技术摘要：
一种对象推荐方法及装置、存储介质、计算机设备，所述对象推荐方法包括：获取历史浏览纪录，并获取热门对象的信息；根据所述热门对象从所述历史浏览纪录中获取潜在对象，生成潜在对象候选集合；根据目标用户的信息从所述潜在对象候选集合中选取一个或多个推荐对象，将  全部
背景技术：
在广告投放优化中，在广告素材侧通常会投放用户感兴趣的对象(如产品等)，以 吸引用户。传统地，可以通过机器学习的算法去挖掘并分析用户的行为数据，比如用户之前 看过什么对象，以此来推断用户的兴趣点，为用户投放感兴趣的产品。但是在很多情况下， 现有的技术还不能够确定用户的兴趣，极端的情况下，用户的行为数据是完全缺失。这种数 据缺失在互联网上非常的常见。在这样的情况下给用户投放其感兴趣的对象的广告变得非 常困难，最终会导致整个投放活动的点击率偏低，进而影响广告投放效果。 在用户行为数据缺失、无法确定用户的兴趣时，常用的方法一般是给用户投放一 个热门的对象，这种方法比较简单，只是基于现有数据做简单的频次统计，只能投放当前已 经是热门的商品，效果比较普通。另外一种就是从一堆相关的对象随机选择投放，效果也比 较差。 由此，亟需一种对象推荐方法，能够在用户行为数据缺失、无法确定用户的兴趣 时，为用户选择更适当的投放对象进行推荐，以提高投放效果。
技术实现要素：
本发明解决的技术问题是如何在用户行为数据缺失、无法确定用户的兴趣时，为 用户选择更适当的投放对象进行推荐，以提高投放效果。 为解决上述技术问题，本发明实施例提供一种对象推荐方法，所述方法包括：获取 历史浏览纪录，并获取热门对象的信息；根据所述热门对象从所述历史浏览纪录中获取潜 在对象，生成潜在对象候选集合；根据目标用户的信息从所述潜在对象候选集合中选取一 个或多个推荐对象，将所述推荐对象的信息发送给所述目标用户。 可选的，所述历史浏览记录包含多个对象，所述根据所述热门对象从所述历史浏 览纪录中获取潜在对象，生成潜在对象候选集合，包括：根据所述历史浏览记录生成多个对 象的向量；获取中心向量，计算历史浏览记录中多个对象的向量与中心向量之间的相似度； 取相似度大于预设值的对象添加到所述潜在对象候选集合中。 可选的，所述历史浏览记录中包含各个对象的浏览时间，所述根据所述历史浏览 记录生成多个对象的向量，包括：在所述历史浏览记录中定位热门对象；按照各个对象的浏 览时间的先后顺序，获取所述热门对象的多个相关对象，并构建各个相关对象与所述热门 对象之间的关联关系；根据所述关联关系和预设的向量维度信息，得到各个相关对象的向 量。 可选的，所述根据所述关联关系和预设的向量维度信息，得到各个相关对象的向 量，包括：将各个相关对象与所述热门对象之间的关联关系输入向量处理模型中，按照所述 4 CN 111738754 A 说　明　书 2/9 页 预设的向量维度信息设置所述向量处理模型的向量维度，生成各个相关对象的向量。 可选的，所述中心向量为多个热门对象的向量的平均值。 可选的，所述历史浏览纪录为多个用户的历史浏览记录，所述根据所述历史浏览 记录生成多个对象的向量之前，还包括：将每个用户的历史浏览记录划分为一个或多个会 话；所述根据所述历史浏览记录生成多个对象的向量，包括：根据每一会话的历史浏览记录 生成各个会话中包含的对象的向量。 可选的，所述获取热门对象的信息，包括：统计所述历史浏览记录中的各个对象的 浏览频次，将浏览频次高于预设值的对象作为热门对象。 可选的，所述从所述潜在对象候选集合中选取一个或多个推荐对象，包括：获取预 设时间内潜在对象候选集合中各对象的被浏览指标，并根据各对象的被浏览指标选取所述 推荐对象。 本发明实施例还提供一种对象推荐装置，所述装置包括：浏览纪录获取模块，用于 获取历史浏览纪录，并获取热门对象的信息；候选集合生成模块，用于根据所述热门对象从 所述历史浏览纪录中获取潜在对象，生成潜在对象候选集合；对象信息推荐模块，用于根据 目标用户的信息从所述潜在对象候选集合中选取一个或多个推荐对象，将所述推荐对象的 信息发送给所述目标用户。 本发明实施例还提供一种存储介质，其上存储有计算机程序，所述计算机程序被 处理器执行时实现上述任一项所述对象推荐方法的步骤。 本发明实施例还提供一种计算机设备，包括存储器和处理器，所述存储器存储有 计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述对象推荐方法的步 骤。 与现有技术相比，本发明实施例的技术方案具有以下有益效果： 本发明实施例提供一种对象推荐方法，所述方法包括：获取历史浏览纪录，并获取 热门对象的信息；根据所述热门对象从所述历史浏览纪录中获取潜在对象，生成潜在对象 候选集合；根据目标用户的信息从所述潜在对象候选集合中选取一个或多个推荐对象，将 所述推荐对象的信息发送给所述目标用户。较之现有技术，本实施例的方案，通过大量用户 的历史浏览记录得到热门对象相关的潜在对象，并生成潜在对象候选集合，根据要推荐的 目标用户的信息从候选集合中选择与目标用户更匹配的对象，能够在用户行为数据缺失、 无法确定用户的兴趣时，为用户选择更适当的投放对象进行推荐，从而提高投放的效果。 进一步地，潜在对象候选集合中的潜在对象是根据历史浏览记录中的部分或全部 的对象的向量与中心向量之间的相似度选取的，向量能够更准确地表示各个对象之间的关 联关系，向量的相似度使得关联关系有效量化，从而能够更为准确地从历史浏览记录中选 取符合用户喜好的对象得到潜在对象候选集合，精确了对目标用户进行对象推荐的选择范 围。 进一步地，根据历史浏览记录中各个对象与热门对象的浏览时间的先后顺序，量 化用户对各个对象的感兴趣程度，并从中挑选出用户感兴趣程度高的相关对象，以丰富潜 在对象候选集合中的潜在对象。将各个相关对象与热门对象之间的关联关系生成各个相关 对象的向量，继续分析各个相关对象与中心向量之间的相似度，使得最终得到的潜在对象 能够准确匹配到用户可能感兴趣的对象。 5 CN 111738754 A 说　明　书 3/9 页 进一步地，将各个用户的历史浏览记录进行会话划分，并对划分后的各个会话执 行图2中步骤S201至S203的处理，减少了每次处理的数据量，实现数据处理的轻量化。 进一步地，可根据最近一段时间各个对象的浏览频次来选取热门对象，使得选取 的热门对象更符合真实用户的兴趣倾向，从而提高推荐对象与用户兴趣的匹配度。 进一步地，在为目标用户选取推荐对象时，除了根据目标用户的信息进行筛选之 外，也可结合各潜在对象的被浏览指标(尤其是最近一段时间的被浏览指标)进行筛选。 附图说明 图1为本发明实施例的一种对象推荐方法的流程示意图； 图2为图1中的步骤S102的一种