉及一種基于智能計算中心算力的對象推薦方法及相關設備。
技術介紹
1、“智能計算中心”是指通過使用大規模異構算力資源，包括通用算力和智能算力，主要為人工智能應用(如人工智能深度學習模型開發、模型訓練和模型推理等場景)提供所需算力、數據和算法的設施。智能計算中心涵蓋設施、硬件、軟件，并可提供從底層算力到頂層應用使能的全棧能力。
2、在應用程序中為用戶推薦不同類型的產品是常用的推廣方式之一，例如在視頻類軟件中為用戶推薦不同類型的視頻，或者在購物類軟件中為用戶推薦不同類型的商品。
3、目前，推薦產品的方式通常先設定規則標簽后從全部的產品中召回部分產品，再從該部分產品中篩選用戶感興趣的產品，并進行排序，以得到向用戶推薦的產品列表。而通過設定規則標簽過濾的方式，過于簡單直接，容易將用戶感興趣的產品提前錯誤過濾掉，進而降低推薦轉化效果。
4、可見，現有技術中存在對象的推薦轉化效果較差的問題。
技術實現思路
1、本專利技術實施例提供一種基于智能計算中心算力的對象推薦方法及相關設備，以解決現有技術中存在對象展示的效果較差的問題。
2、為解決上述問題，本專利技術是這樣實現的：
3、第一方面，本專利技術實施例提供一種基于智能計算中心算力的對象展示方法，包括：
4、步驟s1、獲取待展示的多個對象，以及目標用戶對應的特征集，所述特征集用于表征與所述目標用戶相關的信息；
5、步驟s2、基于所述
6、步驟s3、對所述n個目標對象進行排序；
7、步驟s4、基于排序后的所述n個目標對象生成推薦列表。
8、在一個實施例中，所述特征集包括用戶特征、對象特征和場景特征中的至少一項，所述用戶特征為所述用戶相關信息特征，所述對象特征用于描述所述多個對象，所述場景特征為對象與所述目標用戶在不同場景條件下的交互行為特征。
9、在一個實施例中，所述步驟s2包括：
10、步驟s21、在所述特征集包括所述用戶特征、對象特征和場景特征中的一項特征的情況下，基于所述一項特征對每個對象進行評估，得到所述每個對象對應的第一概率；
11、步驟s22、基于對應的所述第一概率對所述多個對象進行篩選，得到所述n個目標對象。
12、在一個實施例中，所述步驟s2包括：
13、步驟s23、在所述特征集包括所述用戶特征、對象特征和場景特征中的至少兩項特征的情況下，基于每項特征對每個對象進行評估，得到所述每個對象對應所述每項特征的第二概率；
14、步驟s24、將對應所述至少兩項特征的全部第二概率進行加權，得到所述每個對象對應的第三概率；
15、步驟s25、基于對應的所述第三概率對所述多個對象進行篩選，得到所述n個目標對象。
16、在一個實施例中，在所述步驟s4之前，所述方法還包括：
17、步驟s5、獲取所述目標用戶對應的策略，所述策略包括歷史數據和預設數據中的至少一項，其中，
18、所述歷史數據包括所述目標用戶在預設時間段內相關的歷史對象類型，所述n個目標對象的類型與所述歷史對象類型不同；
19、所述預設數據包括所述目標用戶的注冊信息數據，以及外部平臺數據和標簽特征數據中的至少一項，所述標簽特征數據用于表征所述目標用戶選擇的感興趣的對象類型；
20、所述步驟s4包括：
21、步驟s41、基于所述歷史數據和所述預設數據中的至少一項對所述n個目標對象進行篩選，得到k個對象，k為大于1小于或等于n的正整數；
22、步驟s42、基于所述k個對象生成推薦列表。
23、在一個實施例中，所述方法還包括：
24、步驟s7、基于所述推薦列表生成展示頁面，所述展示頁面中相鄰兩個目標對象的類型不同。
25、第二方面，本專利技術實施例還提供一種基于智能計算中心算力的對象推薦裝置，包括：
26、第一獲取模塊，用于獲取待展示的多個對象，以及目標用戶對應的特征集，所述特征集用于表征與所述目標用戶相關的信息；
27、篩選模塊，用于基于所述特征集對所述多個對象進行篩選，得到n個目標對象，n為大于1的正整數；
