资源推荐方法、装置、计算机设备及存储介质与流程

技术特征：
1.一种资源推荐方法，其特征在于，包括：获取目标对象群体中的每个对象的一个或多个对象特征，一个对象的一个或多个对象特征包括：根据相应对象针对至少一个资源的操作信息确定的特征；根据所述每个对象的一个或多个对象特征对所述目标对象群体进行聚类，得到至少两个对象类别；基于每个对象类别与获取到的每个对象特征之间的相关性信息，确定所述目标对象群体的特征序列的目标递归信息熵；其中，所述特征序列是采用获取到的每个对象特征构成的；根据所述目标递归信息熵从所述特征序列中选取出关键对象特征，并在确定待向所述目标对象群体推荐的多个候选资源后，基于所述关键对象特征对所述多个候选资源进行推荐决策。2.如权利要求1所述的方法，其特征在于，所述基于每个对象类别与获取到的每个对象特征之间的相关性信息，确定所述目标对象群体的特征序列的目标递归信息熵，包括：基于每个对象类别与获取到的每个对象特征之间的相关性信息，确定所述每个对象特征的信息熵；按照每次累加一个信息熵的原则，依次对所述特征序列中的各个对象特征的信息熵进行递归累加；若在所述递归累加的过程中，检测到当前累加得到的当前递归信息熵满足递归结束条件，则将所述当前递归信息熵确定为所述目标对象群体的特征序列的目标递归信息熵。3.如权利要求2所述的方法，其特征在于，所述方法还包括：在所述递归累加的过程中，每累加得到一个递归信息熵，则比较当前累加得到的当前递归信息熵和信息熵阈值之间的大小关系；若所述当前递归信息熵大于所述信息熵阈值，则确定所述当前递归信息熵满足递归结束条件；若所述当前递归信息熵小于或等于所述信息熵阈值，则确定所述当前递归信息熵不满足递归结束条件。4.如权利要求2所述的方法，其特征在于，任一对象类别与任一对象特征之间的相关性信息中包括：所述任一对象类别与所述任一对象特征之间的相关系数；所述基于每个对象类别与获取到的每个对象特征之间的相关性信息，确定所述每个对象特征的信息熵，包括：根据每个对象类别与每个对象特征之间的相关系数的绝对值，和预设的r个相关性等级对应的取值范围，确定所述每个对象特征在所述每个对象类别下的相关性等级，r为大于1的整数；根据所述每个对象特征在所述每个对象类别下的相关性等级，分别在所述每个对象类别下对所述每个对象特征进行分组处理，得到所述每个对象类别下的r个相关性分组，一个相关性特征组对应一个相关性等级；针对第k个对象特征，计算所述第k个对象特征在所述每个对象类别下的每个相关性分组中出现的比例，k∈[1，n]，n为获取到的对象特征的总数；根据比例计算结果以及所述每个对象类别对应的对象占比，计算所述第k个对象特征的信息熵；其中，任一对象类别对应的对象占比是指：所述任一对象类别下的对象的数量，
与所述目标对象群体的对象总数之间的比值。5.如权利要求4所述的方法，其特征在于，所述计算所述第k个对象特征在所述每个对象类别下的每个相关性分组中出现的比例，包括：针对任一对象类别下的任一相关性分组，根据所述任一相关性分组中的各个对象特征所属的对象，确定所述任一相关性分组对应的对象总数；统计所述任一相关性分组所对应的对象中，具有所述第k个对象特征的对象的数量；将统计得到的数量和所述任一相关性分组对应的对象总数之间的比值，确定为所述第k个对象特征在所述任一相关性分组中出现的比例。6.如权利要求1-5任一项所述的方法，其特征在于，所述目标递归信息熵是对所述特征序列中的至少一个对象特征的信息熵进行递归累加得到的；所述根据所述目标递归信息熵从所述特征序列中选取出关键对象特征，包括：确定用于递归累加得到所述目标递归信息熵的各个信息熵，并确定所述各个信息熵分别对应的对象特征；从所述特征序列中选取所述各个信息熵分别对应的对象特征，作为关键对象特征。7.如权利要求1-5任一项所述的方法，其特征在于，所述至少两个对象类别包括第一对象类别，所述第一对象类别对应的第一类对象中的各对象的资源偏好分布集中；所述方法还包括：根据所述第一类对象中的各对象的对象特征，确定所述第一类对象所偏好的多个资源；将确定出的所述多个资源，确定为待向所述目标对象群体推荐的多个候选资源。8.如权利要求1-5任一项所述的方法，其特征在于，所述基于所述关键对象特征对所述多个候选资源进行推荐决策，包括：对所述多个候选资源进行标签分类以得到多个资源分类标签，并基于所述多个资源分类标签和所述关键对象特征构建一个多分类模型；将所述目标对象群体中的至少一个对象的各对象特征，与所述多个资源分类标签进行匹配以构建得到多个样本；所述多个样本至少包括：训练样本和预测样本，且一个样本包括：与一个资源分类标签匹配的至少一个对象特征；采用所述训练样本对所述多分类模型进行一次或多次模型优化，并调用优化后的多分类模型根据所述预测样本中的对象特征，预测所述目标对象群体偏好各个资源分类标签的概率；根据预测结果从所述多个资源分类标签中选取目标资源分类标签，并将所述目标资源分类标签指示的资源类别下的候选资源，决策为待推荐的目标资源。