(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211055198.4 (22)申请日 2022.08.31 (71)申请人 阿里巴巴 （中国） 有限公司 地址 310012 浙江省杭州市余杭区五常街 道文一西路969号3幢5层5 54室 (72)发明人 肖志博　杨璐威　张涛　蒋文　 宁伟　 (74)专利代理 机构 北京君以信知识产权代理有 限公司 1 1789 专利代理师 郝玉娥 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/9536(2019.01) G06Q 50/00(2012.01) (54)发明名称 推荐方法、 装置及设备 (57)摘要 本申请公开了推荐 方法和装置， 所述方法包 括： 针对基于触发对象的推荐信息获取请求， 通 过获取目标页码信息和触发对象的特征； 根据目 标页码信息和触发对象 的特征， 获取用户对触发 对象的第一即时兴趣强度； 根据第一即时兴趣强 度、 触发对象的特征和候选对象的特征， 获取用 户对候选对象的兴趣度， 以从候选对象集内选取 与目标页码对应的目标对象。 采用这种处理方 式， 使得可根据用户下拉翻 页过程中页码的变化 来捕获用户对触发对象的即时兴趣强度的动态 变化过程， 从而得到更为精准的用户对触发对象 的偏好程度， 进而得到用户更感兴趣的推荐信 息； 因此， 可 以有效确保较大页码下推荐内容的 精准度。 权利要求书2页 说明书12页 附图2页 CN 115408613 A 2022.11.29 CN 115408613 A 1.一种推荐方法， 其特 征在于， 包括： 针对基于触发对象的推荐信息获取请求， 获取目标页码信息和触发对象的特 征； 根据目标页码信息和触发对象的特 征， 获取用户对触发对象的第一即时兴趣强度； 根据第一即时兴趣强度、 触发对象的特征和候选对象的特征， 获取用户对候选对象的 兴趣度， 以从候选对象集内选取与目标页码对应的目标对象。 2.根据权利要求1所述的方法， 其特征在于， 所述根据目标页码信息和触发对象的特 征， 获取用户对触发对象的第一即时兴趣强度， 包括： 根据所述目标页码信 息和触发对象的特征， 以及与触发对象具有相同目标属性的历史 交互对象的特 征和用户特 征的至少一 者， 获取所述第一即时兴趣强度。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述目标页码信 息和触发对象的 特征， 以及与触发对 象具有相同目标属 性的历史交互对 象的特征和用户特征 的至少一者， 获取所述第一即时兴趣强度， 包括： 根据与触发对象具有相同目标属性的多个历史交互对象的特征， 获取所述多个历史交 互对象的总体特 征； 根据所述目标页码信 息、 触发对象的特征、 用户特征和所述总体特征， 获取所述第一即 时兴趣强度。 4.根据权利要求1所述的方法， 其特征在于， 所述根据第一即时兴趣强度、 触发对象的 特征和候选对象的特 征， 获取用户对候选对象的兴趣度， 包括： 获取用户的历史 交互对象的特 征； 根据用户的历史交互对象的特征和触发对象的特征， 获取与触发对象相关的第 一兴趣 特征； 根据用户的历史交互对象的特征和候选对象的特征， 获取与候选对象相关的第 二兴趣 特征； 根据第一即时兴趣强度， 获取用户对候选对象的第二即时兴趣强度； 将第一即时兴趣强度作为第 一兴趣特征的权重， 将第 二即时兴趣强度作为第 一兴趣特 征的权重， 通过加权求和方式获取混合兴趣特 征； 至少根据混合兴趣特 征， 获取用户对候选对象的兴趣度。 5.