一种信息确定方法、装置、设备和计算机可读存储介质与流程

1.本技术涉及计算机技术领域，尤其涉及一种信息确定方法、装置、设备和计算机可读存储介质。


背景技术：

2.电子商务的快速发展，使得如何为用户推荐心仪的物品成为电子商务领域重点关注的问题。目前，可以基于用户行为信息构建异构图，并基于异构图采用深度学习模型进行训练得到异构图中每个节点的特征向量，然后基于每个节点的特征向量之间的相似性为用户推荐心仪的物品。但是，上述方法大幅削弱了低维度交叉特征信息，且泛化能力较差。


技术实现要素：

3.为解决上述技术问题，本技术实施例期望提供一种信息确定方法、装置、设备和计算机可读存储介质，解决了相关技术中大幅削弱了低维度特征信息且泛化能力差的问题。
4.本技术的技术方案是这样实现的：
5.一种信息确定方法，所述方法包括：
6.获取用户针对目标应用产生的历史行为信息，并基于所述历史行为信息确定共享特征信息；其中，所述共享特征信息表征所述用户的属性、行为的属性和对象的属性；所述用户、所述行为和所述对象之间具有关联性；
7.基于所述共享特征信息，确定所述目标应用的目标特征信息；其中，所述目标特征信息表征所述用户对应的基础特征和所述对象对应的基础特征、所述用户与所述对象之间的关联性以及所述用户与所述对象之间的交叉特征；
8.基于所述目标特征信息进行模型训练，得到特征模型。
9.上述方案中，所述基于所述历史行为信息确定共享特征信息，包括：
10.对所述历史行为信息进行分析，得到所述用户的基础特征、所述行为的基础特征和所述对象的基础特征；其中，所述共享特征信息包括所述用户的基础特征、所述行为的基础特征和所述对象的基础特征。
11.上述方案中，所述基于所述共享特征信息，确定所述目标应用的目标特征信息，包括：
12.基于所述共享特征信息构建所述目标应用的图结构，并对所述图结构进行分析得到第一特征信息；其中，所述第一特征信息表征所述用户与所述对象之间的关联性；
13.基于所述共享特征信息与所述用户的关系，以及所述共享特征信息与所述对象的关系，对所述共享特征信息进行划分得到所述目标应用的第二特征信息；其中，所述第二特征信息表征所述用户对应的基础特征和所述对象对应的基础特征；
14.基于所述第二特征信息，得到所述目标应用的第三特征信息；其中，所述第三特征信息表征所述用户与所述对象之间的交叉特征，所述目标特征信息包括所述第一特征信息、所述第二特征信息和所述第三特征信息。
15.上述方案中，所述基于所述共享特征信息构建所述目标应用的图结构，包括：
16.基于所述共享特征信息，确定目标用户、目标物品和目标内容；其中，所述对象包括所述目标物品和所述目标内容；
17.基于所述共享特征信息，确定所述目标用户和所述目标物品之间的第一关联性、所述目标用户和所述目标内容之间的第二关联性、所述目标物品和所述目标内容之间的第三关联性；
18.以所述目标用户、所述目标物品和所述目标内容为节点，基于所述第一关联性、所述第二关联性和所述第三关联性设置节点间的连接关系，得到所述图结构。
19.上述方案中，所述以所述目标用户、所述目标物品和所述目标内容为节点，基于所述第一关联性、所述第二关联性和所述第三关联性设置节点间的连接关系，得到所述图结构，包括：
20.以所述目标用户、所述目标物品和所述目标内容为节点，基于所述第一关联性、所述第二关联性和所述第三关联性设置节点间的连接关系，得到中间图结构；
21.对所述中间图结构中的节点和节点间的边进行优化，得到所述图结构。
22.上述方案中，所述对所述图结构进行分析得到第一特征信息，包括：
23.针对所述图结构中的每一节点，基于所述节点间的关联性，确定所述每一节点的第一邻居节点、所述每一节点与所述第一邻居节点之间的中间节点以及所述中间节点的第二邻居节点；
24.确定所述每一节点与所述第一邻居节点之间的第一元路径，以及所述中间节点和所述第二邻居节点之间的第二元路径；
25.基于所述第一元路径和所述第二元路径，对所述每一节点的节点特征信息、所述第一邻居节点的节点特征信息和所述第二邻居节点的节点特征信息进行聚合，得到所述第一特征信息；其中，所述节点特征信息表征节点的属性以及节点与所述图结构中其余节点之间的关联性。
26.上述方案中，所述基于所述第一元路径和所述第二元路径，对所述每一节点的节点特征信息、所述第一邻居节点的节点特征信息和所述第二邻居节点的节点特征信息进行聚合，得到所述第一特征信息，包括：
27.确定所述每一节点的第一权重，所述第一邻居节点的第二权重、所述第二邻居节点的第三权重；
28.基于所述第一权重、所述第二权重、所述第三权重、所述第一元路径和所述第二元路径，对所述每一节点的节点特征信息、所述第一邻居节点的节点特征信息和所述第二邻居节点的节点特征信息进行聚合，得到所述第一特征信息。
29.上述方案中，所述基于所述共享特征信息与所述用户的关系，以及所述共享特征信息与所述对象的关系，对所述共享特征信息进行划分得到所述目标应用的第二特征信息，包括：
30.确定所述共享特征信息与所述用户的关系，以及所述共享特征信息与所述对象的关系；其中，所述对象包括物品和内容；
31.基于所述共享特征信息与所述用户的关系以及所述共享特征信息与所述对象的关系，对所述共享特征信息进行划分得到用户特征信息、物品特征信息和内容特征信息；其
中，所述第二特征信息包括所述用户特征信息、所述物品特征信息和所述内容特征信息；
32.相应的，所述基于所述第二特征信息，得到所述目标应用的第三特征信息，包括：
33.对所述用户特征信息、所述物品特征信息和所述内容特征信息进行特征交叉，得到所述第三特征信息。
34.上述方案中，所述基于所述目标特征信息进行模型训练，得到特征模型，包括：
35.将所述第一特征信息、所述第二特征信息和所述第三特征信息进行拼接，得到拼接特征信息；
36.基于所述拼接特征信息对初始模型进行模型训练，得到所述特征模型。
37.一种信息确定装置，所述装置包括：
38.获取模块，用于获取用户针对目标应用产生的历史行为信息，并基于所述历史行为信息确定共享特征信息；其中，所述共享特征信息表征所述用户的属性、行为的属性和对象的属性；所述用户、所述行为和所述对象之间具有关联性；
39.所述获取模块，还用于基于所述共享特征信息，确定所述目标应用的目标特征信息；其中，所述目标特征信息表征所述用户对应的基础特征和所述对象对应的基础特征、所述用户与所述对象之间的关联性以及所述用户与所述对象之间的交叉特征；
