信息流推荐方法、装置及计算机程序产品与流程

技术特征：
1.一种信息流推荐方法，包括：获取第一用户在信息流推荐场景下的特征信息；通过多因子融合参数网络，根据所述特征信息确定因子集合中的各因子对应的第一权重，其中，所述因子集合中的因子表征信息流推荐过程中所需考虑的指标信息；通过门控筛选网络，根据所述特征信息确定所述因子集合中的各因子对应的第二权重；根据所述第一权重和所述第二权重，确定所述因子集合中适用于所述信息流推荐场景下的所述第一用户的目标因子；根据所述目标因子，确定并向所述第一用户推送所述信息流推荐场景下的所述第一用户对应的推荐结果。2.根据权利要求1所述的方法，其中，所述通过门控筛选网络，根据所述特征信息确定所述因子集合中的各因子对应的第二权重，包括：通过所述门控筛选网络，根据所述特征信息确定所述因子集合中的各因子对应的初始第二权重；通过预设激活函数将各因子对应的初始第二权重转化为0/1，得到各因子对应的第二权重。3.根据权利要求1或2所述的方法，其中，所述根据所述第一权重和所述第二权重，确定所述因子集合中适用于所述信息流推荐场景下的所述第一用户的目标因子，包括：将所述因子集合中的各因子对应的第一权重和第二权重相乘，得到权重乘积；根据所述因子集合中的各因子对应的权重乘积，确定所述因子集合中适用于所述信息流推荐场景下的所述第一用户的目标因子。4.根据权利要求1所述的方法，其中，还包括：获取所述第一用户对于所述推荐结果的反馈信息；采用进化策略，根据所述反馈信息调整所述多因子融合参数网络的参数和所述门控筛选网络的参数，以通过调整后的多因子融合参数网络和门控筛选网络执行后续用户在所述信息流推荐场景下的推荐任务。5.一种模型训练方法，包括：获取第二用户在信息流推荐场景下的特征信息；通过初始多因子融合参数网络，根据所述特征信息确定因子集合中的各因子对应的第一权重，其中，所述因子集合中的因子表征信息流推荐过程中所需考虑的指标信息；通过初始门控筛选网络，根据所述特征信息确定所述因子集合中的各因子对应的第二权重；根据所述第一权重和所述第二权重，确定所述因子集合中适用于所述信息流推荐场景下的所述第二用户的目标因子；根据所述目标因子确定所述信息流推荐场景下的所述第二用户对应的推荐结果；采用进化策略，根据所述第二用户对于所述推荐结果的反馈信息，调整所述初始多因子融合参数网络的参数和所述初始门控筛选网络的参数，以得到训练后的多因子融合参数网络和门控筛选网络。6.根据权利要求5所述的方法，其中，所述通过初始门控筛选网络，根据所述特征信息
确定所述因子集合中的各因子对应的第二权重，包括：通过所述初始门控筛选网络，根据所述特征信息确定所述因子集合中的各因子对应的初始第二权重；通过预设激活函数将各因子对应的初始第二权重转化为0/1，得到各因子对应的第二权重。7.根据权利要求5或6所述的方法，其中，所述根据所述第一权重和所述第二权重，确定所述因子集合中适用于所述信息流推荐场景下的所述第二用户的目标因子，包括：将所述因子集合中的各因子对应的第一权重和第二权重相乘，得到权重乘积；根据所述因子集合中的各因子对应的权重乘积，确定所述因子集合中适用于所述信息流推荐场景下的所述第二用户的目标因子。8.一种信息流推荐装置，包括：第一获取单元，被配置成获取第一用户在信息流推荐场景下的特征信息；第一确定单元，被配置成通过多因子融合参数网络，根据所述特征信息确定因子集合中的各因子对应的第一权重，其中，所述因子集合中的因子表征信息流推荐过程中所需考虑的指标信息；第二确定单元，被配置成通过门控筛选网络，根据所述特征信息确定所述因子集合中的各因子对应的第二权重；第三确定单元，被配置成根据所述第一权重和所述第二权重，确定所述因子集合中适用于所述信息流推荐场景下的所述第一用户的目标因子；推荐单元，被配置成根据所述目标因子，确定并向所述第一用户推送所述信息流推荐场景下的所述第一用户对应的推荐结果。