推荐理由生成方法、装置、设备及存储介质制造方法及图纸

本申请实施例提供一种推荐理由生成方法、装置、设备及存储介质，通过获取待推荐对象的内容信息，并根据预先训练好的推荐理由生成模型和内容信息，生成待推荐对象的推荐理由，其中，推荐理由生成模型使用的训练数据包括多个对象的问答数据和内容信息。该技术方案中，由于推荐理由生成模型的训练是结合多个对象的问答数据和内容信息，通过问答数据挖掘用户最在意的商品，因此，通过本方案生成的推荐理由可准确定位用户需求，提高了用户的体验。提高了用户的体验。提高了用户的体验。

【技术实现步骤摘要】
推荐理由生成方法、装置、设备及存储介质


[0001]本申请实施例涉及通信
，尤其涉及一种推荐理由生成方法、装置、设备及存储介质。

技术介绍

[0002]目前，商品推荐的方法在学术界被广泛研究，并在工业界得到了实际应用。在过去的电商场景下，大多数用户会直接搜索自己想要的产品。但随着经济的快速发展和商品的日益丰富，越来越多的用户并不知道自己需要什么，因此更加习惯于基于商品推荐进行网上购物。
[0003]当前较常见的推荐理由生成方案是根据商品的评论信息生成推荐理由。但该方案至少存在以下问题：
[0004]商品的评论信息包含了大量的好评模板和虚假好评信息，这些噪音会导致对用户需求的定位不准确，进而影响所生成的推荐理由的效果。

技术实现思路

[0005]本申请实施例提供一种推荐理由生成方法、装置、设备及存储介质，以使得所生成的推荐理由可以准确定位用户需求。
[0006]第一方面，本申请实施例提供一种推荐理由生成方法，包括：
[0007]获取待推荐对象的内容信息；
[0008]根据预先训练好的推本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种推荐理由生成方法，其特征在于，包括：获取待推荐对象的内容信息；根据预先训练好的推荐理由生成模型和所述内容信息，生成所述待推荐对象的推荐理由，所述推荐理由生成模型使用的训练数据包括多个对象的问答数据和内容信息。2.根据权利要求1所述的方法，其特征在于，所述根据预先训练好的推荐理由生成模型和所述内容信息，生成所述待推荐对象的推荐理由，包括：采用预设编码器对所述内容信息进行编码处理，得到内容信息向量；根据预先训练好的推荐理由生成模型和所述内容信息向量，生成所述待推荐对象的推荐理由。3.根据权利要求2所述的方法，其特征在于，所述内容信息包括标题和属性，所述采用预设编码器对所述内容信息进行编码处理，得到内容信息向量，包括：分别采用所述预设编码器对所述标题和所述属性进行编码处理，得到标题向量和属性向量；根据所述标题向量和所述属性向量及预设权重，得到所述内容信息向量。4.根据权利要求2所述的方法，其特征在于，所述预设编码器，包括以下编码器中的至少一种：双向长短期记忆网络LSTM编码器、单向LSTM编码器、Transformer模型。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述根据预先训练好的推荐理由生成模型和所述内容信息，生成所述待推荐对象的推荐理由之前，还包括：获取所述训练数据；基于所述训练数据和所述多个对象对应的目标推荐理由，训练初始模型得到所述推荐理由生成模型。6.根据权利要求5所述的方法，其特征在于，所述获取所述训练数据，包括：获取所述多个对象的内容信息；获取所述多个对象的问答数据；对问答数据和内容信息进行过滤处理，获得有效数据；相应地，所述基于所述训练数据和所述多个对象对应的目标推荐理由，训练初始模型得到所述推荐理由生成模型，包括：基于所述多个对象的内容信息、所述有效数据和所述多个对象对应的目标推荐理由，训练初始模型得到所述推荐理由生成模型。7.根据权利要求5所述的方法，其特征在于，所述初始模型，包括：先验网络模块，用于根据内容信息向量，获得第一推荐理由；后验网络模块，用于根据内容信息向量和问答数据向量，获得第二推荐理由；解码模块，用于根据第一推荐理由、第二推荐理由和目标推荐理由，获得预测推荐理由。8.根据权利要求7所述的方法，其特征在于，所述初始模型，还包括：损失函数计算模块，用于以下至少一种用途：根据问答数据向量和目标推荐理由，获得第一损失函数，所述第一损失函数用于指示调整所述解码模块中相关参数；
根据预测推荐理由和目标推荐理由，获得第二损失函数，所述第二损失函数用于指示调整所述解码模块中相关参数；根据第一推荐理由和第二推荐理由，获得第三损失函数，所述第三损失函数用于指示调整所述先验网络模块中相关参数和/或所述后验网络模块中相关参数。9.一种推荐理由生成装置，其特征在于，包括：获取模块，用于获取待推荐对象的内容信息；处理模块，用于根据预先训练好的推荐理由生成模型和所述内容...

【专利技术属性】
技术研发人员：张海楠，陈宏申，丁卓冶，包勇军，颜伟鹏，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：