(19)中华 人民共和国 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 202111356551.8 (22)申请日 2021.11.16 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 李枚芳　 (74)专利代理 机构 北京鸿德 海业知识产权代理 有限公司 1 1412 代理人 田宏宾 (51)Int.Cl. G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 30/06(2012.01) G06Q 30/02(2012.01) G06N 20/00(2019.01) (54)发明名称 推荐方法、 装置、 电子设备及可读存 储介质 (57)摘要 本公开提供了一种推荐方法、 装置、 电子设 备及可读存储介质， 涉及云服务、 深度学习等人 工智能技术领域。 其中， 推荐方法包括： 获取目标 特征数据与至少一个候选推广信息的特征数据； 根据目标特征数据与至少一个候选推广信息的 特征数据生成至少一个候选特征数据对； 得到至 少一个候选特征数据对分别对应于不同的预设 目标的预测结果； 根据分别对应于不同的预设目 标的预测结果确定至少一个候选推广信息的推 荐分值， 根据推荐分值从所述至少一个候选推广 信息中确定目标推广信息。 本公开通过获取对应 多个预设目标的预测结果来进行推广信息地推 荐， 能够提升推广信息的推荐准确性与推荐效 率。 权利要求书4页 说明书12页 附图5页 CN 114219067 A 2022.03.22 CN 114219067 A 1.一种推荐方法， 包括： 获取目标 特征数据与至少一个候选推广信息的特 征数据； 根据所述目标特征数据与 所述至少一个候选推广信 息的特征数据， 生成至少一个候选 特征数据对； 得到所述至少一个候选特 征数据对分别对应于不同的预设目标的预测结果； 根据所述分别对应于不同的预设目标的预测结果确定至少一个候选推广信息的推荐 分值， 根据所述推荐分值从所述至少一个候选推广信息中确定目标推广信息 。 2.根据权利要求1所述的方法， 其中， 所述得到所述至少一个候选特征数据对分别对应 于不同的预设目标的预测结果包括： 将所述至少一个候选特征数据对分别输入推荐模型， 得到所述推荐模型针对每个候选 特征数据对输出的分别对应于不同的预设目标的预测结果。 3.根据权利要求1所述的方法， 其中， 所述推荐模型 是采用如下 方式训练得到的： 获取训练数据， 所述训练数据包含多个特征数据对与多个特征数据对分别对应于不同 的预设目标的标注结果， 每 个特征数据对包含第一特 征数据与第二特 征数据； 构建包含嵌入层、 两组深度神经网络层与输出层的神经网络模型， 所述嵌入层用于根 据输入的特征数据对， 分别输出第一特征数据对应于不同的预设目标的嵌入向量与第二特 征数据对应于不同的预设目标的嵌入向量， 所述两组深度神经网络层分别对应于第一特征 数据与第二特征数据， 每组深度神经网络层用于根据所述嵌入层针对同一个特征数据输出 的对应于不同的预设目标的嵌入向量， 分别输出该特征数据对应于不同的预设目标的特征 向量， 所述输出层用于根据所述两组深度神经网络层输出的对应于不同的预设目标的特征 向量， 输出 特征数据对分别对应于不同的预设目标的预测结果； 使用所述多个特征数据对与所述多个特征数据对分别对应于不同的预设目标的标注 结果训练所述神经网络模型， 得到所述推荐模型。 4.根据权利要求3所述的方法， 其中， 所述两组深度神经网络层中的每组深度神经网络 层分别包含多个深度神经网络结构， 所包含的深度神经网络结构的数量与所述预设目标的 数量相同。 5.