9.根据权利要求8所述的装置，其中，所述第二确定单元，进一步被配置成：通过所述门控筛选网络，根据所述特征信息确定所述因子集合中的各因子对应的初始第二权重；通过预设激活函数将各因子对应的初始第二权重转化为0/1，得到各因子对应的第二权重。10.根据权利要求8或9所述的装置，其中，所述第三确定单元，进一步被配置成：将所述因子集合中的各因子对应的第一权重和第二权重相乘，得到权重乘积；根据所述因子集合中的各因子对应的权重乘积，确定所述因子集合中适用于所述信息流推荐场景下的所述第一用户的目标因子。11.根据权利要求8所述的装置，其中，还包括：反馈单元，被配置成获取所述第一用户对于所述推荐结果的反馈信息；进化单元，被配置成采用进化策略，根据所述反馈信息调整所述多因子融合参数网络的参数和所述门控筛选网络的参数，以通过调整后的多因子融合参数网络和门控筛选网络执行后续用户在所述信息流推荐场景下的推荐任务。12.一种模型训练装置，包括：第二获取单元，被配置成获取第二用户在信息流推荐场景下的特征信息；第四确定单元，被配置成通过初始多因子融合参数网络，根据所述特征信息确定因子集合中的各因子对应的第一权重，其中，所述因子集合中的因子表征信息流推荐过程中所需考虑的指标信息；
第五确定单元，被配置成通过初始门控筛选网络，根据所述特征信息确定所述因子集合中的各因子对应的第二权重；第六确定单元，被配置成根据所述第一权重和所述第二权重，确定所述因子集合中适用于所述信息流推荐场景下的所述第二用户的目标因子；第七确定单元，被配置成根据所述目标因子确定所述信息流推荐场景下的所述第二用户对应的推荐结果；训练单元，被配置成采用进化策略，根据所述第二用户对于所述推荐结果的反馈信息，调整所述初始多因子融合参数网络的参数和所述初始门控筛选网络的参数，以得到训练后的多因子融合参数网络和门控筛选网络。13.根据权利要求12所述的装置，其中，所述第五确定单元，进一步被配置成：通过所述初始门控筛选网络，根据所述特征信息确定所述因子集合中的各因子对应的初始第二权重；通过预设激活函数将各因子对应的初始第二权重转化为0/1，得到各因子对应的第二权重。14.根据权利要求12或13所述的装置，其中，所述第六确定单元，进一步被配置成：将所述因子集合中的各因子对应的第一权重和第二权重相乘，得到权重乘积；根据所述因子集合中的各因子对应的权重乘积，确定所述因子集合中适用于所述信息流推荐场景下的所述第二用户的目标因子。15.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。16.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。17.一种计算机程序产品，包括：计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。

技术总结
本公开提供了一种信息流推荐方法、装置、电子设备、存储介质及程序产品，涉及人工智能技术领域，具体涉及进化策略技术领域。具体实现方案为：获取第一用户在信息流推荐场景下的特征信息；通过多因子融合参数网络，根据特征信息确定因子集合中的各因子对应的第一权重，其中，因子集合中的因子表征信息流推荐过程中所需考虑的指标信息；通过门控筛选网络，根据特征信息确定因子集合中的各因子对应的第二权重；根据第一权重和第二权重，确定因子集合中适用于信息流推荐场景下的第一用户的目标因子；根据目标因子，确定并向第一用户推送信息流推荐场景下的第一用户对应的推荐结果。本公开提高了推荐结果的准确度。公开提高了推荐结果的准确度。公开提高了推荐结果的准确度。


技术研发人员：邓罗丹
受保护的技术使用者：百度在线网络技术（北京）有限公司
技术研发日：2022.07.20
技术公布日：2022/10/18