智能推荐方法、装置、服务器和存储介质制造方法及图纸

本发明专利技术实施例公开了一种智能推荐方法、装置、服务器和存储介质；本发明专利技术实施例可以获取虚拟角色的历史社交事件和历史购买事件，该历史社交事件包括社交对象和社交时间，该历史购买事件包括购买对象和购买时间；根据社交时间和购买时间，构建社交对象和购买对象之间的时序关系；基于社交对象、购买对象和时序关系进行特征提取，得到虚拟角色的预测社交特征和预测购买特征；基于预测社交特征和预测购买特征预测虚拟角色的待购买对象；对待购买对象进行购买推荐处理。本发明专利技术实施例在预测用户在未来可能购买的对象时，会参考用户之前的购买事件和社交事件在时序上的关系。由此，本方案可以提升向用户推荐待购买对象时智能推荐方法的准确率。

【技术实现步骤摘要】
智能推荐方法、装置、服务器和存储介质
本专利技术涉及计算机领域，具体涉及一种智能推荐方法、装置、服务器和存储介质。
技术介绍
购买推荐是通过研究用户进行网络购买行为心理，来预测符合用户需求的商品，从而对用户进行商品推荐，为网络商城增加销售额、提高利润率的作用。比如，在电子游戏领域，玩家可以在游戏中购买虚拟的游戏物品、游戏道具等对象，预测并推荐玩家下一次可能会购买的游戏物品、游戏道具等对象，可以有效提高游戏的商业价值。然而，目前的智能推荐方法在预测用户想要购买的对象时，预测结果往往与用户实际想要购买的对象不符，因此，目前智能推荐方法的准确度低下。
技术实现思路
本专利技术实施例提供一种智能推荐方法、装置、服务器和存储介质，可以提升智能推荐方法的准确率。本专利技术实施例提供一种智能推荐方法，包括：获取虚拟角色的历史社交事件和历史购买事件，所述历史社交事件包括社交对象和社交时间，所述历史购买事件包括购买对象和购买时间；根据所述社交时间和购买时间，构建所述社交对象和所述购买对象之间的时序关系；基于所述社交对象、购买对象和时序关系进行特征提取，得到所述虚拟角色的预测社交特征和预测购买特征；基于所述预测社交特征和预测购买特征预测所述虚拟角色的待购买对象；对所述待购买对象进行购买推荐处理。本专利技术实施例还提供一种智能推荐装置，包括：获取单元，用于获取虚拟角色的历史社交事件和历史购买事件，所述历史社交事件包括社交对象和社交时间，所述历史购买事件包括购买对象和购买时间；构建单元，用于根据所述社交时间和购买时间，构建所述社交对象和所述购买对象之间的时序关系；提取单元，用于基于所述社交对象、购买对象和时序关系进行特征提取，得到所述虚拟角色的预测社交特征和预测购买特征；预测单元，用于基于所述预测社交特征和预测购买特征预测所述虚拟角色的待购买对象；推荐单元，用于对所述待购买对象进行购买推荐处理。在一些实施例中，所述提取单元，包括：社交子单元，用于基于所述社交对象和时序关系进行特征提取，得到所述虚拟角色的预测社交特征；购买子单元，用于基于所述购买对象和时序关系进行特征提取，得到所述虚拟角色的预测购买特征。在一些实施例中，所述社交子单元，包括：局部社交子模块，用于根据所述时序关系对所述社交对象进行特征提取，得到所述社交对象的局部社交特征；整体社交子模块，用于基于所述社交对象的局部社交特征确定整体社交特征；近期社交子模块，用于根据所述社交时间在所述社交对象中确定近期社交对象，并确定所述近期社交对象对应的局部社交特征；预测社交子模块，用于根据所述整体社交特征和所述近期社交对象对应的局部社交特征确定所述虚拟角色的预测社交特征。