跨场景的项目推荐方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种跨场景的项目推荐方法，属于计算机技术领域。所述跨场景的项目推荐方法包括：根据用户历史行为数据，确定预设用户行为对应的若干第一项目序列；分别对每个所述第一项目序列进行拆分、重组处理，确定若干第二项目序列，使得每个所述第二项目序列中相邻的两个项目匹配不同场景；基于所述若干第二项目序列，训练项目词向量模型；通过所述项目词向量模型，确定目标项目的第一词向量，以及与所述目标项目匹配不同场景的待推荐项目的第二词向量；根据所述第一词向量分别和各所述第二次词向量的相似度，确定针对所述目标项目推荐的所述待推荐项目，使得推荐的跨场景的项目更加符合用户的需求，有助于提升用户获取项目的效率。

Cross scenario project recommendations, devices, electronics, and storage media

【技术实现步骤摘要】
跨场景的项目推荐方法、装置、电子设备及存储介质
本申请涉及计算机
，特别是涉及一种跨场景的项目推荐方法、装置、电子设备及计算机可读存储介质。
技术介绍
推荐作为解决信息过载和挖掘用户潜在需求的技术手段，在各大网络平台中发挥着重要的作用。通常，网络平台上包括大量匹配不同场景的项目，例如，匹配餐饮场景的餐饮项目、匹配旅游场景的旅游项目、匹配休闲娱乐场景的娱乐项目等。为了便于区域，通常将用户当前浏览的项目所匹配的场景之外的其他项目称为综合项目。现有技术中，常见的项目推荐方式有两种：第一种，为用户推荐与当前浏览项目匹配相同场景的其他项目；为用户推荐与当前浏览项目匹配不同场景其他项目，即为用户推荐综合项目。为用户推荐综合项目可以形成全面的现有技术中，为用户推荐综合项目时，通常根据平台的推广策略或运营策略预先设置打包售卖的项目，然后将与当前浏览项目打包的综合项目推荐给用户。然而，通过这种方法打包的综合项目，并没有反应用户的真正需求，对用户获取项目的效率的提升作用很小。如何确定与某一项目打包的综合项目，以提升用户获取项目的效率，是网络平台需要解决的一个重要问题。
技术实现思路
本申请提供一种跨场景的项目推荐方法，有助于提升用户获取项目的效率。为了解决上述问题，第一方面，本申请实施例提供了一种跨场景的项目推荐方法，包括：根据用户历史行为数据，确定预设用户行为对应的若干第一项目序列；分别对每个所述第一项目序列进行拆分、重组处理，确定若干第二项目序列，使得每个所述第二项目序列中相邻的两个项目匹配不同场景；基于所述若干第二项目序列，训练项目词向量模型；通过所述项目词向量模型，确定目标项目的第一词向量，以及与所述目标项目匹配不同场景的待推荐项目的第二词向量；根据所述第一词向量分别和各所述第二次词向量的相似度，确定针对所述目标项目推荐的所述待推荐项目。第二方面，本申请实施例提供了一种跨场景的项目推荐装置，包括：第一项目序列确定模块，用于根据用户历史行为数据，确定预设用户行为对应的若干第一项目序列；第二项目序列确定模块，用于分别对每个所述第一项目序列进行拆分、重组处理，确定若干第二项目序列，使得每个所述第二项目序列中相邻的两个项目匹配不同场景；项目词向量模型训练模块，用于基于所述若干第二项目序列，训练项目词向量模型；项目词向量确定模块，用于通过所述项目词向量模型，确定目标项目的第一词向量，以及与所述目标项目匹配不同场景的待推荐项目的第二词向量；待推荐项目确定模块，用于根据所述第一词向量分别和各所述第二次词向量的相似度，确定针对所述目标项目推荐的所述待推荐项目。第三方面，本申请实施例还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例所述的跨场景的项目推荐方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时本申请实施例公开的跨场景的项目推荐方法的步骤。