虚拟物品推荐方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供了一种虚拟物品推荐方法包括：基于目标用户的虚拟物品购买行为参数信息，确定与目标用户的虚拟物品购买行为相匹配的伪道具任务；确定目标用户的真实购买序列和伪道具序列对应的序列子图；确定相对应的序列片段特征向量；对序列片段特征向量进行共享处理，形成新的序列片段特征向量；确定目标用户所要购买的虚拟物品，以实现向所述目标用户推荐虚拟物品。本发明专利技术还提供了虚拟物品推荐装置、电子设备及存储介质。本发明专利技术能够实现利用虚拟物品推荐模型向用户准确地推荐虚拟物品，减少了用户查找虚拟物品的时间，提升了用户的使用体验。

【技术实现步骤摘要】
虚拟物品推荐方法、装置、电子设备及存储介质
本专利技术涉及基于信息推荐技术，尤其涉及虚拟物品推荐方法、装置、电子设备及存储介质。
技术介绍
现有技术中，游戏用户通常会在虚拟环境中购买感兴趣的虚拟物品(例如游戏道具)，其中，道具PROPS)(PROPERTIES)，泛指场景中任何装饰、布置用的可移动物件。游戏里也有道具，游戏道具是给游戏目标用户提供方便的物品，游戏道具通常由游戏目标用户做任务获得或者由游戏目标用户通过购买获得。这一过程中，不同的游戏目标用户在不同的时间往往具有不同的道具需求，准确地向游戏目标用户推荐其所需要的道具，不仅可以提高游戏目标用户对游戏道具的购买率，增加游戏应用商的游戏营收，还可以减少游戏目标用户因推荐道具不准确，所造成的目标用户对粘性地下降。
技术实现思路
有鉴于此，本专利技术实施例提供一种虚拟物品推荐方法、装置、电子设备及存储介质，，本专利技术实施例的技术方案是这样实现的：本专利技术提供了一种虚拟物品推荐方法，包括：响应于虚拟物品购买请求，取获取目标用户的虚拟物品购买行为参数信息；基于所述目标用户的虚拟物品购买行为参数信息，确定与所述目标用户的虚拟物品购买行为相匹配的伪道具任务；基于所述伪道具任务和所述目标用户的真实购买序列，确定相对应的序列片段特征向量；对所述序列片段特征向量进行共享处理，形成新的序列片段特征向量；基于所述新的序列片段特征向量和所述目标用户的用户特征向量，确定所述目标用户所要购买的虚拟物品，以实现向所述目标用户推荐虚拟物品。上述方案中，所述获取目标用户的虚拟物品购买行为参数信息，包括：获取与所述目标用户相对应的不同维度的原始数据集合；根据所述不同维度的原始数据集合，确定所述虚拟物品的购买序列与对应的购买时间；基于所述拟物品的购买序列与对应的购买时间，确定不同单位时间内的所述目标用户虚拟物品购买行为参数。本专利技术实施例还提供了一种虚拟物品推荐装置，包括：信息传输模块，用于响应于虚拟物品购买请求，取获取目标用户的虚拟物品购买行为参数信息；信息处理模块，用于基于所述目标用户的虚拟物品购买行为参数信息，确定与所述目标用户的虚拟物品购买行为相匹配的伪道具任务；所述信息处理模块，用于基于所述伪道具任务和所述目标用户的真实购买序列，确定相对应的序列片段特征向量；所述信息处理模块，用于对所述序列片段特征向量进行共享处理，形成新的序列片段特征向量；所述信息处理模块，用于基于所述新的序列片段特征向量和所述目标用户的用户特征向量，通过所述虚拟物品推荐模型确定所述目标用户所要购买的虚拟物品，以实现向所述目标用户推荐虚拟物品。上述方案中，所述信息处理模块，用于基于所述目标用户的虚拟物品购买行为参数信息，确定与所述目标用户相匹配的真实购买序列；所述信息处理模块，用于基于所述伪道具任务和所述目标用户的真实购买序列，确定所述目标用户的真实购买序列和伪道具序列对应的序列子图；所述信息处理模块，用于通过所述序列子图，确定与所述目标用户相对应的序列片段特征向量。