CN113836347A - 推荐方法、装置及电子设备 - Google Patents

Abstract

本公开关于一种推荐方法、装置及电子设备。其中，该方法包括：从目标用户的历史数据中，获取多个样本对象的样本数据，其中，历史数据包括目标用户浏览过的多个样本对象的样本数据，样本数据包括各个样本对象的多个属性指标；基于各个样本对象的多个属性指标，确定各个属性指标对目标用户选择浏览对象的影响度；根据多个属性指标对目标用户选择浏览对象的影响度，为目标用户推荐预设数量的目标对象。可以通过多个对用户选择浏览对象有影响的属性指标，来为用户推荐目标对象，提高了推荐的准确性，同时考虑多个属性指标，提高了推荐效率。

Description

推荐方法、装置及电子设备

技术领域

本公开涉及推荐领域，尤其涉及一种推荐方法、装置及电子设备。

背景技术

在视频推荐领域中，为了达到更好的个性化推荐结果，会对候选集的视频进行打分，再将各视频根据分数从高到低排序推送给用户，因此，视频的得分会影响用户的观看选择。一个推荐***的好坏，往往取决于视频排序过程。为了在排序过程中考虑各种因素的影响，如视频的标签、视频的质量、用户的画像等，目前的一些方案是训练一个或多个模型来拟合用户的喜好，以使得用户喜欢的视频排在前面。

常见的训练模型有单目标学习模型和多目标加权优化模型。但是，单目标学习模型只能学习单个目标，不能很好地刻画用户的喜好，导致视频推荐效果不好。而多个单目标加权优化模型需要将每个目标构建一个学习模型，再根据不同场景下的业务目标，不断调整各目标的权重，工作量大效率低。

发明内容

本公开提供一种推荐方法、装置及电子设备，以至少解决相关技术中的目标学习模型不能准确客户用户喜好且效率低的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种推荐方法，包括：

从目标用户的历史数据中，获取多个样本对象的样本数据，其中，所述历史数据包括所述目标用户浏览过的多个样本对象的样本数据，所述样本数据包括各个所述样本对象的多个属性指标；

基于各个所述样本对象的多个属性指标，确定各个所述属性指标对所述目标用户选择浏览对象的影响度；

根据多个所述属性指标对所述目标用户选择浏览对象的影响度，为所述目标用户推荐预设数量的目标对象。

在一种可能的实现方式中，所述基于各个所述样本对象的多个属性指标，确定各个所述属性指标对所述目标用户选择浏览对象的影响度，包括：

根据各个所述样本对象的多个属性指标，确定多个所述属性指标对与其对应的各个所述样本对象的初始影响度；

根据多个所述属性指标对与其对应的各个所述样本对象的初始影响度，确定各个所述属性指标对所述目标用户选择浏览对象的影响度。

在一种可能的实现方式中，所述根据多个所述属性指标对与其对应的各个所述样本对象的初始影响度，确定各个所述属性指标对所述目标用户选择浏览对象的影响度，包括：

根据多个所述属性指标对与其对应的各个所述样本对象的初始影响度，确定各个所述属性指标对所述目标用户浏览过的多个样本对象的平均影响度，并将所述平均影响度作为各个所述属性指标对所述目标用户选择浏览对象的影响度。

在一种可能的实现方式中，从目标用户的历史数据中，获取多个样本对象的样本数据，包括：

对所述历史数据进行数据预处理，得到包含多个属性指标的多个样本对象。

在一种可能的实现方式中，在对所述历史数据进行数据预处理之后，所述方法还包括：

针对所述历史数据中任一所述样本对象，利用二值化编码算法对所述样本对象的多个属性指标进行二值化编码，得到所述样本对象的多个属性指标。

根据本公开实施例的第二方面，提供一种推荐装置，包括：

获取模块，被配置为从目标用户的历史数据中，获取多个样本对象的样本数据，其中，所述历史数据包括所述目标用户浏览过的多个样本对象的样本数据，所述样本数据包括各个所述样本对象的多个属性指标；

