本发明专利技术公开了一种产品推荐方法、装置、电子设备和存储介质。其中，方法包括确认目标用户和目标商品；根据所述目标用户获取所述目标用户的商品浏览记录；根据所述商品浏览记录生成所述目标用户的短期记忆向量和长期记忆向量；基于所述短期记忆向量、所述长期记忆向量和所述目标商品，利用知识图谱，计算所述目标用户对所述目标商品的喜爱度；根据所述喜爱度为所述目标用户推荐所述目标商品。采用本发明专利技术提供的方案能在为用户推荐产品时，考虑用户长期和短期的喜好，推荐更准确。推荐更准确。推荐更准确。
【技术实现步骤摘要】
产品推荐方法、装置、电子设备和存储介质
[0001]本专利技术涉及数据处理
，尤其涉及一种产品推荐方法、装置、电子设备和存储介质。
技术介绍
[0002]随着科学与信息技术的迅猛发展，社会进入了一个高度信息化的时代，互联网的高速发展和物联网的出现，使得网络中的信息呈现指数级增长。电子商务和大数据概念受到了各界的普遍关注。作为一场新的技术革命，如何充分运用大数据，如何在大数据环境下快速有效地提取有价值的信息是当前比较热门的话题，而解决这个问题的最好工具便是推荐系统。
[0003]目前，传统的推荐算法，特别是基于知识图谱的推荐算法，都是属于静态推荐，即假设用户的偏好是长期不变的，并没有考虑用户的喜好变化。而现实生活中，用户的喜好和商品的流行度随着时间的推移是动态的而非静态的，用户的喜好或多或少都会受到短时间内的一些行为的影响，因此，现在的推荐算法并没有考虑到用户短期的偏好，推荐效果不佳。
技术实现思路
[0004]为解决相关技术问题，本专利技术实施例提供一种产品推荐方法、装置、电子设备和存储介质。
[0005]本专利技术实施例的技术方案是这样实现的：
[0006]本专利技术实施例提供了一种产品推荐方法，方法包括：
[0007]确认目标用户和目标商品；
[0008]根据目标用户获取目标用户的商品浏览记录；
[0009]根据商品浏览记录生成目标用户的短期记忆向量和长期记忆向量；
[0010]基于短期记忆向量、长期记忆向量和目标商品，利用知识图谱，计算目标用户对目标商品的喜爱度；
[0011]根据喜爱度为目标用户推荐目标商品。
[0012]上述方案中，根据商品浏览记录生成目标用户的短期记忆向量和长期记忆向量包括：
[0013]根据所述商品浏览记录获取所述目标用户的点击记录向量；
[0014]根据所述点击记录向量，生成所述目标用户的短期记忆向量和所述目标用户的长期记忆向量。
[0015]上述方案中，根据点击记录向量，生成目标用户的短期记忆向量包括：
[0016]获取第一模型参数；
[0017]根据所述点击记录向量和所述第一模型参数，生成第一输入参数；
[0018]将所述第一输入参数输入至注意力机制中，获得第一输出结果；
[0019]利用模型的平均池化层对所述第一输出结果进行加权平均，获取短期记忆向量。
[0020]上述方案中，根据点击记录向量，生成目标用户的长期记忆向量包括：
[0021]获取第二模型参数；
[0022]根据所述点击记录向量和所述第二模型参数，生成第二输入参数；
[0023]将所述第二输入参数输入至注意力机制中，获得第二输出结果；
[0024]利用模型的平均池化层对所述第二输出结果进行加权平均，获取长期记忆向量。
[0025]上述方案中，基于短期记忆向量、长期记忆向量和目标商品，利用知识图谱，确定目标用户对目标商品的喜爱度包括：
[0026]获取目标商品对应的物品向量；
[0027]基于短期记忆向量、长期记忆向量和物品向量，利用知识图谱，获取用户短期物品向量和用户长期物品向量；
[0028]基于用户短期物品向量和用户长期物品向量，生成用户表示向量；
[0029]基于用户表示向量确定目标用户对目标商品的喜爱度。
[0030]上述方案中，基于短期记忆向量、长期记忆向量和物品向量，利用知识图谱，获取用户短期物品向量和用户长期物品向量包括：
[0031]将物品向量输入至知识图谱中，获取目标商品的三元组节点向量；
[0032]根据三元组节点向量、短期记忆向量和第三模型参数，利用注意力机制，获取用户短期物品向量；
[0033]根据三元组节点向量、长期记忆向量和第三模型参数，利用注意力机制，获取用户长期物品向量。
[0034]上述方案中，基于用户短期物品向量和用户长期物品向量，生成用户表示向量包括：
[0035]将用户短期物品向量和用户长期物品向量进行首尾拼接，生成用户表示向量。
[0036]本专利技术实施例还提供了一种产品推荐装置，产品推荐装置包括：
[0037]确认模块，用于确认目标用户和目标商品；
[0038]获取模块，用于根据目标用户获取目标用户的商品浏览记录；