上述方案中，所述信息处理模块，用于基于所述目标用户的虚拟物品购买行为参数信息，确定真实购买序列和伪道具序列；所述信息处理模块，用于通过确定目标虚拟物品在所述真实购买序列中的节点和伪道具序列中的节点，确定所述序列子图的节点；所述信息处理模块，用于基于所述目标虚拟物品在所述真实购买序列中的时间顺序，确定所述序列子图的第一类型边线；所述信息处理模块，用于基于所述目标虚拟物品在所述伪道具序列中的时间顺序，确定所述序列子图的第二类型边线；所述信息处理模块，用于基于所述真实购买序列和伪道具序列的关联关系，确定所述序列子图的第三类型边线；所述信息处理模块，用于根据所述序列子图的节点、所述第一类型边线、所述第二类型边线和所述第三类型边线，确定与所述目标用户的虚拟物品购买行为相匹配的序列子图。上述方案中，所述信息处理模块，用于对序列子图的全部特征节点进行线性加权，确定第一序列片段特征向量，其中，所述第一序列片段特征向量用于表征所述目标用户的购买行为偏好；所述信息处理模块，用于提取所述目标用户的最后一次拟物品的购买参数，确定第二序列片段特征向量；所述信息处理模块，用于将所述第一序列片段特征向量和所述第二序列片段特征向量进行拼接处理，确定相应的序列片段特征向量。上述方案中，所述信息处理模块，用于对所述目标用户的虚拟物品购买行为相匹配的序列子图中的不同序列共享的目标用户向量进行初始化处理；所述信息处理模块，用于通过所述虚拟物品推荐模型中的第一用户神经网络模型对所述目标用户向量进行处理，确定与真实购买序列相匹配的第一用户单序列特征；所述信息处理模块，用于通过所述虚拟物品推荐模型中的第二用户神经网络模型对所述目标用户向量进行处理，确定与伪道具序列相匹配的第二用户单序列特征；所述信息处理模块，用于对所述第一用户单序列特征和所述第二用户单序列特征进行拼接处理，形成所述目标用户的用户特征向量。上述方案中，所述信息处理模块，用于确定与所述虚拟物品推荐模型相匹配的多任务损失函数；所述信息处理模块，用于基于所述序列片段特征向量、所述目标用户的用户特征向量以及所述多任务损失函数，调整所述虚拟物品推荐模型的网络参数；所述信息处理模块，用于直至所述虚拟物品推荐模型对应的不同维度的损失函数达到相应的收敛条件；以实现所述虚拟物品推荐模型与所述目标用户相匹配。上述方案中，所述信息处理模块，用于基于所述目标用户购买的虚拟物品名称以及所述所要购买的虚拟物品的类别，对所述虚拟物品的召回顺序进行排序；所述信息处理模块，用于根据所述虚拟物品的召回顺序的排序结果，对用户界面中所展示的虚拟物品的顺序进行调整。上述方案中，所述信息处理模块，用于当所述虚拟物品为游戏道具时，确定所述目标用户所持有的游戏角色，其中，不同游戏角色与相对应的游戏道具匹配；所述信息处理模块，用于基于所述游戏角色，确定对应的游戏道具的购买序列与对应的购买时间；所述信息处理模块，用于基于所述游戏道具的购买序列与对应的购买时间，确定不同单位时间内的所述目标用户虚拟物品购买行为参数。本专利技术实施例还提供了一种电子设备，所述电子设备包括：存储器，用于存储可执行指令；处理器，用于运行所述存储器存储的可执行指令时，实现权利前序的虚拟物品推荐模型训练方法，或者实现前序虚拟物品推荐方法。本专利技术实施例还提供了一种计算机可读存储介质，存储有可执行指令，所述可执行指令被处理器执行时实现前序的虚拟物品推荐模型训练方法，或者实现前序虚拟物品推荐方法。本专利技术实施例具有以下有益效果：本专利技术实施例通过取获取目标用户的虚拟物品购买行为参数信息；基于所述目标用户的虚拟物品购买行为参数信息，确定与所述目标用户的虚拟物品本文档来自技高网...