40.处理模块，用于基于所述目标特征信息进行模型训练，得到特征模型。
41.一种信息确定设备，所述设备包括：处理器、存储器和通信总线；
42.所述通信总线用于实现所述处理器和所述存储器之间的通信连接；
43.所述处理器用于执行所述存储器中的信息确定程序，以实现上述的信息确定方法的步骤。
44.一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述的信息确定方法的步骤。
45.本技术的实施例所提供的信息确定方法、装置、设备和计算机可读存储介质，可以获取用户针对目标应用产生的历史行为信息并基于历史行为信息确定共享特征信息，接着基于共享特征信息确定目标应用的目标特征信息，并基于目标特征信息进行模型训练得到特征模型，如此，可以确定表征用户对应的基础特征和对象对应的基础特征、用户与对象之间的关联性以及用户与对象之间的交叉特征的目标特征信息，从而使得基于目标特征信息训练得到的特征模型不仅保留了用户和对象的深层特征，还保留了用户对应的基础特征和对象对应的基础特征和低维度交叉特征，模型的泛化能力更强，解决了相关技术中大幅削弱了低维度交叉特征信息且泛化能力差的问题。
附图说明
46.图1为本技术实施例提供的一种信息确定方法的流程示意图；
47.图2为本技术实施例提供的另一种信息确定方法的流程示意图；
48.图3为本技术实施例提供的又一种信息确定方法的流程示意图；
49.图4为本技术另一实施例提供的一种信息确定方法的流程示意图；
50.图5为本技术实施例提供的一种信息确定系统的结构示意图；
51.图6为本技术实施例提供的一种信息确定装置的结构示意图；
52.图7为本技术实施例提供的一种信息确定设备的结构示意图。
具体实施方式
53.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。
54.应理解，说明书通篇中提到的“本技术实施例”或“前述实施例”意味着与实施例有关的特定特征、结构或特性包括在本技术的至少一个实施例中。因此，在整个说明书各处出现的“本技术实施例中”或“在前述实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。在本技术的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
55.在未做特殊说明的情况下，电子设备执行本技术实施例中的任一步骤，可以是电子设备的处理器执行该步骤。还值得注意的是，本技术实施例并不限定电子设备执行下述步骤的先后顺序。另外，不同实施例中对数据进行处理所采用的方式可以是相同的方法或不同的方法。还需说明的是，本技术实施例中的任一步骤是电子设备可以独立执行的，即电子设备执行下述实施例中的任一步骤时，可以不依赖于其它步骤的执行。
56.应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。
57.本技术实施例提供一种信息确定方法，该方法可以应用于信息确定设备中，参照图1所示，该方法包括以下步骤：
58.步骤101、获取用户针对目标应用产生的历史行为信息，并基于历史行为信息确定共享特征信息。
59.其中，共享特征信息表征用户的属性、行为的属性和对象的属性；用户、行为和对象之间具有关联性。
60.在本技术实施例中，目标应用是用户发生行为的应用，目标应用可以是电商场景下的应用、也可以是分享类型的应用；在一种可行的方式中，目标应用可以为购物网站、购物应用程序(application，app)等购物平台，目标应用可以包括多个购物平台，也可以包括一个购物平台；目标应用还可以是分享网站、分享app等分享平台，本技术实施例对此不作限定。
61.用户针对对象发生行为后才会产生行为信息，因此用户、对象和行为之间是具有关联性的。历史行为信息是用户在目标应用发生行为后产生的行为信息，历史行为信息可以是用户在目标应用浏览内容、购买物品等行为下产生的信息。对象指的是行为所施加的对象，该对象可以是行为所施加的物品以及内容等；如果用户在目标应用购买了物品，那么此时的行为为购买物品，对象为购买的物品；如果用户在目标应用浏览了内容，那么此时的行为为浏览内容，对象为浏览的内容。
62.用户的属性为表征用户特征的信息，用户的属性可以为用户标识唯一编码(identity document，id)、用户的喜好、用户浏览倾向和用户购买偏好等信息。行为的属性为表征行为特征的信息，行为的属性可以为行为的类型、行为的发生次数、行为的变化趋势等信息。对象的属性可以为行为所施加的对象的属性，对象的属性为表征该对象特征的信
息，该对象的属性可以为对象id、对象的展示方式、对象的文案等信息；若行为所施加的对象为物品，那么对象的属性也即为物品的属性，物品的属性可以包括物品所属的类目、物品的封面图、物品的描述、物品的标题、物品的曝光次数等信息；若行为所施加的对象为内容，那么对象的属性也即为内容的属性，内容的属性可以包括内容描述、内容展示方式、内容标识、内容布局等信息。共享特征信息是基于历史行为信息确定的，能够表征用户的属性、行为的属性和对象的属性。
63.在一种可行的方式中，可以从某个购物平台中获取所有用户在这个购物平台点击了哪些物品、浏览了每个物品的哪些内容、也即购买了哪些物品等信息，将获取的这些信息作为历史行为信息。
64.在本技术实施例中，由于历史行为信息是用户在目标应用发生行为后产生的行为信息，因此可以基于历史行为信息确定发生行为的用户、发生了哪些行为以及行为所施加的对象等信息，进而基于发生行为的用户、发生了哪些行为以及行为所施加的对象等信息确定发生行为的用户的属性、行为的属性以及行为所施加的对象的属性，从而得到表征用户的属性、行为的属性和行为所施加的对象的属性的共享特征信息。
65.步骤102、基于共享特征信息，确定目标应用的目标特征信息。
66.其中，目标特征信息表征用户对应的基础特征和对象对应的基础特征、用户与对象之间的关联性以及用户与对象之间的交叉特征。
