技术摘要：
本公开涉及一种用于推荐目标对象的方法、计算设备和计算机存储介质。该方法包括：提取关于目标对象的图像的图像特征；基于评论信息生成与评论信息相关联的标签特征；统计预定时间间隔内关于目标对象的预定操作，以便生成操作特征；融合图像特征、标签特征和操作特征，  全部
背景技术：
传统的推荐目标对象的方案例如是：基于针对用户历史点击率等操作特征来进行 商品或者内容的推荐，或者基于用户历史购买商品的名称来搜索近似商品以进行推荐。然 而，在上述传统的推荐目标对象的方案中，所推荐的商品与用户实际偏好的商品存在较大 差距，并且确定推荐商品的速度较慢，难以快速并准确匹配用户关于当前商品的偏好，以便 快速并准确推荐备选商品。 综上，传统的推荐目标对象方案难以快速地使得所推荐的目标对象准确匹配用户 关于当前商品的偏好。
技术实现要素：
本公开提供一种用于推荐目标对象方法、计算设备和计算机存储介质，能够实现 快速地使得所推荐的目标对象准确匹配用户关于当前目标对象的偏好。 根据本公开的第一方面，提供了一种用于推荐目标对象的方法。该方法包括：提取 关于目标对象的图像的图像特征；获取关于目标对象的评论信息，以便基于评论信息生成 与评论信息相关联的标签特征；统计预定时间间隔内关于目标对象的预定操作，以便生成 操作特征；融合图像特征、标签特征和操作特征，以生成关于目标对象的描述特征，描述特 征的维度小于图像特征、标签特征和操作特征的维度之和；  基于描述特征，确定与用户操 作所针对的当前目标对象与待选目标对象的相似度，以用于基于相似度确定用以向用户显 示待推荐目标对象的显示顺序；以及基于显示顺序，显示待推荐目标对象的图像。 根据本发明的第二方面，还提供了一种计算设备，该设备包括：至少一个处理单 元；至少一个存储器，至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一 个处理单元执行的指令，指令当由至少一个处理单元执行时，使得设备执行本公开的第一 方面的方法。 根据本公开的第三方面，还提供了一种计算机可读存储介质。该计算机可读存储 介质上存储有计算机程序，计算机程序被机器执行时执行本公开的第一方面的方法。 在一些实施例中，用于融合图像特征、标签特征和操作特征以生成关于目标对象 的描述特征包括：拼拼接图像特征、标签特征和操作特征，以生成用于输入第一神经网络模 型的输入特征；以及基于输入特征，经由第一神经网络模型，确定关于目标对象的描述特 征，第一神经网络模型是经由多个样本训练的。 在一些实施例中，所述第一神经网络模型是基于自编码网络而构建的。 在一些实施例中，基于评论信息生成与评论信息相关联的标签特征包括：将与目 标对象相关联的评论信息转化为特征向量；基于特征向量，确定关于评论信息的属性概率， 4 CN 111738807 A 说　明　书 2/10 页 属性与目标对象的类型相关联；基于所确定的属性概率，确定关于评论信息的属性；基于评 论信息，确定关于属性的情感倾向概率，以用于确定关于属性的情感倾向；基于所确定的关 于属性的情感倾向和评论信息，确定待选评论信息；以及提取待选评论信息中与属性的情 感倾向相关联的关键词信息，以便基于属性和关键词信息生成与目标对象相关联的标签特 征。 在一些实施例中，所述属性包括气味、味道、价格、颜色、尺寸、功能、品质、内饰、耗 电情况、材料、价格中的至少一个，目标对象为商品。 在一些实施例中，基于所确定的关于属性的情感倾向和评论信息确定待选评论信 息包括：响应于确定属性的情感倾向符合预定条件，确定评论信息的长度是否大于或者等 于预定长度阈值；以及响应于确定评论信息的长度大于或者等于预定长度阈值，确定评论 信息为待选评论信息。 在一些实施例中，基于描述特征，确定与用户操作所针对的当前目标对象与待选 目标对象的相似度，以用于基于相似度确定用以向用户显示待推荐目标对象的显示顺序包 括：获取用户操作所针对的当前目标对象的描述特征；针对当前目标对象的描述特征进行 局部敏感哈希计算，以生成第一哈希值；获取分组哈希值与第一哈希值相同的待选目标对 象的描述特征，分组哈希值是经由针对目标对象的描述特征进行局部敏感哈希计算而生成 的；以及分别计算当前目标对象的描述特征与待选目标对象的描述特征的相似度，以便基 于相似度计算结果确定向用户显示目标对象的顺序。 在一些实施例中，用于推荐目标对象的方法还包括：针对所有目标对象中的每一 个目标对象的描述特征进行局部敏感哈希计算，以生成每一个目标对象的分组哈希值；以 及将具有相同分组哈希值的多个目标对象与相同的哈希桶相关联。 在一些实施例中，关于目标对象的预定操作包括以下的至少一项：针对目标对象 的点击操作、添加购物车操作、下单操作、设置为关注。提供