本申请实施例公开的跨场景的项目推荐方法，通过根据用户历史行为数据，确定预设用户行为对应的若干第一项目序列；分别对每个所述第一项目序列进行拆分、重组处理，确定若干第二项目序列，使得每个所述第二项目序列中相邻的两个项目匹配不同场景；基于所述若干第二项目序列，训练项目词向量模型；通过所述项目词向量模型，确定目标项目的第一词向量，以及与所述目标项目匹配不同场景的待推荐项目的第二词向量；根据所述第一词向量分别和各所述第二次词向量的相似度，确定针对所述目标项目推荐的所述待推荐项目，使得推荐的跨场景的项目更加符合用户的需求，有助于提升用户获取项目的效率。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例一的跨场景的项目推荐方法流程图；图2是本申请实施例一种生成的加权有向图示意图；图3是本申请实施例一种序列拆分、重组示意图；图4是本申请实施例二的跨场景的项目推荐装置结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。实施例一本申请实施例公开的一种跨场景的项目推荐方法，如图1所示，该方法包括：步骤110至步骤150。步骤110，根据用户历史行为数据，确定预设用户行为对应的若干第一项目序列。在申请的一些实施例中所述的项目可以电子商务平台的餐饮产品、酒店、门票、美容项目、娱乐项目等等。本申请实施例中所述的预设用户行为包括：用户的购买、点击、浏览、收藏等行为中的任意一种或多种行为。例如，用户1点击了项目A之后，又点击了项目B，之后，用户1购买了项目C，则平台将记录一条用户历史行为数据，该条用户历史行为数据包括用户1的点击和购买行为对应的项目A、项目B和项目C构成的第一项目序列，该第一项目序列可以表示为：{项目A，项目B，项目C}。在申请实施例中所述的第一项目序列，指用户在一次历史行为中执行所述预设用户行为时依次访问的项目按照被操作的顺序从前向后排列后构成的项目序列。用户的多次预设用户行为将生成多个第一项目序列。在申请的一些实施例中，根据用户历史行为数据，确定预设用户行为对应的若干第一项目序列的步骤，包括：根据用户针对平台上各项目的历史行为数据构建加权有向图，其中，所述加权有向图的每个顶点分别对应一个所述项目，所述加权有向图的边连接一次访问行为中所访问的项目对应的顶点，所述边的权重根据该边连接的两个顶点对应的项目之间的关系确定；利用加权随机游走算法遍历所述加权有向图，确定若干第一项目序列。例如，首先获取平台中若干用户的历史行为数据，然后，确定在用户的历史行为数据中出现的所有项目。之后，基于用户的历史行为数据构建一个记录项目之间关系的加权有向图。在构建该加权有向图时，以项目作为顶点(也可以称为节点)，通过有向边将在同一条历史行为数据中出现的项目对应的顶点连接起来。以平台包括9个项目举例，这9个项目分别用A至I共9个英文字母表示表示，其中，英文字母A至E表示的项目为餐项目(即餐饮场景的项目)，英文字母F至I表示的项目为综项目(即除餐饮场景意外的项目，成为综合项目)。如果用户2的历史行为数据记录的信息包括：用户2点击了项目A之后，又点击了项目F，之后，用户2购买了项目C；用户2点击了项目A之后，又依次点击了项目G、项目I，之后，用户2购买了项目H；如果用户3的历史行为数据记录的信息包括：用户3依次点击了项目B、项目C和项目H；用户3依次点击了项目C、项目H、项目E和项目G。则根据用户2和用户3的上述历史行为数据可以得到的第一项目序列包括：{A,F,C}、{A,G,I，H}、{B,C,H}和{C,H，E,G}。以项目作为顶点，通过有向边将在同一条历史行为数据中出现的项目对应的顶点连接起来构建得到如图2所示的加权有向图。其中，有向本文档来自技高网...

【技术保护点】
1.一种跨场景的项目推荐方法，其特征在于，包括：根据用户历史行为数据，确定预设用户行为对应的若干第一项目序列；分别对每个所述第一项目序列进行拆分、重组处理，确定若干第二项目序列，使得每个所述第二项目序列中相邻的两个项目匹配不同场景；基于所述若干第二项目序列，训练项目词向量模型；通过所述项目词向量模型，确定目标项目的第一词向量，以及与所述目标项目匹配不同场景的待推荐项目的第二词向量；根据所述第一词向量分别和各所述第二次词向量的相似度，确定针对所述目标项目推荐的所述待推荐项目。