28、排序模塊，用于對所述n個目標對象進行排序；
29、第一生成模塊，用于基于排序后的所述n個目標對象生成推薦列表。
30、第三方面，本專利技術實施例還提供一種電子設備，包括處理器、存儲器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序被所述處理器執行時實現如上述第一方面所述的基于智能計算中心算力的對象推薦方法中的步驟。
31、第四方面，本專利技術實施例還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如上述第一方面所述的基于智能計算中心算力的對象推薦方法中的步驟。
32、第五方面，本專利技術實施例還提供一種計算機程序產品，包括計算機指令，所述計算機指令被處理器執行時實現如上述第一方面所述的基于智能計算中心算力的對象推薦方法中的步驟。
33、在本專利技術實施例中，獲取待展示的多個對象，以及目標用戶對應的特征集，所述特征集用于表征與所述目標用戶相關的信息；基于所述特征集對所述多個對象進行篩選，得到n個目標對象，n為大于1的正整數；對所述n個目標對象進行排序；基于排序后的所述n個目標對象生成推薦列表。這樣，通過特征集對多個對象進行篩選，得到n個目標對象，避免了按照預設規則對多個對象進行篩選導致未被篩選的對象中仍存在目標用戶感興趣的對象，使得目標用戶感興趣的對象全部在n個目標對象中；再對n個目標對象進行排序并生成推薦列表，能更加精準的向目標用戶推薦其感興趣的對象，改善了向用戶推薦對象的效果。
本文檔來自技高網...【技術保護點】
1.一種基于智能計算中心算力的對象推薦方法，其特征在于，包括：
2.如權利要求1所述的方法，其特征在于，所述特征集包括用戶特征、對象特征和場景特征中的至少一項，所述用戶特征為所述用戶相關信息特征，所述對象特征用于描述所述多個對象，所述場景特征為對象與所述目標用戶在不同場景條件下的交互行為特征。
3.如權利要求2所述的方法，其特征在于，所述步驟S2包括：
4.如權利要求2所述的方法，其特征在于，所述步驟S2包括：
5.如權利要求1所述的方法，其特征在于，在所述步驟S4之前，所述方法還包括：
6.如權利要求1至5中任一項所述的方法，其特征在于，所述方法還包括：
7.一種基于智能計算中心算力的對象推薦裝置，其特征在于，包括：
8.一種電子設備，其特征在于，包括：處理器、存儲器及存儲在所述存儲器上并可在所述處理器上運行的程序，所述程序被所述處理器執行時實現如權利要求1至6中任一項所述的基于智能計算中心算力的對象推薦方法的步驟。
9.一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
10.一種計算機程序產品，其特征在于，包括計算機指令，所述計算機指令被處理器執行時實現如權利要求1至6中任一項所述的基于智能計算中心算力的對象推薦方法的步驟。
...【技術特征摘要】
1.一種基于智能計算中心算力的對象推薦方法，其特征在于，包括：
2.如權利要求1所述的方法，其特征在于，所述特征集包括用戶特征、對象特征和場景特征中的至少一項，所述用戶特征為所述用戶相關信息特征，所述對象特征用于描述所述多個對象，所述場景特征為對象與所述目標用戶在不同場景條件下的交互行為特征。
3.如權利要求2所述的方法，其特征在于，所述步驟s2包括：
4.如權利要求2所述的方法，其特征在于，所述步驟s2包括：
5.如權利要求1所述的方法，其特征在于，在所述步驟s4之前，所述方法還包括：
6.如權利要求1至5中任一項所述的方法，其特征在于，所述方法還包括：
7.一種...
【專利技術屬性】
技術研發人員：舒斌，
申請(專利權)人：北京九章云極科技有限公司，
類型：發明
國別省市：
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。