【技术实现步骤摘要】
物品推荐方法、装置、计算机设备及存储介质
本申请涉及计算机
，特别涉及一种物品推荐方法、装置、计算机设备及存储介质。
技术介绍
随着计算机技术的发展，计算机设备可以基于推荐系统预测用户可能感兴趣的物品，从而向用户终端推荐用户可能感兴趣的物品。目前，通常采用基于协同过滤(CollaborativeFiltering，CF)的方式，从海量物品中召回用户可能感兴趣的物品所组成的候选集。然而，上述基于协同过滤进行召回时，新物品(也即是推荐系统中从未出现过的物品)永远没有机会出现在召回的候选集中。针对上述情况，可以对新物品构建关键词序列，根据关键词序列的重合度来确定新物品与已有物品之间的相似度，从而可以将新物品推荐给喜欢过与新物品相似度较高的已有物品的用户。在上述过程中，在获取新物品与已有物品之间的相似度时，仅仅是比对两者的关键词序列中是否存在共同的关键词，如果不存在共同的关键词，相似度则为0。考察一种情况：假设新物品包含关键词“迪士尼”，已有物品包含关键词“游乐场”，由于“迪士尼”和“游乐场”不是相同的关键词，因此机器...
【技术保护点】
1.一种物品推荐方法，其特征在于，所述方法包括：/n根据多个样本物品中两两样本物品之间的至少一个协同过滤分数，获取不同样本物品的多个特征中两两特征之间的至少一个相似度；/n根据所述至少一个相似度，获取所述多个特征的特征向量，不同特征的特征向量之间的距离用于表示不同特征之间的相似度；/n基于所述多个特征的特征向量，确定至少一个目标物品的物品向量；/n根据所述至少一个目标物品的物品向量进行物品推荐。/n
【技术特征摘要】
1.一种物品推荐方法，其特征在于，所述方法包括：
根据多个样本物品中两两样本物品之间的至少一个协同过滤分数，获取不同样本物品的多个特征中两两特征之间的至少一个相似度；
根据所述至少一个相似度，获取所述多个特征的特征向量，不同特征的特征向量之间的距离用于表示不同特征之间的相似度；
基于所述多个特征的特征向量，确定至少一个目标物品的物品向量；
根据所述至少一个目标物品的物品向量进行物品推荐。
2.根据权利要求1所述的方法，其特征在于，所述根据多个样本物品中两两样本物品之间的至少一个协同过滤分数，获取不同样本物品的多个特征中两两特征之间的至少一个相似度包括：
根据不同样本物品的多个特征中两两特征之间的至少一个预估相似度以及所述多个特征对应的多个预估权重，获取所述多个样本物品中两两样本物品之间的至少一个物品相似度；
根据所述至少一个物品相似度和所述至少一个协同过滤分数，获取目标函数值；
若所述目标函数值大于目标阈值，基于梯度下降算法更新所述至少一个预估相似度和所述多个预估权重，基于更新后的至少一个预估相似度和多个预估权重迭代执行获取目标函数值的步骤，直到目标函数值小于或等于目标阈值；
若所述目标函数值小于或等于目标阈值，将本次迭代采用的至少一个预估相似度确定为所述多个特征中两两特征之间的至少一个相似度，将本次迭代采用的多个预估权重确定为所述多个特征对应的多个权重。
3.根据权利要求2所述的方法，其特征在于，所述根据所述至少一个物品相似度和所述至少一个协同过滤分数，获取目标函数值包括：
将所述至少一个物品相似度与所述至少一个协同过滤分数之间的均方误差确定为所述目标函数值。
4.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个相似度，获取所述多个特征的特征向量包括：
根据所述至少一个相似度，构建特征网络结构图，所述特征网络结构图包括与所述多个特征对应的多个节点，不同节点之间的连线用于表示与所述不同节点所对应的两特征之间的相似度；
对所述特征网络结构图进行随机游走，得到多个特征序列，每个特征序列中相邻的元素为相连的节点所对应的各个特征；
基于所述多个特征序列训练词向量模型，通过所述词向量模型获取所述多个特征的特征向量。
5.根据权利要求1所述的方法，其特征在于，所述基于所述多个特征的特征向量，确定至少一个目标物品的物品向量包括：
对每个目标物品，确定所述目标物品所包括的至少一个目标特征；
从所述多个特征的特征向量中，获取所述至少一个目标特征的特征向量；
根据所述至少一个目标特征的特征向量，获取所述目标物品的物品向量。
6.根据权利要求5所述的方法，其特征在于，所述根据所述至少一个目标特征的特征向量，获取所述目标物品的物品向量包括：
对所述至少一个目标特征的特征向量分别进行加权均值池化和加权最大池化，得到所述至少一个目标特征的池化向量；
将所述至...
【专利技术属性】
技术研发人员：侯旭初，张进，张凤龙，
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。