本发明专利技术公开了一种物品推荐方法，包括：对接收到的物品推荐请求进行解析，得到请求端身份信息和待推荐的目标物品；将请求端身份信息和目标物品输入到通过增加冲量项的对比散度算法训练得到的目标受限玻尔兹曼机协同过滤推荐模型中；利用目标受限玻尔兹曼机协同过滤推荐模型根据请求端身份信息获取目标请求端对应的历史评分集，并根据历史评分集对目标物品进行评分操作，得到目标请求端关于目标物品的评分结果；根据评分结果生成目标物品关于目标请求端的推荐结果，并输出推荐结果。应用本发明专利技术实施例所提供的技术方案，较大地提高了推荐效率，提升了物品推荐准确性。本发明专利技术还公开了一种物品推荐装置、设备及存储介质，具有相应技术效果。
【技术实现步骤摘要】
一种物品推荐方法、装置、设备及计算机可读存储介质
本专利技术涉及计算机应用
，特别是涉及一种物品推荐方法、装置、设备及计算机可读存储介质。
技术介绍
面对日益突出的信息过载与个性化需求之间的矛盾，推荐系统成为解决这一问题的一种有效手段。在个性化推荐系统之中，协同过滤算法是当前利用最多的推荐技术之一。现有的物品推荐方式主要是采用基于传统受限玻尔兹曼机(RBM)的协同过滤算法根据用户间兴趣的相似度和用户的兴趣偏好，实现为用户的推荐。基于传统受限玻尔兹曼机的协同过滤算法存在一些缺陷：首先，基于传统受限玻尔兹曼机的协同过滤算法在应用中容易陷入局部最优，使得它的应用范围受限，物品推荐结果不准确；其次，当数据量过大时，由于受限玻尔兹曼机迭代次数会成倍的增长，经过非常的漫长学习训练过程，才能够达到预期的均方根误差要求，得到满意的数据结果。因此将传统受限玻尔兹曼机应用到实时推荐系统中，面对大量的网络数据，需要经过长时间的运算给出结果，推荐效率低，用户的实时性体验差。综上所述，如何有效地解决现有的物品推荐方式在应用中容易陷入局部最优，物品推荐结果不准确，推荐效率低，用户的实时性体验差等问题，是目前本领域技术人员急需解决的问题。
技术实现思路
本专利技术的目的是提供一种物品推荐方法，该方法较大地提高了推荐效率，提升了物品推荐准确性，提升了用户的实时性体验；本专利技术的另一目的是提供一种物品推荐装置、设备及计算机可读存储介质。为解决上述技术问题，本专利技术提供如下技术方案：一种物品推荐方法，包括：对接收到的物品推荐请求进行解析，得到请求端身份信息和待推荐的目标物品；将所述请求端身份信息和所述目标物品输入到通过增加冲量项的对比散度算法训练得到的目标受限玻尔兹曼机协同过滤推荐模型中；利用所述目标受限玻尔兹曼机协同过滤推荐模型根据所述请求端身份信息获取目标请求端对应的历史评分集，并根据所述历史评分集对所述目标物品进行评分操作，得到所述目标请求端关于所述目标物品的评分结果；根据所述评分结果生成所述目标物品关于所述目标请求端的推荐结果，并输出所述推荐结果。在本专利技术的一种具体实施方式中，将所述请求端身份信息和所述目标物品输入到通过增加冲量项的对比散度算法训练得到的目标受限玻尔兹曼机协同过滤推荐模型中，包括：将所述请求端身份信息和所述目标物品输入到所述目标受限玻尔兹曼机协同过滤推荐模型中；其中，所述目标受限玻尔兹曼机协同过滤推荐模型为结合增加冲量项的对比散度算法和MapReduce算法并行迭代训练得到。在本专利技术的一种具体实施方式中，根据所述评分结果生成所述目标物品关于所述目标请求端的推荐结果，包括：获取预设推荐评分阈值；判断所述评分结果是否满足所述预设推荐评分阈值；若是，则生成将所述目标物品推荐给所述目标请求端的推荐结果；若否，则生成不将所述目标物品推荐给所述目标请求端的推荐结果。在本专利技术的一种具体实施方式中，利用所述目标受限玻尔兹曼机协同过滤推荐模型根据所述请求端身份信息获取目标请求端对应的历史评分集，包括：利用所述目标受限玻尔兹曼机协同过滤推荐模型获取所述目标请求端关于所述目标物品所属目标物品类别的历史评分集。一种物品推荐装置，包括：请求解析模块，用于对接收到的物品推荐请求进行解析，得到请求端身份信息和待推荐的目标物品；输入模块，用于将所述请求端身份信息和所述目标物品输入到通过增加冲量项的对比散度算法训练得到的目标受限玻尔兹曼机协同过滤推荐模型中；评分结果获得模块，用于利用所述目标受限玻尔兹曼机协同过滤推荐模型根据所述请求端身份信息获取目标请求端对应的历史评分集，并根据所述历史评分集对所述目标物品进行评分操作，得到所述目标请求端关于所述目标物品的评分结果；推荐结果输出模块，用于根据所述评分结果生成所述目标物品关于所述目标请求端的推荐结果，并输出所述推荐结果。在本专利技术的一种具体实施方式中，所述输入模块具体为将所述请求端身份信息和所述目标物品输入到所述目标受限玻尔兹曼机协同过滤推荐模型中的模块；其中，所述目标受限玻尔兹曼机协同过滤推荐模型为结合增加冲量项的对比散度算法和MapReduce算法并行迭代训练得到。在本专利技术的一种具体实施方式中，所述推荐结果输出模块包括推荐结果生成子模块，所述推荐结果生成子模块包括：阈值获取单元，用于获取预设推荐评分阈值；判断单元，用于判断所述评分结果是否满足所述预设推荐评分阈值；第一推荐结果生成单元，用于当确定所述评分结果满足所述预设推荐评分阈值时，生成将所述目标物品推荐给所述目标请求端的推荐结果；第二推荐结果生成单元，用于当确定所述评分结果不满足所述预设推荐评分阈值时，生成不将所述目标物品推荐给所述目标请求端的推荐结果。