[0039]生成模块，用于根据商品浏览记录生成目标用户的短期记忆向量和长期记忆向量；
[0040]计算模块，用于基于短期记忆向量、长期记忆向量和目标商品，利用知识图谱，计算目标用户对目标商品的喜爱度；
[0041]推荐模块，用于根据喜爱度为目标用户推荐目标商品。
[0042]本专利技术实施例还提供了一种电子设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，
[0043]处理器用于运行计算机程序时，执行上述任一方法的步骤。
[0044]本专利技术实施例还提供了一种存储介质，存储介质中存储有计算机程序，计算机程序被处理器执行时，实现上述任一方法的步骤。
[0045]本专利技术实施例提供的产品推荐方法、装置、电子设备和存储介质，确认目标用户和目标商品；根据目标用户获取目标用户的商品浏览记录；根据商品浏览记录生成目标用户的短期记忆向量和长期记忆向量；基于短期记忆向量、长期记忆向量和目标商品，利用知识
图谱，计算目标用户对目标商品的喜爱度；根据喜爱度为目标用户推荐目标商品。采用本专利技术提供的方案能在为用户推荐产品时，考虑用户长期和短期的喜好，推荐更准确。
附图说明
[0046]图1为本专利技术实施例产品推荐方法的流程示意图；
[0047]图2为本专利技术应用实施例产品推荐过程示意图；
[0048]图3为本专利技术实施例产品推荐装置的结构示意图；
[0049]图4为本专利技术实施例计算机设备的内部结构图。
具体实施方式
[0050]下面将结合附图及实施例对本专利技术作进一步详细的描述。
[0051]本专利技术实施例提供了一种产品推荐方法，如图1所示，该方法包括：
[0052]步骤101：确认目标用户和目标商品；
[0053]步骤102：根据所述目标用户获取所述目标用户的商品浏览记录；
[0054]步骤103：根据所述商品浏览记录生成所述目标用户的短期记忆向量和长期记忆向量；
[0055]步骤104：基于所述短期记忆向量、所述长期记忆向量和所述目标商品，利用知识图谱，计算所述目标用户对所述目标商品的喜爱度；
[0056]步骤105：根据所述喜爱度为所述目标用户推荐所述目标商品。
[0057]具体地，在不同的应用场景下，目标商品的指代含义不同。例如，在短视频场景中，目标商品可以指代为用户能够进行观看的短视频。在电商场景中，目标商品可以指代为用户能够购买的商品。
[0058]这里，目标用户指推荐系统为其进行商品推荐的用户，目标商品指待确定是否对该目标用户进行推荐的商本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种产品推荐方法，其特征在于，所述方法包括：确认目标用户和目标商品；根据所述目标用户获取所述目标用户的商品浏览记录；根据所述商品浏览记录生成所述目标用户的短期记忆向量和长期记忆向量；基于所述短期记忆向量、所述长期记忆向量和所述目标商品，利用知识图谱，计算所述目标用户对所述目标商品的喜爱度；根据所述喜爱度为所述目标用户推荐所述目标商品。2.根据权利要求1所述的方法，其特征在于，所述根据所述商品浏览记录生成所述目标用户的短期记忆向量和长期记忆向量包括：根据所述商品浏览记录获取所述目标用户的点击记录向量；根据所述点击记录向量，生成所述目标用户的短期记忆向量和所述目标用户的长期记忆向量。3.根据权利要求2所述的方法，其特征在于，所述根据所述点击记录向量，生成所述目标用户的短期记忆向量包括：获取第一模型参数；根据所述点击记录向量和所述第一模型参数，生成第一输入参数；将所述第一输入参数输入至注意力机制中，获得第一输出结果；利用模型的平均池化层对所述第一输出结果进行加权平均，获取短期记忆向量。4.根据权利要求2所述的方法，其特征在于，所述根据所述点击记录向量，生成所述目标用户的长期记忆向量包括：获取第二模型参数；根据所述点击记录向量和所述第二模型参数，生成第二输入参数；将所述第二输入参数输入至注意力机制中，获得第二输出结果；利用模型的平均池化层对所述第二输出结果进行加权平均，获取长期记忆向量。5.根据权利要求1所述的方法，其特征在于，所述基于所述短期记忆向量、所述长期记忆向量和所述目标商品，利用知识图谱，确定所述目标用户对所述目标商品的喜爱度包括：获取所述目标商品对应的物品向量；基于所述短期记忆向量、所述长期记忆向量和所述物品向量，利用知识图谱，获取用户短期物品向量和用户长期物...
【专利技术属性】
技术研发人员：陈嘉真，徐凯波，
申请(专利权)人：北京明略软件系统有限公司，
类型：发明
国别省市：
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。