67.在本技术实施例中，共享特征信息能表征用户的属性、行为的属性和对象的属性，并且用户、行为以及对象之间是有一定关联性的，再者用户和对象是两个不同的类别，同一类别的特征信息具有一定的关联性，因此基于共享特征信息，能够得到表征用户对应的基础特征和对象对应的基础特征、用户与对象之间的关联性以及用户与对象之间的交叉特征的目标特征信息。其中，用户对应的基础特征和对象对应的基础特征为用户和对象的原始特征，用户与对象之间的交叉特征为用户和对象的低维度交叉特征；而用户与对象之间的关联性是对用户与对象之间直接和间接的关联性，属于用户和对象的深层特征信息。
68.步骤103、基于目标特征信息进行模型训练，得到特征模型。
69.在本技术实施例中，特征模型用于对用户对应的特征信息或对象对应的特征信息进行不断优化，以得到更准确的用户对应的特征信息或对象对应的特征信息。目标特征信息能表征用户对应的基础特征和对象对应的基础特征、用户与对象之间的关联性以及用户与对象之间的交叉特征，目标特征信息中会包含一些不能表征用户特征和对象特征的冗余信息，且目标特征信息中包含的信息会不准确，因此需要基于目标特征信息进行模型训练，以获取更准确的用户对应的特征信息或对象对应的特征信息，便于后续基于用户对应的特征信息或对象对应的特征信息为用户推荐符合用户兴趣的对象。并且，目标特征信息不仅包含了用户对应的基础特征和对象对应的基础特征这一原始特征、用户与对象的交叉特征这一低维度交叉特征，还包括了用户与对象之间直接和间接的关联性这一深层特征，因此目标特征信息中的特征更全面，训练得到的特征模型的泛化能力也会更强，且模型准确度也会更高，更具代表性。
70.本技术实施例所提供的信息确定方法，获取用户针对目标应用产生的历史行为信息并基于历史行为信息确定共享特征信息，接着基于共享特征信息确定目标应用的目标特征信息，并基于目标特征信息进行模型训练得到特征模型，如此，可以确定表征用户对应的
基础特征和对象对应的基础特征、用户与对象之间的关联性以及用户与对象之间的交叉特征的目标特征信息，从而使得基于目标特征信息训练得到的特征模型不仅保留了用户和对象的深层特征，还保留了用户对应的基础特征和对象对应的基础特征和低维度交叉特征，模型的泛化能力更强，解决了相关技术中大幅削弱了低维度特征信息且泛化能力差的问题。
71.基于前述实施例，本技术实施例提供一种信息确定方法，参照图2所示，该方法包括以下步骤：
72.步骤201、信息确定设备获取用户针对目标应用产生的历史行为信息，并对历史行为信息进行分析，得到用户的基础特征、行为的基础特征和对象的基础特征。
73.其中，共享特征信息包括用户的基础特征、行为的基础特征和对象的基础特征；共享特征信息表征用户的属性、行为的属性和对象的属性；用户、行为和对象之间具有关联性。
74.在本技术实施例中，电商平台和分享平台不仅包括物品，还包括大量的内容场景，该内容场景可以包括视频、图文、店铺、主题聚合页等信息，这些内容和物品可以被称之为对象，此种情况下，对象有两个类，一类为物品，一类为内容。其次，每个物品都有自己的基础特征，物品的基础特征可以包括物品所属的类目、物品id、物品的品牌等信息；每个内容也有自己的基础特征，内容的基础特征可以包括内容的展示方式、内容的素材、内容的关键词、内容id等信息，也就是说，每个对象都有自己的基础特征。用户的基础特征可以包括用户id、用户喜爱的品牌、用户喜爱的风格等信息。行为的基础特征可以包括点击次数、购买次数、点击频率等信息；基于行为的基础特征可以得到用户浏览趋势、用户购买偏好等特征，可以得到物品的曝光率、购买次数、点击率等物品统计类特征，还可以得到内容的曝光率、点击率等内容统计类特征。
75.在本技术实施例中，历史行为信息包括用户浏览了哪些内容、购买了哪些物品等信息，因此可以对历史行为信息进行分析，得到用户的基础特征、行为的基础特征和对象的基础特征，并将得到的用户的基础特征、行为的基础特征和对象的基础特征作为共享特征信息，以便后续对共享特征信息进行处理。
76.步骤202、信息确定设备基于共享特征信息构建目标应用的图结构，并对图结构进行分析得到第一特征信息。
77.其中，第一特征信息表征用户与对象之间的关联性。
78.在本技术实施例中，第一特征信息是对图结构进行分析后得到的能表征用户、内容和物品之间存在的直接或间接的关联性的特征信息。图结构能够表征用户行为轨迹。电商场景中的用户、物品和内容存在复杂的交错关系，因此可以通过图结构来体现用户、物品和内容之间的关联性，也即体现用户和对象的关联性。
79.在图神经网络中，有同构图和异构图两个大类，其中，异构图的异构体现在节点和边可以拥有不同的类型，因此异构图有更广泛的使用场景，异构图中可以表示用户与物品、用户与内容、物品与内容等不同的节点关系，也可以有属性近似和协同过滤近似等不同的边关系，因此有更高扩展性。在一种可实现的方式中，可以基于共享特征信息构建异构图，通过异构图来体现用户、物品和内容之间的关联性，并通过对异构图的分析得到表征用户、物品和内容之间关联性的第一特征信息，也即得到图特征。
80.步骤203、信息确定设备基于共享特征信息与用户的关系，以及共享特征信息与对象的关系，对共享特征信息进行划分得到目标应用的第二特征信息。
81.其中，第二特征信息表征用户对应的基础特征和对象对应的基础特征。
82.在本技术实施例中，用户针对对象发生行为后会产生行为信息，因此可以基于共享特征信息与用户的关系以及共享特征信息与对象的关系对共享特征信息进行划分，将共享特征信息划分为用户对应的特征信息集合和对象对应的特征信息集合；其中，行为是依附用户或对象存在的，因此可以将行为的基础特征转化为用户对应的基础特征和对象对应的基础特征；在一种可行的方式中，若行为的基础特征包括发生次数，则可以将用户发生该行为的次数这一特征作为用户的统计类特征，可以将统计得到的施加于每个对象的该行为的次数作为对象的统计类特征。
83.在本技术实施例中，可以基于图结构的节点类型和节点间连接关系，确定基于共享特征信息与用户的关系以及共享特征信息与对象的关系；基于共享特征信息与用户的关系以及共享特征信息与对象的关系对共享特征信息进行划分后得到第二特征信息，仅是天然地将基础特征划分到了不同的域，保留了用户、行为和对象的基础特征，也即保留了用户的原始特征和对象的原始特征。
84.步骤204、信息确定设备基于第二特征信息，得到目标应用的第三特征信息。
85.其中，第三特征信息表征用户与对象之间的交叉特征，目标特征信息包括第一特征信息、第二特征信息和第三特征信息；目标特征信息表征用户对应的基础特征和对象对应的基础特征、用户与对象之间的关联性以及用户与对象之间的交叉特征。