在本专利技术的一种具体实施方式中，所述评分结果获得模块包括历史评分集获得子模块，所述历史评分集获得子模块具体为利用所述目标受限玻尔兹曼机协同过滤推荐模型获取所述目标请求端关于所述目标物品所属目标物品类别的历史评分集的模块。一种物品推荐设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如前所述物品推荐方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述物品推荐方法的步骤。应用本专利技术实施例所提供的方法，对接收到的物品推荐请求进行解析，得到请求端身份信息和待推荐的目标物品；将请求端身份信息和目标物品输入到通过增加冲量项的对比散度算法训练得到的目标受限玻尔兹曼机协同过滤推荐模型中；利用目标受限玻尔兹曼机协同过滤推荐模型根据请求端身份信息获取目标请求端对应的历史评分集，并根据历史评分集对目标物品进行评分操作，得到目标请求端关于目标物品的评分结果；根据评分结果生成目标物品关于目标请求端的推荐结果，并输出推荐结果。通过利用增加冲量项的对比散度算法训练得到目标受限玻尔兹曼机协同过滤推荐模型，使得模型参数的更新方向依赖于上一次迭代的结果，并且冲量项起到了抑制震荡的作用，使得算法跳出局部最优，加快了模型收敛速度，较大地降低了模型迭代次数，较大地提高了推荐效率，提升了物品推荐准确性，提升了用户的实时性体验。相应的，本专利技术实施例还提供了与上述物品推荐方法相对应的物品推荐装置、设备和计算机可读存储介质，具有上述技术效果，在此不再赘述。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为一种受限玻尔兹曼机模型的结构示意图；图2为一种受限玻尔兹曼机模型可见层迭代重构分布图；图3为本专利技术实施例中物品推荐方法的一种实施流程图；...
【技术保护点】
1.一种物品推荐方法，其特征在于，包括：/n对接收到的物品推荐请求进行解析，得到请求端身份信息和待推荐的目标物品；/n将所述请求端身份信息和所述目标物品输入到通过增加冲量项的对比散度算法训练得到的目标受限玻尔兹曼机协同过滤推荐模型中；/n利用所述目标受限玻尔兹曼机协同过滤推荐模型根据所述请求端身份信息获取目标请求端对应的历史评分集，并根据所述历史评分集对所述目标物品进行评分操作，得到所述目标请求端关于所述目标物品的评分结果；/n根据所述评分结果生成所述目标物品关于所述目标请求端的推荐结果，并输出所述推荐结果。/n
【技术特征摘要】
1.一种物品推荐方法，其特征在于，包括：
对接收到的物品推荐请求进行解析，得到请求端身份信息和待推荐的目标物品；
将所述请求端身份信息和所述目标物品输入到通过增加冲量项的对比散度算法训练得到的目标受限玻尔兹曼机协同过滤推荐模型中；
利用所述目标受限玻尔兹曼机协同过滤推荐模型根据所述请求端身份信息获取目标请求端对应的历史评分集，并根据所述历史评分集对所述目标物品进行评分操作，得到所述目标请求端关于所述目标物品的评分结果；
根据所述评分结果生成所述目标物品关于所述目标请求端的推荐结果，并输出所述推荐结果。
2.根据权利要求1所述的物品推荐方法，其特征在于，将所述请求端身份信息和所述目标物品输入到通过增加冲量项的对比散度算法训练得到的目标受限玻尔兹曼机协同过滤推荐模型中，包括：
将所述请求端身份信息和所述目标物品输入到所述目标受限玻尔兹曼机协同过滤推荐模型中；其中，所述目标受限玻尔兹曼机协同过滤推荐模型为结合增加冲量项的对比散度算法和MapReduce算法并行迭代训练得到。
3.根据权利要求1所述的物品推荐方法，其特征在于，根据所述评分结果生成所述目标物品关于所述目标请求端的推荐结果，包括：
获取预设推荐评分阈值；
判断所述评分结果是否满足所述预设推荐评分阈值；
若是，则生成将所述目标物品推荐给所述目标请求端的推荐结果；
若否，则生成不将所述目标物品推荐给所述目标请求端的推荐结果。
4.根据权利要求1至3任一项所述的物品推荐方法，其特征在于，利用所述目标受限玻尔兹曼机协同过滤推荐模型根据所述请求端身份信息获取目标请求端对应的历史评分集，包括：
利用所述目标受限玻尔兹曼机协同过滤推荐模型获取所述目标请求端关于所述目标物品所属目标物品类别的历史评分集。
5.一种物品推荐装置，其特征在于，包括：
请求解析模块，用于对接收到的物品推荐请求进行解析，得到请求端身份信息和待推荐的目标物品；
输入模块，用于将所述请求端身份信息和所述目标物品输入到通过增加冲量项的对比散度算法训练得到...
【专利技术属性】
技术研发人员：马宗学，李传义，顾易，王成，
申请(专利权)人：山东汇贸电子口岸有限公司，
类型：发明
国别省市：山东;37
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。