(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 202210655143.0 (22)申请日 2022.06.10 (71)申请人 海南腾讯网络信息技 术有限公司 地址 571925 海南省澄迈县老城镇高新 技 术产业示范区海南生态软件园沃克公 园8832栋 (72)发明人 陈昊　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 李文渊 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/74(2022.01) (54)发明名称 特征提取方法、 装置、 计算机设备和存储介 质 (57)摘要 本申请涉及一种特征提取方法、 装置、 计算 机设备、 存储介质和计算机程序产品。 所述方法 包括： 获取包括多个对象的对象集； 多个对象的 对象类型相同； 对象类型是推荐场景中被推荐对 象或推荐接收对象中的一种； 针对对象集中的目 标对象， 从对象集中筛选出与目标对象相似的邻 居对象， 并确定目标对象 的邻居对象各自的初始 邻居对象特征； 基于初始邻居对象特征分别确定 目标对象的邻居对象聚合特征和邻居对象环境 特征； 确定目标对象的初始目标对象特征， 从初 始目标对象特征提取与邻居对象环境特征相容 的相容特征； 基于邻居对象聚合特征和相容特征 进行特征融合， 得到目标对象的强化特征。 采用 本方法能够丰富特 征所包含的信息量。 权利要求书4页 说明书27页 附图8页 CN 115115916 A 2022.09.27 CN 115115916 A 1.一种特 征提取方法， 其特 征在于， 所述方法包括： 获取包括多个对象的对象集； 所述多个对象的对象类型相同； 所述对象类型是推荐场 景中被推荐对象或推荐接收对象中的一种； 针对所述对象集中的目标对象， 从所述对象集中筛选出与所述目标对象相似的邻居对 象， 并确定所述目标对象的邻居对象各自的初始邻居对象特 征； 基于所述初始邻居对象特征分别确定所述目标对象的邻居对象聚合特征和邻居对象 环境特征； 所述邻居对象聚合特征， 表征所述目标对象的邻居对象各自贡献的特征的聚合； 所述邻居对象环境特 征， 表征所述目标对象的邻居对象所构成的整体环境特 征； 确定所述目标对象的初始目标对象特征， 从所述初始目标对象特征提取与 所述邻居对 象环境特 征相容的相容特 征； 基于所述邻居对象聚合特征和所述相容特征进行特征融合， 得到所述目标对象的强化 特征。 2.根据权利要求1所述的方法， 其特征在于， 所述从所述对象集中筛选出与 所述目标对 象相似的邻居对象， 包括： 获取所述对象集中的各对象各自对应的偏好特 征和属性信息； 针对所述对象集中的目标对象和除所述目标对象之外的其余对象， 确定所述目标对象 的偏好特征分别与每个所述其余对象的偏好特征之 间的相似度， 得到每个所述其余对象各 自对应的偏好相似度； 确定所述目标对象的属性信 息分别与每个所述其余对象的属性信 息之间的相似度， 得 到每个所述其余对象各自对应的属性相似度； 根据各所述偏好相似度和各所述属性相似度， 从所述对象集中的除所述目标对象之外 的其余对象中筛 选出与所述目标对象相似的邻居对象。 3.根据权利要求2所述的方法， 其特 征在于， 所述偏好特 征的确定步骤 包括： 获取所述对象集中的各对象各自对应的偏好信 息， 并确定每个所述偏好信 息各自对应 的偏好向量； 获取预设的维度变换矩阵， 通过所述维度变换矩阵分别对每个所述偏好向量进行降维 处理， 得到各对象各自对应的偏好特 征。 4.根据权利要求2所述的方法， 其特征在于， 所述属性信息包括多个属性子信息； 所述 确定所述目标对象的属性信息 分别与每个所述其余对象的属性信息之 间的相似度， 得到每 个所述其余对象各自对应的属性相似度， 包括： 针对所述对象集合中的每个其余对象， 均确定目标对象的每个属性子信 息分别与当前 其余对象的相应属性子信息之间的相似度， 得到多个子信息相似度； 对所述多个子信 息相似度进行求平均处理， 得到所述目标对象的属性信 息与所述当前 其余对象的属性信息之间的属性相似度。 5.根据权利要求4所述的方法， 其特征在于， 所述属性子信息包括属性名和属性值； 所 述确定目标对象的每个属性子信息 分别与当前其余对象的相应属性子信息之间的相似度， 得到多个子信息相似度， 包括： 对于所述目标对象的多个属性子信 息， 均确定当前其余对象中的与 所述目标对象的当 前属性子信息具有相同属性名的目标属性子信息；权　利　要　求　书 1/4 页 2 CN 115115916 A 2确定所述当前其余对象的目标属性子信息的属性值与所述目标对象的当前属性子信 息的属性 值之间的相似度， 得到 子信息相似度。 6.根据权利要求1所述的方法， 其特征在于， 所述确定所述目标对象的邻居对象各自的 初始邻居对象特 征， 包括： 获取所述目标对象的每个邻居对象各自对应的偏好特征， 以及获取所述目标对象的每 个邻居对象各自对应的属性特 征； 对每个所述邻居对象各自对应的偏好特征和属性特征进行特征融合处理， 得到所述目 标对象的每 个邻居对象各自的初始邻居对象特 征。 7.根据权利要求6所述的方法， 其特征在于， 所述邻居对象的属性特征的确定步骤包 括： 获取邻居对象的属性信息； 所述属性信息包括多个属性子信息； 对所述邻居对象的多个属性子信 息进行双向交互融合处理和线性融合处理， 得到相应 的双向交 互融合结果和线性融合结果； 对所述双向交互融合结果和所述线性融合结果进行结果融合处理， 得到所述邻居对象 的属性特 征。 8.根据权利要求7所述的方法， 其特征在于， 所述对所述邻居对象的多个属性子信 息进 行双向交 互融合处 理， 包括： 确定所述邻居对象的每 个属性子信息各自对应的属性向量； 将多个属性向量中的每两个属性向量进行向量融合处理， 得到多个属性融合向量， 并 将所述多个属性融合向量进行叠加处 理， 得到所述邻居对象的双向交 互融合结果。 9.根据权利要求1所述的方法， 其特征在于， 所述目标对象的邻居对象聚合特征的确定 步骤包括： 确定所述目标对象的每 个邻居对象各自对应的特 征贡献权 重； 根据所述特征贡献权重， 对所述邻居对象的初始邻居对象特征进行加权求平均处理， 得到所述目标对象的邻居对象聚合特 征。 10.根据权利要求9所述的方法， 其特征在于， 所述确定所述目标对象的每个邻居对象 各自对应的特 征贡献权 重， 包括： 确定所述目标对象的初始目标对象特 征； 将所述初始目标对象特征分别与所述目标对象的每个邻居对象各自对应的初始邻居 对象特征进行拼接， 得到多个对象拼接特 征； 将预训练的聚合矩阵分别乘以每个所述对象拼接特征， 得多个聚合拼接特征， 并分别 将每个所述聚合 拼接特征与预训练的聚合偏置向量进行叠加， 得到多个聚合叠加特 征； 通过激活函数分别对每个聚合叠加特征进行激活处理， 得到所述目标对象的每个所述 邻居对象各自对应的特 征贡献权 重。 11.根据权利要求1所述的方法， 其特征在于， 所述目标对象的邻居对象环境特征的确 定步骤包括： 将所述目标对象的邻居对象各自的初始邻居对象特征进行叠加， 得到邻居对象叠加特 征； 将所述初始叠加特征除以所述目标对象的邻居对象的数量， 得到所述目标对象的邻居权　利　要　求　书 2/4 页 3 CN 115115916 A 3