项目推荐模型训练方法、项目推荐方法以及装置制造方法及图纸

本发明专利技术公开了一种项目推荐模型训练方法项目推荐方法以及装置，本发明专利技术所述的项目推荐模型训练方法包括：基于至少一个用户对至少一个项目的操作信息，生成各个所述用户的第一表示向量以及各个所述项目的第二表示向量；选择至少一个样本用户，所述至少一个样本用户为所述至少一个用户的部分或者全部；以及针对所述至少一个样本用户中的每个，基于该样本用户对其所操作的项目的操作顺序及其所操作的项目的第二表示向量，以及该样本用户的第一表示向量，生成所述项目推荐模型的训练数据；使用所述训练数据对所述项目推荐模型进行训练。本申请能够更好地描述用户的兴趣偏好，提高模型的有效性，提高应用模型进行项目推荐的准确性。

【技术实现步骤摘要】
项目推荐模型训练方法、项目推荐方法以及装置
本申请涉及深度学习
，具体而言，涉及项目推荐模型训练方法、项目推荐方法以及装置。
技术介绍
在项目推荐问题中，需要考虑用户对不同的项目操作的前后次序，这对学习用户当前兴趣偏好有重要的作用。当前基于前后序列关系进行建模的方法，如：隐马尔可夫模型(HiddenMarkovModel，HMM)、循环神经网络(RecurrentNeuralNetworks，RNN)和长短时记忆网络(LongShort-TermMemory，LSTM)等，仍存在遗漏序列信息、训练难度大等问题。将这些模型应用于项目推荐时，也会存在无法描述用户整体兴趣、当前兴趣，推荐准确性不高等问题。
技术实现思路
有鉴于此，本申请实施例的目的在于提供一种项目推荐模型训练方法、装置及项目推荐方法和装置，能够更好地描述用户的兴趣偏好，提高模型的有效性，提高应用模型进行项目推荐的准确性。第一方面，本申请实施例提供了一种项目推荐模型训练方法，包括：基于至少一个用户对至少一个项目的操作信息，生成各个所述用户的第一表示向量以及各个所述项目的第二表示向量；选择至少一个样本用户，所述至少一个样本用户为所述至少一个用户的部分或者全部；以及针对所述至少一个样本用户中的每个，基于该样本用户对其所操作的项目的操作顺序及其所操作的项目的第二表示向量，以及该样本用户的第一表示向量，生成所述项目推荐模型的训练数据；使用所述训练数据对所述项目推荐模型进行训练。可选的，所述操作信息包括所述用户对所述项目的选择和/或评分信息。可选的，所述第一表示向量为表示所述用户的喜好程度的潜在因子表示向量，所述第二表示向量为所述项目的潜在因子表示向量。可选的，所述基于至少一个用户对至少一个项目的操作信息，生成各个所述用户的第一表示向量以及各个所述项目的第二表示向量，包括：根据所述至少一个用户对至少一个项目的操作信息，生成用户评分矩阵；基于潜在因子模型，对所述用户评分矩阵进行分解，生成与用户潜在因子喜好程度矩阵与项目潜在因子表示矩阵；根据所述用户潜在因子喜好程度矩阵，确定所述各个用户的第一表示向量；以及，根据所述项目潜在因子表示矩阵，确定所述各个项目的第二表示向量。可选的，所述基于该样本用户对其所操作的项目的操作顺序及其所操作的项目的第二表示向量，以及所述样本用户的第一表示向量，生成所述项目推荐模型的训练数据，包括：基于该样本用户操作的项目的操作顺序，从该样本用户所操作的项目中，选取预设数量或预设时间段内的项目，并基于所选择的项目的第二表示向量与所述样本用户的第一表示向量，生成所述项目推荐模型的训练输入数据；以及将预设数量或预设时间段之后的项目的第二表示向量，作为所述项目推荐模型的训练监督数据。可选的，所述基于所选择的项目的第二表示向量与所述样本用户的第一表示向量，生成所述项目推荐模型的训练输入数据，包括：按照该样本用户对项目的操作顺序，组合所述所选取的预设数量或预设时间段内的项目的第二表示向量，形成项目时序矩阵；将该样本用户所对应的项目时序矩阵及其第一表示向量，作为所述项目推荐模型的训练输入数据。一种可能的实施方式中，所述项目推荐模型为卷积神经网络CNN模型。第二方面，本申请实施例提供了一种项目推荐方法，包括：基于目标用户对至少一个项目的操作信息，选择距离当前时刻的预设时间内或预设数量的项目；基于所述目标用户对所选择的项目的操作顺序，使用所选择的项目的第二表示向量及所述目标用户的第一表示向量，生成输入数据；将所述输入数据输入项目推荐模型中，得到预测项目的预测表示向量，所述项目推荐模型由第一方面任意一项所述的项目推荐模型训练方法得到；计算所述预测表示向量与项目的第二表示向量之间的相似度；基于计算得到的相似度，确定向所述目标用户推荐的项目并推荐给所述目标用户。第三方面，本申请实施例提供了一种项目推荐模型训练装置，包括：表示向量生成模块，用于基于至少一个用户对至少一个项目的操作信息，生成各个所述用户的第一表示向量以及各个所述项目的第二表示向量；训练数据生成模块，用于选择至少一个样本用户，所述至少一个样本用户为所述至少一个用户的部分或者全部；以及针对所述至少一个样本用户中的每个，基于该样本用户对其所操作的项目的操作顺序及其所操作的项目的第二表示向量，以及该样本用户的第一表示向量，生成所述项目推荐模型的训练数据；训练模块，用于使用所述训练数据对所述项目推荐模型进行训练。第四方面，本申请实施例提供了一种项目推荐装置，包括：选择模块，用于基于目标用户对至少一个项目的操作信息，选择距离当前时刻的预设时间内或预设数量的项目；输入数据生成模块，用于基于所述目标用户对所选择的项目的操作顺序，使用所选择的项目的第二表示向量及所述目标用户的第一表示向量，生成输入数据；表示向量生成模块，用于将所述输入数据输入项目推荐模型中，得到预测项目的预测表示向量，所述项目推荐模型由第一方面任意一项所述的项目推荐模型训练方法得到；相似度计算模块，用于计算所述预测表示向量与项目的第二表示向量之间的相似度；推荐模块，用于基于计算得到的相似度，确定向所述目标用户推荐的项目并推荐给所述目标用户。本申请实施例提供一种项目推荐模型训练方法、项目推荐方法以及装置，能够基于至少一个用户对至少一个项目的操作信息，生成各个用户的第一表示向量以及各个项目的第二表示向量，然后针对从用户中确定的样本用户对项目的操作顺序和每个样本用户所操作项目的第二表示向量，以及样本用户的第一表示向量，生成项目推荐模型的训练数据，并对项目推荐模型进行训练，能够更好地描述用户的兴趣偏好，提高模型的有效性。为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1示出了本申请实施例所提供的一种项目推荐模型训练方法的流程图；图2示出了本申请实施例所提供的项目推荐模型训练方法中，获得用户的第一表示向量和各个项目的第二表示向量的具体方法的流程图；图3示出了本申请实施例所提供的项目推荐模型训练方法中，生成项目推荐模型的训练数据的具体方法的流程图；图4示出了本申请实施例所提供的通过滑动窗口选取项目的过程示意图。图5示出了本申请实施例所提供的一种项目推荐方法的流程图；图6示出了本申请实施例所提供的一种项目推荐模型训练装置600的示意图；图7示出了本申请实施例所提供的一种项目推荐装置700的示意图；图8示出了本申请实施例所提供的一种电子设备800的结构示意图；图9示出了本申请实施例所提供的一种电子设备900的结构示意图；具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实本文档来自技高网...