86.在本技术实施例中，用户与对象分属于不同的类别，也即属于不同的域，每个域的特征信息会有关联性，因此可以基于第二特征信息得到表征用户与对象之间交叉特征的第三特征信息。
87.步骤205、信息确定设备将第一特征信息、第二特征信息和第三特征信息进行拼接，得到拼接特征信息。
88.在本技术实施例中，第一特征信息表征用户与对象之间的关联性、第二特征信息表征用户对应的基础特征和对象对应的基础特征、第三特征信息表征用户与对象的交叉特征，将这三者拼接在一起得到的拼接特征信息，不仅包含了用户与对象的原始特征、用户与对象的低维度交叉特征，还包含了用户与对象的深层特征，也即包含了不同维度的特征，因此拼接特征信息的特征更全面，具有整体表征性。
89.步骤206、信息确定设备基于拼接特征信息对初始模型进行模型训练，得到特征模型。
90.在本技术实施例中，由于拼接特征信息不仅包含了用户对应的基础特征和对象对应的基础特征、用户与对象的低维度交叉特征，还包含了用户与对象的深层特征，因此训练得到的模型拟合能力和泛化能力更强，模型准确率更高。
91.在一种可行的方式中，可以采用两层多头注意力机制模型，并在两层多头注意力机制模型之间加入残差网络以构建特征交互层；采用全连接层和损失函数构建输出层以进行结果的预测；采用梯度下降方法进行模型训练；其中，特征交互层产出的是残差的高维度交叉特征，是准确拟合数据的重要方法，自注意力机制可以动态地衡量图特征、基础特征与低维度交叉特征的重要性，实现不同特征的动态权重平衡，保留不同维度的特征信息；全连
接层汇聚了用户与对象的原始特征、用户与对象的低维度交叉特征、用户与对象的深层特征，最大程度地保留了不同维度的特征信息，在保证了模型准确率的同时，原始特征和低维度交叉特征的引入为模型保留了记忆力特征，防止模型过拟合，提升了模型的拟合能力、泛华能力和整体表征能力。
92.其中，采用特征交互层对拼接特征信息进行处理的步骤可以为：令对于第n个自注意力头，对于第n个自注意力头，令att(k,q,v)为自注意力特征，则特征交互的计算方法为：
[0093][0094]
其中，x为拼接特征信息，emb
interaction
为处理后的拼接特征信息，k、q、v为自注意力机制三个线性层的输入，qn、kn、vn分别为q、k、v经过线性变换后的值，w0、w1、w2为不同的注意力头的权重。
[0095]
在本技术实施例中，模型训练需要训练样本，可以基于用户和对象之间的共现关系构建正样本和负样本；如果某个用户在同一时间内点击了物品a和物品b，那么物品a和物品b为共点击，可以表现为用户对物品a和物品b的喜好，也可以标识物品a和物品b可能存在潜在的兴趣关联性，那么可以基于用户与物品a和物品b之间的关联性构建正样本，通过随机采样的方式构建负样本。一般在样本组合方式中，负样本的数量远大于正样本，由于全局训练的代价太大，所以可以通过采样的方式进行负样本的制作，在负采样的过程中可以通过节点出现的频次进行负样本的制作，频次越高的节点更容易作为负样本的采样，也即是频次越高的节点，越能容易找到与之没有关联性的节点。需要说明的是，此处仅以物品为例进行说明，还可以是视频或图片等信息。
[0096]
需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。
[0097]
本技术实施例所提供的信息确定方法，可以确定表征用户对应的基础特征和对象对应的基础特征、用户与对象之间的关联性以及用户与对象之间的交叉特征的目标特征信息，从而使得基于目标特征信息训练得到的特征模型不仅保留了用户和对象的深层特征，还保留了用户对应的基础特征和对象对应的基础特征和低维度交叉特征，模型的泛化能力更强，解决了相关技术中大幅削弱了低维度特征信息且泛化能力差的问题。
[0098]
基于前述实施例，本技术实施例提供一种信息确定方法，参照图3所示，该方法包括以下步骤：
[0099]
步骤301、信息确定设备获取用户针对目标应用产生的历史行为信息，并对历史行为信息进行分析，得到用户的基础特征、行为的基础特征和对象的基础特征。
[0100]
其中，共享特征信息包括用户的基础特征、行为的基础特征和对象的基础特征；共享特征信息表征用户的属性、行为的属性和对象的属性；用户、行为和对象之间具有关联性。
[0101]
步骤302、信息确定设备基于共享特征信息，确定目标用户、目标物品和目标内容。
[0102]
其中，对象包括第一物品和第一内容。
[0103]
在本技术实施例中，目标用户可以是目标应用中的所有用户，也可以是满足第一条件的用户，第一条件可以为用户发生行为的次数需要超过第一数量阈值，此时目标用户为发生行为的次数超过第一数量阈值的用户；目标物品可以是目标应用中的所有物品，也可以是满足第二条件的物品，第二条件可以为物品被点击次数超过第二数量阈值的次数，此时目标物品为被点击次数超过第二数量阈值的物品；目标内容可以是目标应用中的所有内容，目标内容可以包括视频、图文、店铺、聚合素材等信息，目标内容还可以是满足第三条件的内容，第三条件可以为内容被点击次数超过第三数量阈值，此时目标内容为被点击次数超过第三数量阈值的内容。需要说明的是，第一数量阈值、第二数量阈值和第三数量阈值可以设置为同一数值，也可以设置为不同的数值，在一种可行的方式中，第一数量阈值、第二数量阈值和第三数量阈值都可以设置为5；此外，第一条件、第二条件、第三条件均可以根据实际业务需求进行设置，本技术实施例对此不作限定。
[0104]
步骤303、信息确定设备基于共享特征信息，确定目标用户和目标物品之间的第一关联性、目标用户和目标内容之间的第二关联性、目标物品和目标内容之间的第三关联性。
[0105]
在本技术实施例中，第一关联性是目标用户和目标物品之间存在的直接或间接的关联关系；如果用户a多次购买了同一类型的物品a和物品b、未购买物品c但物品c与物品a和物品b同属于同一类型，那么用户a与物品a和物品b存在直接的关联关系，用户a未购买物品c的原因有可能是物品c未出现在用户a浏览的界面上，若物品c出现在用户a的浏览界面上，用户a是有一定概率会购买物品c的，因此用户a用户与物品c存在间接的关联关系。第二关联性是目标用户和目标内容之间存在的直接或间接的关联关系；如果用户b多次点击了不同类型的内容a和内容b，且都点击的是内容a和内容b的视频，那么用户b有可能喜欢观看视频，用户b与内容a和内容b存在直接的关联关系，内容a和内容b存在间接的关联关系。第三关联性是目标物品和目标内容之间存在的直接或间接的关联关系；如果同一时间内，物品a的标题被多次点击，物品b的视频被多次点击，且物品b与物品a属于不同类型，那么物品a与物品b存在间接的关联关系，物品a与自己的标题存在直接的关联关系，物品b与自己的视频存在直接的关联关系。