根据权利要求4所述的方法， 其特征在于， 所述根据第一即时兴趣强度、 触发对象的 特征和候选对象的特 征， 获取用户对候选对象的兴趣度， 还 包括： 根据用户的与触发对象具有相同属性的历史 交互对象的特 征， 获取第三兴趣特 征； 所述至少根据混合兴趣特 征， 获取用户对候选对象的兴趣度， 包括： 根据所述混合兴趣特 征和第三兴趣特 征， 获取用户对候选对象的兴趣度。 6.根据权利要求5所述的方法， 其特 征在于， 还 包括： 获取用户对历史 交互对象的交 互时间； 根据所述交互时间和历史交互对象的特征， 获取第一兴趣特征、 第二兴趣特征和第三 兴趣特征的至少一 者。 7.根据权利要求 4所述的方法， 其特 征在于， 还 包括： 根据候选对象的特征和触发对象的特征， 获取候选对象和触发对象之间的特征交互关 系；权　利　要　求　书 1/2 页 2 CN 115408613 A 2所述至少根据混合兴趣特 征， 获取用户对候选对象的兴趣度， 包括： 根据所述混合兴趣特 征和所述特 征交互关系， 获取用户对候选对象的兴趣度。 8.根据权利要求7所述的方法， 其特征在于， 所述根据候选对象的特征和触发对象的特 征， 获取候选对象和目标对象之间的特 征交互关系， 包括： 将候选对象的特征和触发对象的特征之间的叉积、 哈达玛积和/或差值， 作为所述特征 交互关系。 9.根据权利要求1所述的方法， 其特征在于， 通过机器学习方式， 根据目标页码信息和 触发对象的特征， 获取用户对触发对象的第一即时兴趣强度； 根据第一即时兴趣强度、 触发 对象的特 征和候选对象的特 征， 获取用户对候选对象的兴趣度。 10.一种模型处 理方法， 其特 征在于， 包括： 获取训练数据集， 所述训练数据包括： 目标页码信息、 触发对象的特征、 候选对象的特 征和用户是否将候选对象作为推荐对象的标注数据； 构建兴趣度预测模型的网络结构， 所述模型包括用户即时兴趣网络和预测网络； 所述 用户即时兴趣网络根据目标页码信息和触发对象的特征， 获取用户对触发对象的第一即时 兴趣强度； 所述预测网络根据第一即时兴趣强度、 触发对象的特征和候选对象的特征， 获取 用户对候选对象的兴趣度， 以从候选对象集内选取与目标页码对应的目标对象； 根据训练数据集， 训练所述模型的网络参数。 11.一种推荐装置， 其特 征在于， 包括： 信息获取单元， 用于针对基于触发对象的推荐信息获取请求， 获取目标页码信息和触 发对象的特 征； 第一即时兴趣强度获取单元， 用于根据目标页码信息和触发对象的特征， 获取用户对 触发对象的第一即时兴趣强度； 兴趣度获取单元， 用于根据第 一即时兴趣强度、 触发对象的特征和候选对象的特征， 获 取用户对候选对象的兴趣度， 以从候选对象集内选取与目标页码对应的目标对象。 12.一种模型处 理装置， 其特 征在于， 包括： 训练数据获取单元， 用于获取训练数据集， 所述训练数据包括： 目标页码信息、 触发对 象的特征、 候选对象的特 征和用户是否将候选对象作为推荐对象的标注数据； 网络结构构建单元， 用于构建兴趣度预测模型的网络结构， 所述模型包括用户即时兴 趣网络和预测网络； 所述用户即时兴趣网络根据目标页码信息和触发对 象的特征， 获取用 户对触发对 象的第一即时兴趣强度； 所述预测网络根据第一即时兴趣强度、 触发对 象的特 征和候选对 象的特征， 获取用户对候选对 象的兴趣度， 以从候选对 象集内选取与目标页码 对应的目标对象； 模型训练单 元， 用于根据训练数据集， 训练所述模型的网络参数。 13.一种电子设备， 其特 征在于， 包括： 处理器和存 储器； 存储器， 用于存储实现根据权利要求1 ‑10任一项所述的方法的程序， 该设备通电并通 过所述处理器运行 该方法的程序。权　利　要　求　书 2/2 页 3 CN 115408613 A 3