【技术保护点】
1.一种虚拟物品推荐方法，其特征在于，所述方法包括：/n取获取目标用户的虚拟物品购买行为参数信息；/n基于所述目标用户的虚拟物品购买行为参数信息，确定与所述目标用户的虚拟物品购买行为相匹配的伪道具任务；/n基于所述伪道具任务和所述目标用户的真实购买序列，确定相对应的序列片段特征向量；/n对所述序列片段特征向量进行共享处理，形成新的序列片段特征向量；/n基于所述新的序列片段特征向量和所述目标用户的用户特征向量，确定所述目标用户所要购买的虚拟物品，以实现向所述目标用户推荐虚拟物品。/n

【技术特征摘要】
1.一种虚拟物品推荐方法，其特征在于，所述方法包括：
取获取目标用户的虚拟物品购买行为参数信息；
基于所述目标用户的虚拟物品购买行为参数信息，确定与所述目标用户的虚拟物品购买行为相匹配的伪道具任务；
基于所述伪道具任务和所述目标用户的真实购买序列，确定相对应的序列片段特征向量；
对所述序列片段特征向量进行共享处理，形成新的序列片段特征向量；
基于所述新的序列片段特征向量和所述目标用户的用户特征向量，确定所述目标用户所要购买的虚拟物品，以实现向所述目标用户推荐虚拟物品。


2.根据权利要求1所述的方法，其特征在于，所述基于所述伪道具任务和所述目标用户的真实购买序列，确定相对应的序列片段特征向量，包括：
基于所述目标用户的虚拟物品购买行为参数信息，确定与所述目标用户相匹配的真实购买序列；
基于所述伪道具任务和所述目标用户的真实购买序列，确定所述目标用户的真实购买序列和伪道具序列对应的序列子图；
通过所述序列子图，确定与所述目标用户相对应的序列片段特征向量。


3.根据权利要求2所述的方法，其特征在于，所述基于所述伪道具任务和所述目标用户的真实购买序列，确定所述目标用户的真实购买序列和伪道具序列对应的序列子图，包括：
基于所述目标用户的虚拟物品购买行为参数信息，确定真实购买序列和伪道具序列；
通过确定目标虚拟物品在所述真实购买序列中的节点和伪道具序列中的节点，确定所述序列子图的节点；
基于所述目标虚拟物品在所述真实购买序列中的时间顺序，确定所述序列子图的第一类型边线；
基于所述目标虚拟物品在所述伪道具序列中的时间顺序，确定所述序列子图的第二类型边线；
基于所述真实购买序列和伪道具序列的关联关系，确定所述序列子图的第三类型边线；
根据所述序列子图的节点、所述第一类型边线、所述第二类型边线和所述第三类型边线，确定与所述目标用户的虚拟物品购买行为相匹配的序列子图。


4.根据权利要求1所述的方法，其特征在于，所述基于所述伪道具任务和所述目标用户的真实购买序列，确定相对应的序列片段特征向量，包括：
对序列子图的全部特征节点进行线性加权，确定第一序列片段特征向量，其中，所述第一序列片段特征向量用于表征所述目标用户的购买行为偏好；
提取所述目标用户的最后一次拟物品的购买参数，确定第二序列片段特征向量；
将所述第一序列片段特征向量和所述第二序列片段特征向量进行拼接处理，确定相应的序列片段特征向量。


5.根据权利要求1所述的方法，其特征在于，所述对所述序列片段特征向量进行共享处理，形成新的序列片段特征向量，包括：
对所述目标用户的虚拟物品购买行为相匹配的序列子图中的不同序列共享的目标用户向量进行初始化处理；
通过虚拟物品推荐模型中的第一用户神经网络模型对所述目标用户向量进行处理，确定与真实购买序列相匹配的第一用户单序列特征；
通过所述虚拟物品推荐模型中的第二用户神经网络模型对所述目标用户向量进行处理，确定与伪道具序列相匹配的第二用户单序列特征；
对所述第一用户单序列特征和所述第二用户单序列特征进行拼接处理，形成所述目标用户的用户特征向量。


6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
确定与所述虚拟物品推荐模型相匹配的多任务损失函数；
基于所述序列片段特征向量、所述目标用户的用户特征向量以及所述多任务损失函数，调整所述虚拟物品推荐模型的网络参数；
直至所述虚拟物品推荐模型对应的不同维度的损失函数达到相应的收敛条件；以实现所述虚拟物品推荐模型与所述目标用户相匹配。


7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定所述目标用户所要购买的...

【专利技术属性】
技术研发人员：钱宇秋，陈思，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44