[0106]
在一种可行的方式中，可以采用协同过滤、频繁项挖掘的方式确定第一关联性、第二关联性和第三关联性，还可以计算用户的特征信息、内容的特征信息和物品的特征信息之间的相似性，通过相似性构建图结构的边。
[0107]
步骤304、信息确定设备以目标用户、目标物品和目标内容为节点，基于第一关联性、第二关联性和第三关联性设置节点间的连接关系，得到图结构。
[0108]
在本技术实施例中，如果目标用户是目标应用中的所有应用，目标物品是目标应用中的所有物品，目标内容是目标应用中的所有内容，那么此时构建的图结构是比较稀疏的图解耦股，主要实现的是对物品和内容的大范围覆盖，利用图结构近邻搜索的特性，提高了整体召回率和覆盖率，所构建的图结构是大规模的图结构。此外，在得到图结构之后还可以可以对图结构进行优化，以过滤掉相似性较低的边和节点；在一种可行的方式中，可以通过贝叶斯概率后验分数的方式对图结构中的边和节点进行优化。
[0109]
在本技术其他实施例中，如果目标用户是满足第一条件的用户，目标物品是满足第二条件的物品，目标内容是满足第三条件的内容，此时步骤304可以通过以下步骤来实
现：
[0110]
步骤304a、信息确定设备以目标用户、目标物品和目标内容为节点，基于第一关联性、第二关联性和第三关联性设置节点间的连接关系，得到中间图结构。
[0111]
在本技术实施例中，由于目标用户、目标物品和目标内容都是通过一定的条件筛选出来的，因此此时是以高频用户、高频物品和高频内容为节点构建中间图结构的，所构建的中间图结构过滤了低频的物品、低频的内容和低频的用户，是稠密型的图结构，图结构的规模较小，其主要目的是为了提升准确率。
[0112]
步骤304b、信息确定设备对中间图结构中的节点和节点间的边进行优化，得到图结构。
[0113]
在本技术实施例中，图结构是对中间图结构进行优化后得到的图结构。在一种可行的方式中，可以预先设置目标条件，然后基于目标条件对中间图结构进行优化；其中，目标条件可以为对行为相关分数较低的边和覆盖边过少的节点进行过滤，以保证图结构中的节点和边有较高的频度。
[0114]
步骤305、信息确定设备针对图结构中的每一节点，基于节点间的关联性，确定每一节点的第一邻居节点、每一节点与第一邻居节点之间的中间节点以及中间节点的第二邻居节点。
[0115]
在本技术实施例中，针对图结构的任意一个节点，第一邻居节点是与这个节点具有关联性的一个或多个节点；这个节点和第一邻居节点有可能是通过一个或多个节点连接起来的，连接这个节点与第一邻居节点之间的一个或多个节点即为中间节点；第二邻居节点是与中间节点具有关联性的节点。在一种可行的方式中，可以采用mean聚合方法来确定最近邻的k个邻居节点。
[0116]
步骤306、信息确定设备确定每一节点与第一邻居节点之间的第一元路径，以及中间节点和第二邻居节点之间的第二元路径。
[0117]
在本技术实施例中，针对图结构中的任意一个节点，第一元路径是连接这个节点与第一邻居节点之间的元路径，第二元路径是连接中间节点与第二邻居节点之间的元路径。元路径为异构图中的一种路径，也是一种关系，表达的是一种图结构中的先验知识。通过元路径，将图结构汇总近邻的节点联系起来。通过元路径实现了对图结构化信息的利用，挖掘了潜在的联系。例如在电商场景中有多种节点，假设用户表示为u，物品表示为s，内容表示为m，那么元路径s-u-s表示了同一个用户的物品共点击关系；元路径m-u-u-m表示了相似用户点击内容上的潜在关联，元路径s-m-u-s则可能表示了用户物品点击历史和内容下挂载物品之间的潜在联系。
[0118]
步骤307、信息确定设备基于第一元路径和第二元路径，对每一节点的节点特征信息、第一邻居节点的节点特征信息和第二邻居节点的节点特征信息进行聚合，得到第一特征信息。
[0119]
其中，节点特征信息表征节点的属性以及节点与图结构中其余节点之间的关联性；第一特征信息表征用户与对象之间的关联性。
[0120]
在本技术实施例中，通过对元路径聚合，可以完整地获取异构图节点的图结构信息，实现节点特征、边特征和图结构信息的融合。构成元路径的节点可以为用户、物品和内容中的任意两个，采用元路径聚合的方式共有27中元路径。在一种可行的方式中，对节点a
进行聚合时，可以通过元路径选取最近的k个节点进行聚类，若选取最近的节点为节点b，则采用双塔结构分别输出节点a和节点b聚合后的特征信息，如此通过元路径聚合的节点包含了两级图结构信息。
[0121]
其中，步骤307可以通过以下方式来实现：
[0122]
步骤307a、信息确定设备确定每一节点的第一权重，第一邻居节点的第二权重、第二邻居节点的第三权重。
[0123]
在本技术实施例中，第一权重为每一节点的权重，也即是当前节点的权重；第二权重为与当前节点具有关联性的第一邻居节点的权重，第二权重可以为所有第一邻居节点的平均值，也可以是所有第一邻居节点的中值；第三权重是当前节点与第一邻居节点之间的中间节点的权重，第三权重可以为所有中间节点的平均值，也可以是所有中间节点的中值；本技术实施例不限定第一权重、第二权重和第三权重的数值。
[0124]
步骤307b、信息确定设备基于第一权重、第二权重、第三权重、第一元路径和第二元路径，对每一节点的节点特征信息、第一邻居节点的节点特征信息和第二邻居节点的节点特征信息进行聚合，得到第一特征信息。
[0125]
在本技术实施例中，基于第一权重、第二权重、第三权重、第一元路径和第二元路径，对每一节点的节点特征信息、第一邻居节点的节点特征信息和第二邻居节点的节点特征信息进行聚合，实现了节点特征、边特征和图结构信息的融合，实现了清晰的异构节点表达，也即表征用户与对象之间关联性的第一特征信息。在一种可行的方式中，对于异构图g＝(v,e,t)，其中，v为异构图的节点、e为异构图的边、t为异构图的类型；异构图中的元路径可以表示为：其中，r