【技术保护点】
1.一种项目推荐模型训练方法，其特征在于，包括：基于至少一个用户对至少一个项目的操作信息，生成各个所述用户的第一表示向量以及各个所述项目的第二表示向量；选择至少一个样本用户，所述至少一个样本用户为所述至少一个用户的部分或者全部；以及针对所述至少一个样本用户中的每个，基于该样本用户对其所操作的项目的操作顺序及其所操作的项目的第二表示向量，以及该样本用户的第一表示向量，生成所述项目推荐模型的训练数据；使用所述训练数据对所述项目推荐模型进行训练。

【技术特征摘要】
1.一种项目推荐模型训练方法，其特征在于，包括：基于至少一个用户对至少一个项目的操作信息，生成各个所述用户的第一表示向量以及各个所述项目的第二表示向量；选择至少一个样本用户，所述至少一个样本用户为所述至少一个用户的部分或者全部；以及针对所述至少一个样本用户中的每个，基于该样本用户对其所操作的项目的操作顺序及其所操作的项目的第二表示向量，以及该样本用户的第一表示向量，生成所述项目推荐模型的训练数据；使用所述训练数据对所述项目推荐模型进行训练。2.根据权利要求1所述的方法，其特征在于，所述操作信息包括所述用户对所述项目的选择和/或评分信息。3.根据权利要求1所述的方法，其特征在于，所述第一表示向量为表示所述用户的喜好程度的潜在因子表示向量，所述第二表示向量为所述项目的潜在因子表示向量。4.根据权利要求3所述的方法，其特征在于，所述基于至少一个用户对至少一个项目的操作信息，生成各个所述用户的第一表示向量以及各个所述项目的第二表示向量，包括：根据所述至少一个用户对至少一个项目的操作信息，生成用户评分矩阵；基于潜在因子模型，对所述用户评分矩阵进行分解，生成与用户潜在因子喜好程度矩阵与项目潜在因子表示矩阵；根据所述用户潜在因子喜好程度矩阵，确定所述各个用户的第一表示向量；以及根据所述项目潜在因子表示矩阵，确定所述各个项目的第二表示向量。5.根据权利要求1所述的方法，其特征在于，所述基于该样本用户对其所操作的项目的操作顺序及其所操作的项目的第二表示向量，以及所述样本用户的第一表示向量，生成所述项目推荐模型的训练数据，包括：基于该样本用户操作的项目的操作顺序，从该样本用户所操作的项目中，选取预设数量或预设时间段内的项目，并基于所选择的项目的第二表示向量与所述样本用户的第一表示向量，生成所述项目推荐模型的训练输入数据；以及将预设数量或预设时间段之后的项目的第二表示向量，作为所述项目推荐模型的训练监督数据。6.根据权利要求5所述的方法，其特征在于，所述基于所选择的项目的第二表示向量与所述样本用户的第一表示向量，生成所述项目推荐模型的训练输入数据，包括：按照该样本用户对项目的操作顺序，组合所述所选取的预设数量...

【专利技术属性】
技术研发人员：王惠照，郑凯，段立新，江建军，
申请(专利权)人：国信优易数据有限公司，
类型：发明
国别省市：北京,11