根据权利要求3所述的方法， 其中， 所述每组深度神经网络层根据所述嵌入层针对同 一个特征数据输出的对应于不同的预设目标的嵌入向量， 分别输出该特征数据对应于不同 的预设目标的特 征向量包括： 针对每组深度神经网络层， 确定该组深度神经网络层中的每个深度神经网络结构所对 应的预设目标； 将对应于不同的预设目标的嵌入向量分别 输入相应的深度神经网络结构， 得到由每个 深度神经网络结构输出的对应于不同的预设目标的特 征向量。 6.根据权利要求3所述的方法， 其中， 所述每组深度神经网络层根据所述嵌入层针对同 一个特征数据输出的对应于不同的预设目标的嵌入向量， 分别输出该特征数据对应于不同 的预设目标的特 征向量包括： 针对每组深度神经网络层， 将对应于不同的预设目标的嵌入向量进行拼接； 将拼接结果分别输入该组深度神经网络层中的每个深度神经网络结构， 得到由每个深 度神经网络结构输出的对应于不同的预设目标的特 征向量。权　利　要　求　书 1/4 页 2 CN 114219067 A 27.根据权利要求3所述的方法， 其中， 所述输出层根据所述两组深度神经网络层输出的 对应于不同的预设目标的特征向量， 输出特征数据对分别对应于不同的预设目标的预测结 果包括： 针对每个预设目标， 获取对应该 预设目标的特 征向量； 根据所述特 征向量， 得到特 征数据对对应于该 预设目标的预测结果。 8.根据权利要求3所述的方法， 其中， 所述使用所述多个特征数据对与 所述多个特征数 据对分别对应于不同的预设目标的标注结果训练所述神经网络模型， 得到所述推荐模型包 括： 将所述多个特征数据对分别 输入所述神经网络模型， 得到所述神经网络模型针对每个 特征数据对输出的该 特征数据对分别对应于不同的预设目标的预测结果； 根据所述每个特征数据分别对应于不同的预设目标的预测结果与 标注结果， 计算损失 函数值； 根据计算得到的损失函数值调整所述神经网络模型中的参数， 直至所述神经网络模型 收敛， 得到所述推荐模型。 9.根据权利要求3所述的方法， 其中， 所述使用所述多个特征数据对与 所述多个特征数 据对分别对应于不同的预设目标的标注结果训练所述神经网络模型， 得到所述推荐模型包 括： 使用所述多个特征数据对与所述多个特征数据对分别对应于不同的预设目标的标注 结果训练所述神经网络模型， 得到第一神经网络模型， 所述神经网络模型中每组深度神经 网络层的每个深度神经网络结构用于根据对应于不同的预设目标的嵌入向量， 输出对应于 不同的预设目标的特 征向量； 使用所述多个特征数据对与所述多个特征对分别对应于不同的预设目标的标注结果 训练所述第一神经网络模型层， 得到所述推荐模型， 所述第一神经网络模型中每组深度神 经网络层的每个深度神经网络结构用于根据对应于全部的预设目标的嵌入向量， 输出对应 于不同的预设目标的特 征向量。 10.一种推荐装置， 包括： 获取单元， 用于获取目标 特征数据与至少一个候选推广信息的特 征数据； 生成单元， 用于根据所述目标特征数据与所述至少一个候选推广信息的特征数据， 生 成至少一个候选特 征数据对； 预测单元， 用于得到所述至少一个候选特征数据对分别对应于不同的预设目标的预测 结果； 推荐单元， 用于根据 所述分别对应于不同的预设目标的预测结果确定至少一个候选推 广信息的推荐分值， 根据所述推荐分值从所述至少一个候选推广信息中确定目标推广信 息。 11.根据权利要求10所述的装置， 其中， 所述预测单元在得到所述至少一个候选特征数 据对分别对应于不同的预设目标的预测结果时， 具体执 行： 将所述至少一个候选特征数据对分别输入推荐模型， 得到所述推荐模型针对每个候选 特征数据对输出的分别对应于不同的预设目标的预测结果。 12.根据权利要求10所述的装置， 还包括训练单元， 用于采用以下方式训练得到所述推权　利　要　求　书 2/4 页 3 CN 114219067 A 3