数据处理方法、装置、存储介质及设备

技术特征：
1.一种数据处理方法，其特征在于，包括：获取样本推荐对象集合；所述样本推荐对象集合包括n个候选推荐对象，n为正整数；将所述n个候选推荐对象中每个候选推荐对象分别对应的对象特征，以及被推荐用户对应的用户特征输入初始预测模型中，通过所述初始预测模型预测用于向所述被推荐用户进行推荐的目标推荐对象；所述n个候选推荐对象包括所述目标推荐对象；根据所述目标推荐对象对应的用户反馈标签以及所述目标推荐对象对应的预测推荐特征，确定所述初始预测模型对应的候选模型参数以及所述候选模型参数对应的调整度；所述调整度具备随机性；根据所述候选模型参数以及所述调整度，确定所述初始预测模型对应的参数随机采样区间，从所述参数随机采样区间中确定所述初始预测模型对应的目标模型参数；根据所述目标模型参数，对所述初始预测模型进行参数更新，当参数更新后的初始预测模型满足收敛条件时，将所述满足收敛条件的初始预测模型确定为目标预测模型；所述目标预测模型用于为用户预测推荐对象。2.根据权利要求1所述的方法，其特征在于，所述将所述n个候选推荐对象中每个候选推荐对象分别对应的对象特征以及被推荐用户对应的用户特征输入初始预测模型中，通过所述初始预测模型预测用于向所述被推荐用户进行推荐的目标推荐对象，包括：获取所述n个候选推荐对象中每个候选推荐对象分别对应的对象特征以及所述目标用户对应的用户特征；将n个对象特征分别与所述用户特征进行组合，得到所述每个候选推荐对象分别对应的组合特征；将所述每个候选推荐对象分别对应的组合特征输入所述初始预测模型中，通过所述初始预测模型输出所述每个候选推荐对象分别对应的预测推荐概率；将最大的预测推荐概率所对应的候选推荐对象确定为所述目标推荐对象。3.根据权利要求2所述的方法，其特征在于，所述将所述每个候选推荐对象分别对应的组合特征输入所述初始预测模型中，通过所述初始预测模型输出所述每个候选推荐对象分别对应的预测推荐概率，包括：将所述每个候选推荐对象分别对应的组合特征输入初始预测模型中，通过所述初始预测模型中的嵌入层，对所述每个候选推荐对象分别对应的组合特征进行特征编码，得到所述每个候选推荐对象分别对应的嵌入特征向量；基于所述初始预测模型中的连接层，对所述每个候选推荐对象分别对应的嵌入特征向量进行拼接处理，得到拼接特征向量；将所述拼接特征向量输入至所述初始预测模型中的全连接隐藏层，通过所述全连接隐藏层输出所述n个候选推荐对象对应的预测推荐特征；基于所述初始预测模型中的分类器，对所述n个候选推荐对象对应的预测推荐特征进行分类处理，得到所述每个候选推荐对象分别对应的预测推荐概率。4.根据权利要求3所述的方法，其特征在于，所述全连接隐藏层包括第一全连接层、第二全连接层以及激活层；所述基于所述初始预测模型中的全连接隐藏层，通过所述全连接隐藏层输出所述n个候选推荐对象对应的预测推荐特征，包括：
将所述拼接特征向量输入所述第一全连接层中，通过所述第一全连接层对应的权重矩阵，对所述拼接特征向量进行卷积处理，得到第一推荐特征向量；将所述第一推荐特征向量输入所述第二全连接层，通过所述第二全连接层对应的权重矩阵，对所述第一推荐特征向量进行卷积处理，得到第二推荐特征向量；将所述第二推荐特征向量输入所述激活层，通过所述激活层对所述第二推荐特征向量进行激活处理，得到所述n个候选推荐对象对应的预测推荐特征。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述目标推荐对象发送给用户终端，以使所述用户终端获取针对所述目标推荐对象的用户转化反馈信息；接收所述用户终端返回的所述用户转化反馈信息，根据所述用户转化反馈信息生成所述目标推荐对象对应的用户反馈标签。6.根据权利要求1所述的方法，其特征在于，所述根据所述目标推荐对象对应的用户反馈标签以及所述目标推荐对象对应的预测推荐特征，确定所述初始预测模型对应的候选模型参数以及所述候选模型参数对应的调整度，包括：根据所述用户反馈标签以及所述目标推荐对象对应的预测推荐特征，确定所述初始预测模型对应的损失函数；根据所述损失函数，确定用于对所述初始预测模型中的初始模型参数进行参数调整的候选模型参数；根据所述候选模型参数和所述初始预测模型中的初始模型参数，确定所述候选模型参数对应的调整度。7.根据权利要求6所述的方法，其特征在于，所述根据所述候选模型参数和所述初始预测模型中的初始模型参数，确定所述候选模型参数对应的调整度，包括：从更新系数区间中随机选择目标更新系数；获取所述目标更新系数与所述初始预测模型中的初始模型参数的第一乘积；根据所述第一乘积以及所述候选模型参数，确定所述候选模型参数对应的调整度。8.