确定模块，被配置为基于各个所述样本对象的多个属性指标，确定各个所述属性指标对所述目标用户选择浏览对象的影响度；

推荐模块，被配置为根据多个所述属性指标对所述目标用户选择浏览对象的影响度，为所述目标用户推荐预设数量的目标对象。

在一种可能的实现方式中，所述确定模块包括：

第一确定单元，被配置为根据各个所述样本对象的多个属性指标，确定多个所述属性指标对与其对应的各个所述样本对象的初始影响度；

第二确定单元，被配置为根据多个所述属性指标对与其对应的各个所述样本对象的初始影响度，确定各个所述属性指标对所述目标用户选择浏览对象的影响度。

在一种可能的实现方式中，所述第二确定单元用于：

根据多个所述属性指标对与其对应的各个所述样本对象的初始影响度，确定各个所述属性指标对所述目标用户浏览过的多个样本对象的平均影响度，并将所述平均影响度作为各个所述属性指标对所述目标用户选择浏览对象的影响度。

在一种可能的实现方式中，所述获取模块包括：

预处理单元，被配置为对所述历史数据进行数据预处理，得到包含多个属性指标的多个样本对象。

在一种可能的实现方式中，所述获取模块还包括：

编码单元，被配置为针对所述历史数据中任一所述样本对象，利用二值化编码算法对所述样本对象的多个属性指标进行二值化编码，得到所述样本对象的多个属性指标。

根据本公开实施例的第三个方面，提供了一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现上述任一种推荐方法。

根据本公开实施例的第四个方面，提供了一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一种推荐方法。

根据本公开实施例的第五方面，提供一种计算机程序产品，当所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行上述任一种推荐方法。

本公开的实施例提供的技术方案至少带来以下有益效果：

在本公开的实施例提供的技术方案中，首先从目标用户的历史数据中，获取多个样本对象的样本数据，然后基于各个样本对象的多个属性指标，确定各个属性指标对目标用户选择浏览对象的影响度，最后根据多个属性指标对目标用户选择浏览对象的影响度，为目标用户推荐预设数量的目标对象。可以通过多个对用户选择浏览对象有影响的属性指标，来为用户推荐目标对象，提高了推荐的准确性，同时考虑多个属性指标，提高了推荐效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。

图1是根据一示例性实施例示出的一种推荐方法的流程图；

图2是根据一示例性实施例示出的一种推荐方法的流程图；

图3是根据一示例性实施例示出的一种推荐装置的框图；

图4是根据一示例性实施例示出的一种电子设备的框图；

图5是根据一示例性实施例示出的一种电子设备的框图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

本公开实施例提供了一种推荐方法、装置及电子设备，该推荐方法可适用于任何一种具备推荐功能的应用，例如，可以是小说阅读类应用、短视频类应用、直播类应用等等，对于任一具备推荐功能的应用可以预设多个推荐场景，例如，小说阅读类应用的推荐场景可以包括热榜推荐场景、完结类推荐场景、热搜推荐场景等，短视频类应用的推荐场景可以包括热门推荐场景、同城推荐场景等，直播类应用的推荐场景可以包括首页推荐场景、娱乐推荐场景、热门推荐场景等。本公开可以是为用户推荐任一推荐场景下的内容。本公开实施例可以由推荐装置执行，该装置可以集成于移动终端设备(例如，智能手机、平板电脑等)、笔记本或固定终端(台式电脑)中，该推荐装置可以通过硬件和/或软件实现。

图1是根据一示例性实施例示出的一种推荐方法的流程图。如图所示，本公开实施例提供的推荐方法可以包括：步骤S11至步骤S13所示的步骤。

在步骤S11中，从目标用户的历史数据中，获取多个样本对象的样本数据。

其中，历史数据可以包括目标用户浏览过的多个样本对象的样本数据，样本数据包括各个样本对象的多个属性指标。

在本公开实施例中，历史数据具体可以包括观看的电影、电视剧、综艺或动漫等的类型、数量、观看时长、观看频率等等数据，然后可以在上述数据中获取多个样本对象的样本数据。其中，样本对象指的是上述各类型中的一种或多种类型的具体的某电影或某电视剧等等。样本数据是指类型、观看时长、观看频率等数据，多个属性指标可以更加全面的刻画出目标用户的观看喜好，以便可以更好的为用户推荐浏览对象。

在步骤S12中，基于各个样本对象的多个属性指标，确定各个属性指标对目标用户选择浏览对象的影响度。

在本公开实施例中，可以基于上述步骤获取的多个样本数据的多个属性指标，进一步分析各个属性指标对用户选择浏览对象的影响度，也就是，可以确定每个属性指标所占的百分比，进而可以更准确地为用户推荐满足用户喜好的浏览对象。