在一些实施例中，所述时序关系包括时序关系图，所述时序关系图中包括多个节点，以及连接两个节点之间的边，所述边包括边的指向方向和影响力权重，所述节点包括社交对象节点和购买对象节点，所述局部社交子模块，用于：在所述时序关系图中确定所述社交对象对应的社交对象节点；根据所述指向方向在所述时序关系图的多个节点中确定所述社交对象节点的社交影响对象节点、购买影响对象节点；根据连接所述社交对象节点和所述社交影响对象节点之间的边的影响力权重计算所述社交影响对象节点对所述社交对象所产生的第一局部社交影响；根据连接所述社交对象节点和所述购买影响对象节点之间的边的影响力权重计算所述购买影响对象节点对所述社交对象所产生的第二局部社交影响；根据所述第一局部社交影响和第二局部社交影响确定所述社交对象的局部社交特征。在一些实施例中，所述预测社交子模块，用于：对所述整体社交特征和所述近期社交对象对应的局部社交特征进行特征拼接处理，得到拼接特征；对所述拼接特征进行线性变换处理，得到所述虚拟角色的预测社交特征。在一些实施例中，所述购买子单元，包括：局部购买子模块，用于根据所述时序关系对所述购买对象进行特征提取，得到所述购买对象的局部购买特征；整体购买子模块，用于基于所述购买对象的局部购买特征确定整体购买特征；近期购买子模块，用于根据所述购买时间在所述购买对象中确定近期购买对象，并确定所述近期购买对象对应的局部购买特征；预测购买子模块，用于根据所述整体购买特征和所述近期购买对象对应的局部购买特征确定所述虚拟角色的预测购买特征。在一些实施例中，所述时序关系包括时序关系图，所述时序关系图中包括多个节点，以及连接两个节点之间的边，所述边包括边的指向方向和影响力权重，所述节点包括购买对象节点和购买对象节点，所述局部购买子模块，用于：在所述时序关系图中确定所述购买对象对应的购买对象节点；根据所述指向方向在所述时序关系图的多个节点中确定所述购买对象节点的社交影响对象节点、购买影响对象节点；根据连接所述购买对象节点和所述购买影响对象节点之间的边的影响力权重计算所述购买影响对象节点对所述购买对象所产生的第一局部购买影响；根据连接所述购买对象节点和所述购买影响对象节点之间的边的影响力权重计算所述购买影响对象节点对所述购买对象所产生的第二局部购买影响；根据所述第一局部购买影响和第二局部购买影响确定所述购买对象的局部购买特征。在一些实施例中，所述预测购买子模块，用于：对所述整体购买特征和所述近期购买对象对应的局部购买特征进行特征拼接处理，得到拼接特征；对所述拼接特征进行线性变换处理，得到所述虚拟角色的预测购买特征。在一些实施例中，所述时序关系包括时序关系图，所述时序关系图中包括多个节点，以及连接两个节点之间的边，所述构建单元，包括：节点子单元，用于将所述社交对象和所述购买对象作为所述时序关系图中的节点；边子单元，用于根据所述社交时间和购买时间建立所述时序关系图中节点之间的边。在一些实施例中，所述节点包括社交对象节点和购买对象节点，所述边子单元，用于：根据所述社交时间对所述社交对象进行时间顺序排序，得到社交排序结果；根据所述社交排序结果对所述时序关系图中的社交对象节点进行两两连接；根据所述购买时间对所述购买对象进行时间顺序排序，得到购买排序结果；根据所述购买排序结果对所述时序关系图中的购买对象节点进行两两连接；根据所述社交时间和所述购买时间对所述时序关系图中的节点进行时间顺序排序，得到全局排序结果；根据所述全局排序结果对所述时序关系图中的节点进行两两连接。在一些实施例中，所述边子单元，还用于：确定所述时序关系图中节点之间的边的指向方向；根据所述指向方向对所述时序关系图中节点之间的边进行权重赋值处理，得到所述边的影响力权重。在一些实施例中，所述预测单元，包括：用户特征子单元，用于对所述虚拟角色进行用户特征提取，得到所述虚拟角色的用户特征；融合子本文档来自技高网...