9.如权利要求8所述的方法，其特征在于，所述至少两个对象类别包括第一对象类别，所述第一对象类别对应的第一类对象中的各对象的资源偏好分布集中；所述将所述目标对象群体中的至少一个对象的各对象特征，与所述多个资源分类标签进行匹配以构建得到多个样本，包括：从所述目标对象群体所涉及的全部对象特征中，获取所述第一类对象中的各对象的各对象特征；将所述第一类对象中的各对象的各对象特征，和所述多个资源分类标签进行匹配，以
构建得到多个样本。10.如权利要求9所述的方法，其特征在于，一个对象的一个或多个对象特征还包括：根据相应对象针对一个或多个资源提供方的操作信息所确定的特征；所述将所述第一类对象中的各对象的各对象特征，和所述多个资源分类标签进行匹配，以构建得到多个样本，包括：根据所述第一类对象中的各对象的各对象特征，确定所述第一类对象所操作的各个资源提供方；并遍历所述各个资源提供方，确定当前遍历的当前资源提供方；针对所述第一类对象中的任一对象，从所述任一对象的各对象特征中筛选出所述任一对象在所述当前资源提供方中的各对象特征；将所述任一对象在所述当前资源提供方中的各对象特征，与所述多个资源分类标签中的任一资源分类标签进行匹配，得到匹配结果；根据所述匹配结果，从所述任一对象在所述当前资源提供方中的各对象特征中，获取与任一资源分类标签相匹配的对象特征；采用获取到的对象特征构建一个样本，并为构建得到的样本标记所述任一资源分类标签。11.如权利要求1所述的方法，其特征在于，所述方法还包括：向所述目标对象群体中的各对象，推荐决策出的目标资源；或者，将决策出的目标资源对应的资源提供方，确定为待推荐的目标资源提供方，并向所述目标对象群体中的每个对象推荐所述目标资源提供方。12.如权利要求11所述的方法，其特征在于，所述方法还包括：获取目标资源提供方的目标地理位置，以及所述目标对象群体中的每个对象的当前地理位置；根据所述目标地理位置和所述每个对象的当前地理位置，生成所述每个对象到达所述目标资源提供方的路线；将生成的各个路线，分别推送给所述每个对象；其中，资源是指餐饮商品，资源提供方是指餐饮店铺。13.一种资源推荐装置，其特征在于，包括：获取单元，用于获取目标对象群体中的每个对象的一个或多个对象特征，一个对象的一个或多个对象特征包括：根据相应对象针对至少一个资源的操作信息确定的特征；处理单元，用于根据所述每个对象的一个或多个对象特征对所述目标对象群体进行聚类，得到至少两个对象类别；所述处理单元，还用于基于每个对象类别与获取到的每个对象特征之间的相关性信息，确定所述目标对象群体的特征序列的目标递归信息熵；其中，所述特征序列是采用获取到的每个对象特征构成的；所述处理单元，还用于根据所述目标递归信息熵从所述特征序列中选取出关键对象特征；推荐单元，用于在确定待向所述目标对象群体推荐的多个候选资源后，基于所述关键对象特征对所述多个候选资源进行推荐决策。14.一种计算机设备，包括输入接口和输出接口，其特征在于，还包括：
处理器，适于实现一条或多条指令；以及，计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由所述处理器加载并执行如权利要求1-12任一项所述的资源推荐方法。15.一种计算机存储介质，其特征在于，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由处理器加载并执行如权利要求1-12任一项所述的资源推荐方法。

技术总结
本申请实施例公开了一种资源推荐方法、装置、计算机设备及存储介质，可应用于地图领域；方法包括：获取目标对象群体中的每个对象的一个或多个对象特征，根据所述每个对象的一个或多个对象特征对所述目标对象群体进行聚类，得到至少两个对象类别；基于每个对象类别与获取到的每个对象特征之间的相关性信息，确定所述目标对象群体的特征序列的目标递归信息熵；根据所述目标递归信息熵从所述特征序列中选取出关键对象特征，并在确定待向所述目标对象群体推荐的多个候选资源后，基于所述关键对象特征对所述多个候选资源进行推荐决策。本申请实施例可以提升资源推荐的准确性。施例可以提升资源推荐的准确性。施例可以提升资源推荐的准确性。


技术研发人员：钟子宏
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2022.02.22
技术公布日：2022/3/22