在步骤S13中，根据多个属性指标对目标用户选择浏览对象的影响度，为目标用户推荐预设数量的目标对象。

在本公开实施例中，根据上述确定出的多个属性指标对目标用户选择浏览对象的影响度，在数据库中选取预设数量的对象，作为目标对象推荐给目标用户。其中，数据库中存储有大量的数据，由于为用户推荐的数据对时效性的要求较低，可以大量数据存储在数据库中，当用户获取时，可以根据上述确定的影响度，为用户推荐目标对象，既满足用户的喜好，又提高了推荐效率，提升用户体验。

因此，在本公开实施例中，首先从目标用户的历史数据中，获取多个样本对象的样本数据，然后基于各个样本对象的多个属性指标，确定各个属性指标对目标用户选择浏览对象的影响度，最后根据多个属性指标对目标用户选择浏览对象的影响度，为目标用户推荐预设数量的目标对象。可以通过多个对用户选择浏览对象有影响的属性指标，来为用户推荐目标对象，提高了推荐的准确性，同时考虑多个属性指标，提高了推荐效率。

在本公开的一个可能的实施方式中，如图2所示，为本公开一示例性实施例示出的一种推荐方法的流程图。如图所示，基于各个样本对象的多个属性指标，确定各个属性指标对目标用户选择浏览对象的影响度，可以包括：步骤S121至步骤S122所示的内容。

在步骤S121中，根据各个样本对象的多个属性指标，确定多个属性指标对与其对应的各个样本对象的初始影响度。

在本公开实施例中，每个样本对象均包括多个属性指标，该多个属性指标综合起来可以表征该样本对象的综合属性。可以根据各个样本对象的多个属性指标，确定出每个样本对象的属性指标对该样本对象的初始影响度。

在步骤S122中，根据多个属性指标对与其对应的各个样本对象的初始影响度，确定各个属性指标对目标用户选择浏览对象的影响度。

在本公开实施例中，根据上述确定的多个属性指标的初始影响度，可以进一步确定出各个属性指标对目标用户选择浏览对象的影响度，例如，确定出的各个样本对象中初始影响度中类型为搞笑内容的影响度占比较大，说明该目标用户喜欢喜剧类型的浏览对象，就可以为目标用户推荐偏喜剧类的浏览对象。

在本公开的一个可能的实施方式中，根据多个属性指标对与其对应的各个样本对象的初始影响度，确定各个属性指标对目标用户选择浏览对象的影响度可以包括：根据多个属性指标对与其对应的各个样本对象的初始影响度，确定各个属性指标对目标用户浏览过的多个样本对象的平均影响度，并将平均影响的作为各个属性指标对目标用户选择浏览对象的影响度。

也就是，可以将多个样本对象的各个属性指标的初始影响度的平均值，作为各个属性指标对目标用户选择浏览对象的影响度。由于属性指标是用来刻画目标用户的观看喜好的，因此将获取的各个属性指标的多个初始值的平均值作为各个属性指标对目标用户选择浏览对象的影响度，可以准确地刻画出用户的浏览喜好。

在本公开的一个可能的实施方式中，根据多个属性指标对与其对应的各个样本对象的初始影响度，确定各个属性指标对目标用户选择浏览对象的影响度，可以包括：

在本公开的一个可能的实施方式中，从目标用户的历史数据中，获取多个样本对象的样本数据，可以包括以下步骤。

步骤S111、对历史数据进行数据预处理，得到包含多个属性指标的多个样本对象。

其中，历史数据可以通过爬虫来获取。数据预处理包括对数据的清洗、记录聚合以及样本采集等。

在本公开实施例中，通过将历史数据进行上述数据的预处理后，得到包含多个属性指标的多个样本对象。在数据处理之前进行上述数据预处理技术，可以大大提高数据的质量，降低实际数据处理所需要的时间，提高效率。

在本公开的一个可能的实施方式中，在对历史数据进行数据预处理之后，该推荐方法还可以包括以下步骤。

步骤S112、针对历史数据中任一样本对象，利用二值化编码算法对样本对象的多个属性指标进行二值化编码，得到样本对象的多个属性指标。

在一示例中，可以利用下式进行二值化编码：

其中，y_encode为推荐指标的值，y_t为第t个推荐指标的样本标签，取值为1或0，其中t为正整数，1≤t≤N。

由于实际业务中，推荐指标都是0或1的二值，因此本公开实施例中采用二值化编码。

图3是根据一示例性实施例示出的一种推荐装置的框图。参照图3，该装置300可以包括：获取模块301、确定模块302和推荐模块303。

本实施例提供的推荐装置可以参照用于执行上述的图1和图2所示的方法流程，并且，该装置中的各个单元/模块和上述其他操作和/或功能分别为了实现如图1和图2所示的推荐方法中的相应流程，并且能够达到相同或等同的技术效果，为了简洁，在此不再赘述。