n-1
为元路径；针对异构图中的任意一个节点node，元路径聚合可以表示为：采用mean聚合方法将图结构中的节点特征信息进行两级聚合后的聚合结果可以表示为：topk(n(e))指的是取的是最近邻的k个节点，δ为聚合关系，ω0、ω1、ω2分别为每一节点的权重、第一邻居节点的权重和第二邻居节点的权重。
[0126]
步骤308、信息确定设备确定共享特征信息与用户的关系，以及共享特征信息与对象的关系。
[0127]
其中，对象包括物品和内容。
[0128]
在本技术实施例中，确定共享特征信息与对象的关系，也即是确定共享特征信息与内容的关系、共享特征信息与物品的关系。在一种可行的方式中，可以基于历史行为信息确定共享特征信息与用户的关系、共享特征信息与内容的关系、共享特征信息与物品的关系。
[0129]
步骤309、信息确定设备基于共享特征信息与用户的关系以及共享特征信息与对象的关系，对共享特征信息进行划分得到用户特征信息、物品特征信息和内容特征信息。
[0130]
其中，第二特征信息包括用户特征信息、物品特征信息和内容特征信息；第二特征
信息表征用户对应的基础特征与对象对应的基础特征。
[0131]
在本技术实施例中，用户特征信息是与用户相关的特征信息，可以包括用户标识类特征、用户的基础特征、用户的统计特征、用户的行为特征等信息；物品特征信息是与物品相关的特征信息，可以包括物品标识类特征、物品的基础特征、物品的统计特征等信息；内容特征信息是与内容相关的特征信息，可以包括内容的基础特征、内容的统计类特征、内容的模态特征、内容标识类特征等信息。共享特征信息包括用户的基础特征、行为的基础特征物品的基础特征和内容的基础特征，且行为依附于用户、内容和物品存在，因此可以基于共享特征信息与用户的关系以及共享特征信息与对象的关系对共享特征信息进行划分得到用户特征信息、物品特征信息和内容特征信息。
[0132]
步骤310、信息确定设备对用户特征信息、物品特征信息和内容特征信息进行特征交叉，得到第三特征信息。
[0133]
其中，第三特征信息表征用户与对象之间的交叉特征，目标特征信息包括第一特征信息、第二特征信息和第三特征信息；目标特征信息表征用户对应的基础特征和对象对应的基础特征、用户与对象之间的关联性以及用户与对象之间的交叉特征。
[0134]
在本技术实施例中，基于域的因子分解机模型(field-aware factorization machine，ffm)，在数据非常稀疏的情况下，依然能估计出可靠的参数进行预测，考虑了特征间的交叉，对所有嵌套变量交互进行建模，指标上有着良好的表现；其中，域的概念的引入，将不同的特征域进行了划分，不再使用单一的嵌入进行表征，而是通过更多维度的交互进行建模，有更好的准确性。因此，可以采用ffm模型对用户特征信息、物品特征信息和内容特征信息进行特征交叉，以最大程度保证低维度交叉特征的效果，防止过拟合，提高模型的泛化能力。
[0135]
步骤311、信息确定设备将第一特征信息、第二特征信息和第三特征信息进行拼接，得到拼接特征信息。
[0136]
步骤312、信息确定设备基于拼接特征信息对初始模型进行模型训练，得到特征模型。
[0137]
如图4所示，本技术实施例提供的信息确定方法，在基于获取的用户针对目标应用产生的历史行为信息获取共享特征信息之后，先基于包括用户的基础特征、行为的基础特征、内容的基础特征和物品的基础特征的共享特征信息构建大规模异构图网络，然后对异构图进行分析得到节点特征信息，基于图结构中每一节点、每一节点的第一邻居节点进行一级元路径聚合，然后再基于中间节点的第二邻居节点进行二级元路径聚合得到表征用户、内容与物品之间关联性的第一特征信息；基于异构图不同类型的节点将共享特征信息天然分成不同的域得到用户特征信息、物品特征信息和内容特征信息；基于ffm对用户特征信息、物品特征信息和内容特征信息进行特征交叉得到表征用户、物品与内容的低维度交叉特征的第三特征信息；接着基于特征交互层融合第一特征信息、第二特征信息和第三特征信息，采用基于全连接层和损失函数构建的全连接层进行结果的预测。此外，本技术实施例训练得到的特征模型可以用于为用户推荐内容或物品，如果只需要为推荐内容而不需要排序结果，则可以在全连接层进行特征相似性计算后直接输出推荐结果；如果不仅需要推荐内容还需要知道内容的排序结果，则在进行特征相似性计算后再采用s型函数(sigmod)输出推荐结果。
[0138]
需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。
[0139]
本技术实施例所提供的信息确定方法，可以确定表征用户对应的基础特征和对象对应的基础特征、用户与对象之间的关联性以及用户与对象之间的交叉特征的目标特征信息，从而使得基于目标特征信息训练得到的特征模型不仅保留了用户和对象的深层特征，还保留了用户对应的基础特征和对象对应的基础特征和低维度交叉特征，模型的泛化能力更强，解决了相关技术中大幅削弱了低维度特征信息且泛化能力差的问题。
[0140]
在本技术其他实施例中，本技术实施例提供的信息确定方法可以应用于如图5所示的信息确定系统中，该系统可以包括共享特征单元401、图节点生成单元402、异构图边计算单元403、共现样本构建单元404、异构图元路径聚合单元405、域因子分解单元406、特征动态交互单元407、预测单元408；其中，共享特征单元401，用于基于历史行为信息确定表征用户的基础特征、行为的基础特征和对象的基础特征的共享特征信息，并将共享特征信息映射到相同的向量空间，以便后续进行模型训练和预测；图节点生成单元402，用于基于共享特征信息，确定目标用户、目标物品和目标内容，并将目标用户、目标物品和目标内容作为异构图节点；异构图边计算单元403，用于基于共享特征信息确定用户与物品的第一关联性、用户与内容的第二相似性以及内容与物品的第三相似性，并基于第一关联性、第二相似性和第三相似性设置节点间的边，并通过贝叶斯概率后验分数方法对边进行过滤；共现样本构建单元404，用于基于历史行为信息和异构图构建训练样本；异构图元路径聚合单元405，用于基于第一元路径和第二元路径，对每一节点的节点特征信息、第一邻居节点的节点特征信息和第二邻居节点的节点特征信息进行聚合，得到第一特征信息；域因子分解单元406，用于使用ffm模型对用户特征信息、物品特征信息和内容特征信息进行特征交叉，得到第三特征信息；特征动态交互单元407，用于基于第一特征信息、第二特征信息和第三特征信息进行拼接后的拼接特征信息构建高阶交叉特征；预测单元408，用于基于拼接特征信息对初始模型进行模型训练得到特征模型。