根据权利要求7所述的方法，其特征在于，所述根据所述第一乘积以及所述候选模型参数，确定所述候选模型参数对应的调整度，包括：根据所述第一乘积，对所述候选模型参数进行调整，得到更新候选模型参数；获取所述更新候选模型参数与所述候选模型参数之间的参数差值；根据所述参数差值确定所述候选模型参数对应的调整度。9.根据权利要求8所述的方法，其特征在于，所述根据所述参数差值确定所述候选模型参数对应的调整度，包括：从随机度系数区间中随机获取目标随机度系数；获取所述目标随机度系数与所述参数差值之间的第二乘积，将所述第二乘积确定为所述候选模型参数对应的调整度。10.根据权利要求1所述的方法，其特征在于，所述根据所述候选模型参数以及所述调整度，确定所述初始预测模型对应的参数随机采样区间，从所述参数随机采样区间中确定所述初始预测模型对应的目标模型参数，包括：将所述候选模型参数确定为参数均值，将所述调整度确定为标准差，根据所述参数均
值以及所述标准差，确定与所述候选模型参数相关联的正态分布，将所述正态分布确定为所述初始预测模型对应的参数随机采样区间；在所述参数随机采样区间中进行随机采样，得到所述初始预测模型对应的目标模型参数。11.根据权利要求1所述的方法，其特征在于，所述根据所述目标模型参数，对所述初始预测模型进行参数更新，当参数更新后的初始预测模型满足收敛条件时，将所述满足收敛条件的初始预测模型确定目标预测模型，包括：根据所述目标模型参数，对所述初始预测模型中的初始模型参数进行参数更新，得到参数更新后的初始预测模型；若所述参数更新后的初始预测模型对应的调整度为目标调整阈值，则确定所述参数更新后的初始预测模型满足收敛条件，将满足收敛条件的所述参数更新后的初始预测模型确定为所述目标预测模型。12.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取目标用户对应的目标用户特征，获取待推荐对象集合中每个待推荐对象分别对应的对象特征；将所述目标用户特征以及所述每个待推荐对象分别对应的对象特征输入所述目标预测模型中，通过所述目标预测模型输出所述每个待推荐对象分别对应的推荐概率；根据所述每个待推荐对象分别对应的推荐概率，从所述待推荐对象集合中确定用于向所述目标用户进行推荐的用户推荐对象，将所述用户推荐对象发送至所述目标用户所属的目标用户终端，以使所述目标用户终端输出所述用户推荐对象。13.一种数据处理装置，其特征在于，包括：第一获取模块，用于获取样本推荐对象集合；所述样本推荐对象集合包括n个候选推荐对象，n为正整数；预测模块，用于将所述n个候选推荐对象中每个候选推荐对象分别对应的对象特征，以及被推荐用户对应的用户特征输入初始预测模型中，通过所述初始预测模型预测用于向所述被推荐用户进行推荐的目标推荐对象；所述n个候选推荐对象包括所述目标推荐对象；第一确定模块，用于根据所述目标推荐对象对应的用户反馈标签以及所述目标推荐对象对应的预测推荐特征，确定所述初始预测模型对应的候选模型参数以及所述候选模型参数对应的调整度；所述调整度具备随机性；第二确定模块，用于根据所述候选模型参数以及所述调整度，确定所述初始预测模型对应的参数随机采样区间，从所述参数随机采样区间中确定所述初始预测模型对应的目标模型参数；参数更新模块，用于根据所述目标模型参数，对所述初始预测模型进行参数更新，当参数更新后的初始预测模型满足收敛条件时，将所述满足收敛条件的初始预测模型确定为目标预测模型；所述目标预测模型用于为用户预测推荐对象。14.一种计算机设备，其特征在于，包括：处理器及存储器；存储器存储有计算机程序，计算机程序被损失处理器执行时，处理器执行权利要求1至12任一项的方法。15.一种计算机可读存储介质，其特征在于，计算机可读存储介质中存储有计算机程
序，所示计算机程序适于由处理器加载并执行权利要求1至12任一项的方法。

技术总结
本申请实施例公开了一种数据处理方法、装置、存储介质及设备。方法包括：获取样本推荐对象集合中的N个候选推荐对象，将每个候选推荐对象分别对应的对象特征，以及被推荐用户对应的用户特征输入初始预测模型中，通过初始预测模型预测目标推荐对象；根据目标推荐对象对应的用户反馈标签以及目标推荐对象对应的预测推荐特征，确定初始预测模型对应的候选模型参数以及候选模型参数对应的调整度；根据候选模型参数以及调整度，确定初始预测模型对应的目标模型参数；根据目标模型参数，对初始预测模型进行参数更新，将满足收敛条件的初始预测模型确定目标预测模型。通过本申请，可以提高目标预测模型进行对象推荐的预测准确率。标预测模型进行对象推荐的预测准确率。标预测模型进行对象推荐的预测准确率。


技术研发人员：李昊明 杨钊 敖翔 何清 汪伟 康延荣 谭骜 翟小龙 邱晓杰 余献文 翟耀 何琳 张枫 卢雨洁
受保护的技术使用者：中国科学院计算技术研究所
技术研发日：2021.05.10
技术公布日：2022/11/10