【技术特征摘要】
1.一种跨场景的项目推荐方法，其特征在于，包括：根据用户历史行为数据，确定预设用户行为对应的若干第一项目序列；分别对每个所述第一项目序列进行拆分、重组处理，确定若干第二项目序列，使得每个所述第二项目序列中相邻的两个项目匹配不同场景；基于所述若干第二项目序列，训练项目词向量模型；通过所述项目词向量模型，确定目标项目的第一词向量，以及与所述目标项目匹配不同场景的待推荐项目的第二词向量；根据所述第一词向量分别和各所述第二次词向量的相似度，确定针对所述目标项目推荐的所述待推荐项目。2.根据权利要求1所述的方法，其特征在于，所述基于所述若干第二项目序列，训练项目词向量模型的步骤，包括：对于每个所述第二项目序列，分别执行以下操作：在所述第二项目序列中依次确定输入项目，并确定所述第二项目序列中在指定窗口范围内与所述输入项目匹配不同场景的项目分别作为所述输入项目的配对项目；根据所述输入项目和每个所述配对项目分别构建一个作为正样本的项目对；在所述若干第一项目序列中包括的项目中，逐次选择两个匹配不同场景的项目分别构建作为负样本的项目，其中，所述两个匹配不同场景的项目中最多包括一个所述第二项目序列中在所述指定窗口范围内的项目，且所述两个匹配不同场景的项目中不包括所述输入项目；基于作为正样本的所述项目对和作为负样本的所述项目对，训练项目词向量模型。3.根据权利要求1或2所述的方法，其特征在于，所述分别对每个所述第一项目序列进行拆分、重组处理，确定若干第二项目序列的步骤，包括：确定一个未被拆分、重组处理的所述第一项目序列作为当前第一项目序列，并对所述当前第一项目序列执行以下操作，直至所有所述第一项目序列均被拆分、重组处理：确定所述当前第一项目序列中排在序列首的第一个项目作为当前项目；确定所述当前第一项目序列中所述当前项目的后一个项目是否与所述当前项目匹配相同场景；若是,则将所述当前项目的后一个项目从所述当前第一项目序列中移除，重新生成一个第一项目序列，同时，将所述当前项目从所述当前第一项目序列中移除，重新生成一个第一项目序列，并将所述当前第一项目序列标记为已被拆分、重组处理，跳转至所述确定一个未被拆分、重组处理的所述第一项目序列作为当前第一项目序列，并对所述当前第一项目序列执行以下操作，直至所有所述第一项目序列均被拆分、重组处理的步骤；若否，确定所述当前项目的后一个项目是否为所述当前第一项目序列中最后一个项目；若所述当前项目的后一个项目是所述当前第一项目序列中最后一个项目，则标识所述第一项目序列已经被拆分、重组处理，并将所述第一项目序列作为一个第二项目序列，之后，跳转至所述确定一个未被拆分、重组处理的所述第一项目序列作为当前第一项目序列，并对所述当前第一项目序列执行以下操作，直至所有所述第一项目序列均被拆分、重组处理的步骤；若所述当前项目的后一个项目非所述当前第一项目序列中最后一个项目，则将所述当前项目的后一个项目作为当前项目，跳转至执行确定所述当前第一项目序列中所述当前项目的后一个项目是否与所述当前项目匹配相同场景的步骤。4.根据权利要求1或2所述的方法，其特征在于，所述根据用户历史行为数据，确定预设用户行为对应的若干第一项目序列的步骤，包括：根据用户针对平台上各项目的历史行为数据构建加权有向图，其中，所述加权有向图的每个顶点分别对应一个所述项目，所述加权有向图的边连接一次访问行为中所访问的项目对应的顶点，所述边的权重根据该边连接的两个顶点对应的项目之间的关系确定；利用加权随机游走算法遍历所述加权有向图，确定若干第一项目序列。5.根据权利要求4所述的方法，其特征在于，所述边的权重根据该边连接的两个顶点对应的项目之间的关系确定，包括：所述边的权重根据该边连接的两个顶点对应的项目的共同访问次数和/或距离确定。6.一种跨场景的项目推荐装置，其特征在于，包括：第一项目序列确定模块，用于根据用户历史行为数据，确定预设用户行为对应的若干第一项目序列；第二项目序列确定模...

【专利技术属性】
技术研发人员：邹旭华，吴骏超，刘永威，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京,11