在本公开实施例中，该获取模块302，被配置为从目标用户的历史数据中，获取多个样本对象的样本数据，其中，历史数据包括目标用户浏览过的多个样本对象的样本数据，样本数据包括各个样本对象的多个属性指标；该确定模块302，被配置为基于各个样本对象的多个属性指标，确定各个属性指标对目标用户选择浏览对象的影响度；该推荐模块303，被配置为根据多个属性指标对目标用户选择浏览对象的影响度，为目标用户推荐预设数量的目标对象。。

在本公开实施例中，首先获取模块301从目标用户的历史数据中，获取多个样本对象的样本数据，然后确定模块302基于各个样本对象的多个属性指标，确定各个属性指标对目标用户选择浏览对象的影响度，最后推荐模块303根据多个属性指标对目标用户选择浏览对象的影响度，为目标用户推荐预设数量的目标对象。可以通过多个对用户选择浏览对象有影响的属性指标，来为用户推荐目标对象，提高了推荐的准确性，同时考虑多个属性指标，提高了推荐效率。

在本公开实施例中的一个可选的实施方式中，确定模块302可以包括：第一确定单元和第二确定单元。

该第一确定单元，被配置为根据各个样本对象的多个属性指标，确定多个属性指标对与其对应的各个样本对象的初始影响度；该第二确定单元，被配置为根据多个属性指标对与其对应的各个样本对象的初始影响度，确定各个属性指标对目标用户选择浏览对象的影响度。

在本公开实施例中的一个可选的实施方式中，该第二确定单元用于：根据多个属性指标对与其对应的各个样本对象的初始影响度，确定各个属性指标对目标用户浏览过的多个样本对象的平均影响度，并将平均影响度作为各个属性指标对目标用户选择浏览对象的影响度。

在本公开实施例中的一个可选的实施方式中，获取模块301可以包括：预处理单元。

该预处理单元，被配置为对历史数据进行数据预处理，得到包含多个属性指标的多个样本对象。

在本公开实施例中的一个可选的实施方式中，获取模块301还可以包括：编码单元。

该编码单元，被配置为针对历史数据中任一样本对象，利用二值化编码算法对样本对象的多个属性指标进行二值化编码，得到样本对象的多个属性指标。

在本公开实施例中的一个可选的实施方式中，数据预处理可以包括：数据的清洗、记录聚合以及样本采集。

图4是根据一示例性实施例示出的一种电子设备400的框图，例如，电子设备400可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图4，电子设备400可以包括以下一个或多个组件：处理组件402、存储器404、电力组件406、多媒体组件408、音频组件410、输入/输出(I/O)的接口412、传感器组件414、以及通信组件416。

处理组件402通常控制电子设备400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。

存储器404被配置为存储各种类型的数据以支持在设备400的操作。这些数据的示例包括用于在电子设备400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件406为电子设备400的各种组件提供电力。电源组件406可以包括电源管理***，一个或多个电源，及其他与为电子设备400生成、管理和分配电力相关联的组件。

多媒体组件408包括在所述电子设备400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件408包括一个前置摄像头和/或后置摄像头。当设备400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。

音频组件410被配置为输出和/或输入音频信号。例如，音频组件410包括一个麦克风(MIC)，当电子设备400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。

I/O接口412为处理组件402和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件414包括一个或多个传感器，用于为电子设备400提供各个方面的状态评估。例如，传感器组件414可以检测到设备400的打开/关闭状态，组件的相对定位，例如所述组件为电子设备400的显示器和小键盘，传感器组件414还可以检测电子设备400或电子设备400一个组件的位置改变，用户与电子设备400接触的存在或不存在，电子设备400方位或加速/减速和电子设备400的温度变化。传感器组件414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件416被配置为便于电子设备400和其他设备之间有线或无线方式的通信。电子设备400可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件416经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件416还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备400可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的存储介质，例如包括指令的存储器404，上述指令可由电子设备400的处理器420执行以完成上述方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供了一种计算机程序产品，该计算机程序产品包括可读性程序代码，该可读性程序代码可由电子设备400的处理器420执行以完成任一实施例所述的推荐方法。可选地，该程序代码可以存储在电子设备400的存储介质中，该存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

