(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 202210948901.8 (22)申请日 2022.08.09 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 钱浩　周俊　张志强　吴沁桐　 李明昊　 (74)专利代理 机构 成都七星天知识产权代理有 限公司 5125 3 专利代理师 袁春晓 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/9537(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种对象推荐方法和系统及对象推荐模型 系统 (57)摘要 本说明书实施例公开了一种对象推荐 方法， 包括： 获取候选对象的特征信息和用户行为序 列； 所述用户行为序列包括与用户历史操作相关 的至少一个对象的特征信息； 其中， 特征信息包 括两个以上特征域对应的特征值； 基于所述候选 对象的特征信息确定候选对象的特征域分布信 息； 对于所述至少一个对象中的每一个： 将对象 的特征信息以及候选对象的特征域分布信息进 行融合， 获得对象的融合分布特征值； 进而获得 用户行为特征表示， 所述用户行为特征表示包括 所述至少一个对象的融合分布特征值； 至少基于 所述用户行为特征表示确定所述候选对象对所 述用户的推荐分值。 权利要求书3页 说明书12页 附图5页 CN 115238188 A 2022.10.25 CN 115238188 A 1.一种对象推荐方法， 包括： 获取候选对象的特征信 息和用户行为序列； 所述用户行为序列包括与用户历史操作相 关的至少一个对象的特 征信息； 其中， 特 征信息包括两个以上 特征域对应的特 征值； 基于所述 候选对象的特 征信息确定候选对象的特 征域分布信息； 对于所述至少一个对象中的每一个： 将对象的特征信 息以及候选对象的特征域分布信 息进行融合， 获得对象 的融合分布特征值； 进而获得用户行为特征表示， 所述用户行为特征 表示包括所述至少一个对象的融合分布特 征值； 至少基于所述用户行为特 征表示确定所述 候选对象对所述用户的推荐分值。 2.如权利要求1所述的方法， 其中， 获取用户行为序列， 包括： 基于所述至少一个对象以及用户历史操作建立对象图谱； 对象图谱中的节点对应对 象， 节点之间的边反映用户历史操作； 对所述对象图谱进行一轮或多轮图谱聚合， 得到对象图谱中各节点的图谱特 征信息； 对于所述至少一个对象中的每一个： 获取该对象的初始特征信息； 从对象图谱中获取 该对象的图谱特征信息； 基于该对象的初始特征信息以及图谱特征信息获取该对象的特征 信息； 进而得到所述用户行为序列。 3.如权利要求2所述的方法， 其中， 所述基于所述至少一个对象以及用户历史操作建立 对象图谱， 包括： 在相邻两次用户历史操作相关的两个对象对应的节点间建立 边。 4.如权利要求2所述的方法， 其中， 在所述对象图谱进行一轮或多轮图谱聚合前， 将各 对象的初始特 征信息作为 其初始的图谱特 征信息。 5.如权利要求1所述的方法， 其中， 基于所述候选对象的特征信 息确定候选对象的特征 域分布信息， 包括： 将特征域注意力矩阵与所述候选对象的特征信 息进行运算， 得到所述候选对象的特征 域分布信息； 所述特征域注意力矩阵的行数与列数均为特征信息中的特征域数量， 特征域 注意力矩阵通过模型训练得到 。 6.如权利要求5所述的方法， 其中， 所述候选对象的特征信息表征为行数为特征域数 量， 列数为第一预设值的矩阵， 所述 运算为矩阵乘。 7.如权利要求1所述的方法， 其中， 所述将对象的特征信 息以及候选对象的特征域分布 信息进行融合， 获得对象的融合分布特 征值， 包括： 将对象的特征信 息与候选对象的特征域分布信 息进行运算， 得到对象的特征域注意力 信息； 基于所述对象的特征域注意力信 息对所述对象的特征信 息进行过滤， 得到对象的特征 域分布信息； 将对象的特征信 息与对象的特征域分布信 息进行叠加， 基于叠加结果得到对象的融合 分布特征值。 8.如权利要求7所述的方法， 其中， 所述对象的特征信息表征为行数为特征域数量， 列 数为第一预设值的矩阵， 所述 运算为矩阵元 素按位相乘。 9.如权利要求8所述的方法， 其中， 所述基于所述对象的特征域注意力信 息对所述对象 的特征信息进行 过滤， 得到对象的特 征域分布信息， 包括：权　利　要　求　书 1/3 页 2 CN 115238188 A 2将所述对象的特征域注意力信息与变换向量进行矩阵乘， 得到过滤向量； 所述变换向 量的维度等于第一预设值， 变换向量 通过模型训练得到； 将过滤向量的各 元素进行第一归一 化处理， 得到归一 化过滤向量； 将所述对象的特征信 息的各列分别与所述归一化过滤向量按位相乘， 得到所述对象的 特征域分布信息 。 10.如权利要求9所述的方法， 其中， 所述将对象的特征信息与对象的特征域分布信息 进行叠加， 基于 叠加结果得到对象的融合分布特 征值， 包括： 随机将对象的特 征域分布信息中的部分元 素丢弃； 将随机丢弃后的对象的特征域分布信 息与所述对象的特征信 息按位相加， 得到叠加结 果； 对叠加结果的各 元素进行第二归一 化处理， 得到归一 化叠加结果； 对归一化叠加结果的各 元素进行Softmax运 算， 得到与各 元素对应的权 重； 基于归一化叠加结果的各元素的权重对所述归一化叠加结果的各元素进行加权运算， 得到所述融合分布特 征值。 11.如权利要求1所述的方法， 其中， 还 包括获取用户特 征； 所述至少基于所述用户行为特征表示确定所述候选对象对所述用户的推荐分值， 包 括： 基于所述用户特征、 候选对象的特征信 息以及所述用户行为特征表示确定所述候选对 象对所述用户的推荐分值。 12.一种对象推荐系统， 包括： 信息获取模块， 用于获取候选对象的特征信息和用户行为序列； 所述用户行为序列包 括与用户历史操作相关的至少一个对 象的特征信息； 其中， 特征信息包括两个以上特征域 对应的特 征值； 特征域分布信 息确定模块， 用于基于所述候选对象的特征信 息确定候选对象的特征域 分布信息； 用户行为特征表示获取模块， 用于对于所述至少一个对象中的每一个： 将对象的特征 信息以及候选对 象的特征域分布信息进行融合， 获得对 象的融合分布特征值； 进而获得用 户行为特 征表示， 所述用户行为特 征表示包括所述至少一个对象的融合分布特 征值； 推荐分值确定模块， 用于至少基于所述用户行为特征表示确定所述候选对象对所述用 户的推荐分值。 13.一种对象推荐装置， 包括处 理器； 所述处理器用于执 行权利要求1～1 1中任一项所述的对象推荐方法。 14.一种对象推荐模型系统， 包括： 输入层， 用于接收候选对象的特征信息和用户行为序列； 所述用户行为序列包括与用 户历史操作相关的至少一个对 象的特征信息； 其中， 特征信息包括两个以上特征域对应的 特征值； 处理层， 用于基于所述候选对象的特征信息确定候选对象的特征域分布信息； 对于所 述至少一个对象中的每一个： 将对象的特征信息 以及候选对象的特征域分布信息进行融 合， 获得对象的融合分布特征值； 进而获得用户行为特征表 示， 所述用户行为特征表示包括权　利　要　求　书 2/3 页 3 CN 115238188 A 3