【技术保护点】
1.一种智能推荐方法，其特征在于，包括：/n获取虚拟角色的历史社交事件和历史购买事件，所述历史社交事件包括社交对象和社交时间，所述历史购买事件包括购买对象和购买时间；/n根据所述社交时间和购买时间，构建所述社交对象和所述购买对象之间的时序关系；/n基于所述社交对象、购买对象和时序关系进行特征提取，得到所述虚拟角色的预测社交特征和预测购买特征；/n基于所述预测社交特征和预测购买特征预测所述虚拟角色的待购买对象；/n对所述待购买对象进行购买推荐处理。/n

【技术特征摘要】
1.一种智能推荐方法，其特征在于，包括：
获取虚拟角色的历史社交事件和历史购买事件，所述历史社交事件包括社交对象和社交时间，所述历史购买事件包括购买对象和购买时间；
根据所述社交时间和购买时间，构建所述社交对象和所述购买对象之间的时序关系；
基于所述社交对象、购买对象和时序关系进行特征提取，得到所述虚拟角色的预测社交特征和预测购买特征；
基于所述预测社交特征和预测购买特征预测所述虚拟角色的待购买对象；
对所述待购买对象进行购买推荐处理。


2.如权利要求1所述的智能推荐方法，其特征在于，所述基于所述社交对象、购买对象和时序关系进行特征提取，得到所述虚拟角色的预测社交特征和预测购买特征，包括：
基于所述社交对象和时序关系进行特征提取，得到所述虚拟角色的预测社交特征；
基于所述购买对象和时序关系进行特征提取，得到所述虚拟角色的预测购买特征。


3.如权利要求2所述的智能推荐方法，其特征在于，所述基于所述社交对象和时序关系进行特征提取，得到所述虚拟角色的预测社交特征，包括：
根据所述时序关系对所述社交对象进行特征提取，得到所述社交对象的局部社交特征；
基于所述社交对象的局部社交特征确定整体社交特征；
根据所述社交时间在所述社交对象中确定近期社交对象，并确定所述近期社交对象对应的局部社交特征；
根据所述整体社交特征和所述近期社交对象对应的局部社交特征确定所述虚拟角色的预测社交特征。


4.如权利要求3所述的智能推荐方法，其特征在于，所述时序关系包括时序关系图，所述时序关系图中包括多个节点，以及连接两个节点之间的边，所述边包括边的指向方向和影响力权重，所述节点包括社交对象节点和购买对象节点；
所述根据所述时序关系对所述社交对象进行特征提取，得到所述社交对象的局部社交特征，包括：
在所述时序关系图中确定所述社交对象对应的社交对象节点；
根据所述指向方向在所述时序关系图的多个节点中确定所述社交对象节点的社交影响对象节点、购买影响对象节点；
根据连接所述社交对象节点和所述社交影响对象节点之间的边的影响力权重计算所述社交影响对象节点对所述社交对象所产生的第一局部社交影响；
根据连接所述社交对象节点和所述购买影响对象节点之间的边的影响力权重计算所述购买影响对象节点对所述社交对象所产生的第二局部社交影响；
根据所述第一局部社交影响和第二局部社交影响确定所述社交对象的局部社交特征。


5.如权利要求3所述的智能推荐方法，其特征在于，所述根据所述整体社交特征和所述近期社交对象对应的局部社交特征确定所述虚拟角色的预测社交特征，包括：
对所述整体社交特征和所述近期社交对象对应的局部社交特征进行特征拼接处理，得到拼接特征；
对所述拼接特征进行线性变换处理，得到所述虚拟角色的预测社交特征。


6.如权利要求2所述的智能推荐方法，其特征在于，所述基于所述购买对象和时序关系进行特征提取，得到所述虚拟角色的预测购买特征，包括：
根据所述时序关系对所述购买对象进行特征提取，得到所述购买对象的局部购买特征；
基于所述购买对象的局部购买特征确定整体购买特征；
根据所述购买时间在所述购买对象中确定近期购买对象，并确定所述近期购买对象对应的局部购买特征；
根据所述整体购买特征和所述近期购买对象对应的局部购买特征确定所述虚拟角色的预测购买特征。


7.如权利要求6所述的智能推荐方法，其特征在于，所述时序关系包括时序关系图，所述时序关系图中包括多个节点，以及连接两个节点之间的边，所述边包括边的指向方向和影响力权重，所述节点包括购买对象节点和购买对象节点；
所述根据所述时序关系对所述购买对象进行特征提取，得到所述购买对象的局部购买特征，包括：
在所述时序关系图中确定所述购买对象对应的购买对象节点；
根据所述指向方向在所述时序关系图的多个节点中确定所述购买对象节点的社交影响对象节点、购买影响对象节点；
根据连接所述购买对象节点和所述购买...

【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