[0141]
基于前述实施例，本技术实施例提供一种信息确定装置，该信息确定装置可以应用于图1～3对应的实施例提供的信息确定方法中，参照图6所示，该信息确定装置5可以包括：
[0142]
获取模块51，用于获取用户针对目标应用产生的历史行为信息，并基于历史行为信息确定共享特征信息；其中，共享特征信息表征用户的属性、行为的属性和对象的属性；用户、行为和对象之间具有关联性；
[0143]
获取模块51，还用于基于共享特征信息，确定目标应用的目标特征信息；其中，目标特征信息表征用户对应的基础特征和对象对应的基础特征、用户与对象之间的关联性以及用户与对象之间的交叉特征；
[0144]
处理模块52，用于基于目标特征信息进行模型训练，得到特征模型。
[0145]
在本技术的其他实施例中，获取模块51，具体用于执行以下步骤：
[0146]
对历史行为信息进行分析，得到用户的基础特征、行为的基础特征和对象的基础特征；其中，共享特征信息包括用户的基础特征、行为的基础特征和对象的基础特征。
[0147]
在本技术的其他实施例中，获取模块51，具体用于执行以下步骤：
[0148]
基于共享特征信息构建目标应用的图结构，并对图结构进行分析得到第一特征信
息；其中，第一特征信息表征用户与对象之间的关联性；
[0149]
基于共享特征信息与用户的关系，以及共享特征信息与对象的关系，对共享特征信息进行划分得到目标应用的第二特征信息；其中，第二特征信息表征用户对应的基础特征和对象对应的基础特征；
[0150]
基于第二特征信息，得到目标应用的第三特征信息；其中，第三特征信息表征用户与对象之间的交叉特征，目标特征信息包括第一特征信息、第二特征信息和第三特征信息。
[0151]
在本技术的其他实施例中，获取模块51，具体用于执行以下步骤：
[0152]
基于共享特征信息，确定目标用户、目标物品和目标内容；其中，对象包括目标物品和目标内容；
[0153]
基于共享特征信息，确定目标用户和目标物品之间的第一关联性、目标用户和目标内容之间的第二关联性、目标物品和目标内容之间的第三关联性；
[0154]
以目标用户、目标物品和目标内容为节点，基于第一关联性、第二关联性和第三关联性设置节点间的连接关系，得到图结构。
[0155]
在本技术的其他实施例中，获取模块51，具体用于执行以下步骤：
[0156]
以目标用户、目标物品和目标内容为节点，基于第一关联性、第二关联性和第三关联性设置节点间的连接关系，得到中间图结构；
[0157]
对中间图结构中的节点和节点间的边进行优化，得到图结构。
[0158]
在本技术的其他实施例中，获取模块51，具体用于执行以下步骤：
[0159]
针对图结构中的每一节点，基于节点间的关联性，确定每一节点的第一邻居节点、每一节点与第一邻居节点之间的中间节点以及中间节点的第二邻居节点；
[0160]
确定每一节点与第一邻居节点之间的第一元路径，以及中间节点和第二邻居节点之间的第二元路径；
[0161]
基于第一元路径和第二元路径，对每一节点的节点特征信息、第一邻居节点的节点特征信息和第二邻居节点的节点特征信息进行聚合，得到第一特征信息；其中，节点特征信息表征节点的属性以及节点与图结构中其余节点之间的关联性。
[0162]
在本技术的其他实施例中，获取模块51，具体用于执行以下步骤：
[0163]
确定每一节点的第一权重，第一邻居节点的第二权重、第二邻居节点的第三权重；
[0164]
基于第一权重、第二权重、第三权重、第一元路径和第二元路径，对每一节点的节点特征信息、第一邻居节点的节点特征信息和第二邻居节点的节点特征信息进行聚合，得到第一特征信息。
[0165]
在本技术的其他实施例中，获取模块51，具体用于执行以下步骤：
[0166]
确定共享特征信息与用户的关系，以及共享特征信息与对象的关系；其中，对象包括物品和内容；
[0167]
基于共享特征信息与用户的关系以及共享特征信息与对象的关系，对共享特征信息进行划分得到用户特征信息、物品特征信息和内容特征信息；其中，第二特征信息包括用户特征信息、物品特征信息和内容特征信息。
[0168]
相应的，获取模块51，具体用于执行以下步骤：
[0169]
对用户特征信息、物品特征信息和内容特征信息进行特征交叉，得到第三特征信息。
[0170]
在本技术的其他实施例中，处理模块52，具体用于执行以下步骤：
[0171]
将第一特征信息、第二特征信息和第三特征信息进行拼接，得到拼接特征信息；
[0172]
基于拼接特征信息对初始模型进行模型训练，得到特征模型。
[0173]
需要说明的是，各个单元所执行的步骤的具体说明可以参照图1～3对应的实施例提供的信息确定方法中，此处不再赘述。
[0174]
本技术实施例所提供的信息确定装置，可以确定表征用户对应的基础特征和对象对应的基础特征、用户与对象之间的关联性以及用户与对象之间的交叉特征的目标特征信息，从而使得基于目标特征信息训练得到的特征模型不仅保留了用户和对象的深层特征，还保留了用户对应的基础特征和对象对应的基础特征和低维度交叉特征，模型的泛化能力更强，解决了相关技术中大幅削弱了低维度特征信息且泛化能力差的问题。
[0175]
基于前述实施例，本技术的实施例提供一种信息确定设备，该信息确定设备可以应用于图1～3对应的实施例提供的信息确定方法中，参照图7所示，该信息确定设备6可以包括：处理器61、存储器62和通信总线63，其中：
[0176]
通信总线63用于实现处理器61和存储器62之间的通信连接；
[0177]
处理器61用于执行存储器62中的信息确定程序，以实现以下步骤：
[0178]
获取用户针对目标应用产生的历史行为信息，并基于历史行为信息确定共享特征信息；其中，共享特征信息表征用户的属性、行为的属性和对象的属性；用户、行为和对象之间具有关联性；
[0179]
基于共享特征信息，确定目标应用的目标特征信息；其中，目标特征信息表征用户对应的基础特征和对象对应的基础特征、用户与对象之间的关联性以及用户与对象之间的交叉特征；
[0180]