图5是本公开示出的一种电子设备500的框图。例如，电子设备500可以被提供为一服务器。

参照图5，电子设备500包括处理组件522，其进一步包括一个或多个处理器，以及由存储器532所代表的存储器资源，用于存储可由处理组件522的执行的指令，例如应用程序。存储器532中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件522被配置为执行指令，以执行任一实施例所述的推荐方法。

电子设备500还可以包括一个电源组件526被配置为执行电子设备500的电源管理，一个有线或无线网络接口550被配置为将电子设备500连接到网络，和一个输入输出(I/O)接口558。电子设备500可以操作基于存储在存储器532的操作***，例如WindowsServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种推荐方法，其特征在于，包括：

从目标用户的历史数据中，获取多个样本对象的样本数据，其中，所述历史数据包括所述目标用户浏览过的多个样本对象的样本数据，所述样本数据包括各个所述样本对象的多个属性指标；

基于各个所述样本对象的多个属性指标，确定各个所述属性指标对所述目标用户选择浏览对象的影响度；

根据多个所述属性指标对所述目标用户选择浏览对象的影响度，为所述目标用户推荐预设数量的目标对象。

2.根据权利要求1所述的推荐方法，其特征在于，所述基于各个所述样本对象的多个属性指标，确定各个所述属性指标对所述目标用户选择浏览对象的影响度，包括：

根据各个所述样本对象的多个属性指标，确定多个所述属性指标对与其对应的各个所述样本对象的初始影响度；

根据多个所述属性指标对与其对应的各个所述样本对象的初始影响度，确定各个所述属性指标对所述目标用户选择浏览对象的影响度。

3.根据权利要求2所述的推荐方法，其特征在于，所述根据多个所述属性指标对与其对应的各个所述样本对象的初始影响度，确定各个所述属性指标对所述目标用户选择浏览对象的影响度，包括：

根据多个所述属性指标对与其对应的各个所述样本对象的初始影响度，确定各个所述属性指标对所述目标用户浏览过的多个样本对象的平均影响度，并将所述平均影响度作为各个所述属性指标对所述目标用户选择浏览对象的影响度。

4.根据权利要求1所述的推荐方法，其特征在于，从目标用户的历史数据中，获取多个样本对象的样本数据，包括：

对所述历史数据进行数据预处理，得到包含多个属性指标的多个样本对象。

5.根据权利要求4所述的推荐方法，其特征在于，在对所述历史数据进行数据预处理之后，所述方法还包括：

针对所述历史数据中任一所述样本对象，利用二值化编码算法对所述样本对象的多个属性指标进行二值化编码，得到所述样本对象的多个属性指标。

6.一种推荐装置，其特征在于，包括：

获取模块，被配置为从目标用户的历史数据中，获取多个样本对象的样本数据，其中，所述历史数据包括所述目标用户浏览过的多个样本对象的样本数据，所述样本数据包括各个所述样本对象的多个属性指标；

确定模块，被配置为基于各个所述样本对象的多个属性指标，确定各个所述属性指标对所述目标用户选择浏览对象的影响度；

推荐模块，被配置为根据多个所述属性指标对所述目标用户选择浏览对象的影响度，为所述目标用户推荐预设数量的目标对象。

7.根据权利要求6所述的推荐装置，其特征在于，所述确定模块包括：

第一确定单元，被配置为根据各个所述样本对象的多个属性指标，确定多个所述属性指标对与其对应的各个所述样本对象的初始影响度；

第二确定单元，被配置为根据多个所述属性指标对与其对应的各个所述样本对象的初始影响度，确定各个所述属性指标对所述目标用户选择浏览对象的影响度。

8.根据权利要求6所述的推荐装置，其特征在于，所述获取模块包括：

预处理单元，被配置为对所述历史数据进行数据预处理，得到包含多个属性指标的多个样本对象。

9.根据权利要求8所述的推荐装置，其特征在于，所述获取模块还包括：

编码单元，被配置为针对所述历史数据中任一所述样本对象，利用二值化编码算法对所述样本对象的多个属性指标进行二值化编码，得到所述样本对象的多个属性指标。

10.一种电子设备，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求1至5中任一项所述的推荐方法。

Images