基于目标特征信息进行模型训练，得到特征模型。
[0181]
在本技术的其他实施例中，处理器61用于执行存储器62中的信息确定程序的基于历史行为信息确定共享特征信息，以实现以下步骤：
[0182]
对历史行为信息进行分析，得到用户的基础特征、行为的基础特征和对象的基础特征；其中，共享特征信息包括用户的基础特征、行为的基础特征和对象的基础特征。
[0183]
在本技术的其他实施例中，处理器61用于执行存储器62中的信息确定程序的基于共享特征信息，确定目标应用的目标特征信息，以实现以下步骤：
[0184]
基于共享特征信息构建目标应用的图结构，并对图结构进行分析得到第一特征信息；其中，第一特征信息表征用户与对象之间的关联性；
[0185]
基于共享特征信息与用户的关系，以及共享特征信息与对象的关系，对共享特征信息进行划分得到目标应用的第二特征信息；其中，第二特征信息表征用户对应的基础特征和对象对应的基础特征；
[0186]
基于第二特征信息，得到目标应用的第三特征信息；其中，第三特征信息表征用户与对象之间的交叉特征，目标特征信息包括第一特征信息、第二特征信息和第三特征信息。
[0187]
在本技术的其他实施例中，处理器61用于执行存储器62中的信息确定程序的基于共享特征信息构建目标应用的图结构，以实现以下步骤：
[0188]
基于共享特征信息，确定目标用户、目标物品和目标内容；其中，对象包括目标物品和目标内容；
[0189]
基于共享特征信息，确定目标用户和目标物品之间的第一关联性、目标用户和目标内容之间的第二关联性、目标物品和目标内容之间的第三关联性；
[0190]
以目标用户、目标物品和目标内容为节点，基于第一关联性、第二关联性和第三关联性设置节点间的连接关系，得到图结构。
[0191]
在本技术的其他实施例中，处理器61用于执行存储器62中的信息确定程序的以目标用户、目标物品和目标内容为节点，基于第一关联性、第二关联性和第三关联性设置节点间的连接关系，得到图结构，以实现以下步骤：
[0192]
以目标用户、目标物品和目标内容为节点，基于第一关联性、第二关联性和第三关联性设置节点间的连接关系，得到中间图结构；
[0193]
对中间图结构中的节点和节点间的边进行优化，得到图结构。
[0194]
在本技术的其他实施例中，处理器61用于执行存储器62中的信息确定程序的对图结构进行分析得到第一特征信息，以实现以下步骤：
[0195]
针对图结构中的每一节点，基于节点间的关联性，确定每一节点的第一邻居节点、每一节点与第一邻居节点之间的中间节点以及中间节点的第二邻居节点；
[0196]
确定每一节点与第一邻居节点之间的第一元路径，以及中间节点和第二邻居节点之间的第二元路径；
[0197]
基于第一元路径和第二元路径，对每一节点的节点特征信息、第一邻居节点的节点特征信息和第二邻居节点的节点特征信息进行聚合，得到第一特征信息；其中，节点特征信息表征节点的属性以及节点与图结构中其余节点之间的关联性。
[0198]
在本技术的其他实施例中，处理器61用于执行存储器62中的信息确定程序的基于第一元路径和第二元路径，对每一节点的节点特征信息、第一邻居节点的节点特征信息和第二邻居节点的节点特征信息进行聚合，得到第一特征信息，以实现以下步骤：
[0199]
确定每一节点的第一权重，第一邻居节点的第二权重、第二邻居节点的第三权重；
[0200]
基于第一权重、第二权重、第三权重、第一元路径和第二元路径，对每一节点的节点特征信息、第一邻居节点的节点特征信息和第二邻居节点的节点特征信息进行聚合，得到第一特征信息。
[0201]
在本技术的其他实施例中，处理器61用于执行存储器62中的信息确定程序的基于共享特征信息与用户的关系，以及共享特征信息与对象的关系，对共享特征信息进行划分得到目标应用的第二特征信息，以实现以下步骤：
[0202]
确定共享特征信息与用户的关系，以及共享特征信息与对象的关系；其中，对象包括物品和内容；
[0203]
基于共享特征信息与用户的关系以及共享特征信息与对象的关系，对共享特征信息进行划分得到用户特征信息、物品特征信息和内容特征信息；其中，第二特征信息包括用户特征信息、物品特征信息和内容特征信息。
[0204]
相应的，处理器61用于执行存储器62中的信息确定程序的基于第二特征信息，得到目标应用的第三特征信息，以实现以下步骤：
[0205]
对用户特征信息、物品特征信息和内容特征信息进行特征交叉，得到第三特征信息。
[0206]
在本技术的其他实施例中，处理器61用于执行存储器62中的信息确定程序的基于
目标特征信息进行模型训练，得到特征模型，以实现以下步骤：
[0207]
将第一特征信息、第二特征信息和第三特征信息进行拼接，得到拼接特征信息；
[0208]
基于拼接特征信息对初始模型进行模型训练，得到特征模型。
[0209]
需要说明的是，处理器所执行的步骤的具体说明可以参照图1～3对应的实施例提供的信息确定方法中，此处不再赘述。
[0210]
本技术实施例所提供的信息确定设备，可以确定表征用户对应的基础特征和对象对应的基础特征、用户与对象之间的关联性以及用户与对象之间的交叉特征的目标特征信息，从而使得基于目标特征信息训练得到的特征模型不仅保留了用户和对象的深层特征，还保留了用户对应的基础特征和对象对应的基础特征和低维度交叉特征，模型的泛化能力更强，解决了相关技术中大幅削弱了低维度特征信息且泛化能力差的问题。
[0211]
基于前述实施例，本技术的实施例提供一种计算机可读存储介质，该计算机可读存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现图1～3对应的实施例提供的信息确定方法的步骤。
[0212]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0213]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0214]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0215]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0216]
以上，仅为本技术的较佳实施例而已，并非用于限定本技术的保护范围。