【技术实现步骤摘要】
一种物品召回方法和装置
[0001]本专利技术涉及计算机
,尤其涉及一种物品召回方法和装置。
技术介绍
[0002]物品召回是指依据用户个性化特征,在海量的物品集中利用多种 召回策略快速召回小部分用户潜在感兴趣的候选物品,以将召回的候 选物品进行排序后推荐给用户,在实际的推荐、搜索、广告等场景中 应用广泛。
[0003]由于召回的候选物品直接用于排序并推荐,因而召回候选物品与 被推荐用户的相关度、召回候选物品的准确性及全面性等直接决定着 个性化排序推荐的效果,因此如何进行可行且高效的物品召回成为了 研究重点。
[0004]在实现本专利技术过程中,专利技术人发现现有技术中至少存在如下问题: 采用单一召回策略进行物品召回时,无法保证所召回物品的全面性; 而采用多召回策略进行多路物品召回时,仅对各个召回策略的召回物 品的召回分值进行简答的线性加权或归一化处理,无法同时保证召回 物品的准确性及全面性。
技术实现思路
[0005]有鉴于此,本专利技术实施例提供了一种物品召回方法和装置,能够 针对不同的召回策略,通过分别建立不同子任务模型,并通过多任务 学习同时学习所有子任务模型以确定帕累托最优解的方式确定各个召 回策略对应的召回权重,从而根据各个召回策略的召回权重融合各路 召回结果,保证了采用多路召回策略进行物品召回时的全面性及准确 性。
[0006]为实现上述目的,根据本专利技术实施例的一个方面,提供了一种物 品召回方法,包括:
[0007]获取历史数据,所述历史数据指示 ...
【技术保护点】
【技术特征摘要】
1.一种物品召回方法,其特征在于,包括:获取历史数据,所述历史数据指示了下述一种或多种:用户信息、物品信息、用户对物品进行的操作行为、用户操作的物品序列;基于所述历史数据,使用至少两组召回策略中的每一个召回策略,分别确定待用户操作的一个或多个预召回物品以及所述预召回物品对应的召回分值;根据所述预召回物品、所述召回分值,分别建立每组召回策略对应的子任务模型,所述子任务模型用以确定召回策略组中每一个召回策略对应的召回权重;基于多任务学习方法,共同学习所有所述子任务模型,以确定所述召回权重的帕累托最优解;根据所述召回分值及所述召回权重的帕累托最优解,从所述预召回物品中确定出一个或多个召回物品。2.根据权利要求1所述的物品召回方法,其特征在于,所述召回策略为协同过滤算法或图嵌入算法;其中,所述协同过滤算法包括下述一种或多种:基于物品的协同过滤算法、基于用户的协同过滤算法、Swing算法、关联规则算法;所述图嵌入算法包括下述一种或多种:EGES算法、Node2Vec算法、DeepWalk算法、LINE算法、SDNE算法。3.根据权利要求2所述的物品召回方法,其特征在于,使用所述基于物品的协同过滤算法,确定待用户操作的一个或多个预召回物品及所述预召回物品对应的召回分值,包括:根据所述物品信息计算任意两个物品之间的物品相似度,以确定与所述用户操作过的物品对应的相似物品;根据所述物品相似度、所述用户对操作过的物品的评分,确定所述相似物品对应的召回分值;根据所述召回分值由高到低的顺序选取一个或多个所述相似物品为所述用户对应的预召回物品。4.根据权利要求3所述的物品召回方法,其特征在于,所述物品相似度由用户对两个物品进行操作的时间差、所述用户操作的物品数量、对物品进行操作的用户数量确定。5.根据权利要求2所述的物品召回方法,其特征在于,使用所述基于用户的协同过滤算法,确定待用户操作的一个或多个预召回物品及所述预召回物品对应的召回分值,包括:根据所述用户信息、用户对物品进行的操作行为,计算任意两个用户之间的用户相似度,以根据所述用户相似度确定与所述用户对应的相似用户;选取所述相似用户操作过的物品为相似物品;根据所述用户相似度、所述相似用户对操作过的相似物品的评分,确定所述相似物品对应的召回分值;根据所述召回分值由高到低的顺序选取一个或多个所述相似物品为所述预召回物品。6.根据权利要求5所述的物品召回方法,其特征在于,
所述用户相似度由两个用户操作的物品数量、所述两个用户操作过的物品对应的操作用户数量确定。7.根据权利要求2所述的物品召回方法,其特征在于,使用所述Swing算法,确定待用户操作的一个或多个预召回物品及所述预召回物品对应的召回分值,包括:根据所述物品信息、用户信息、用户对物品进行的操作行为,计算任意两个物品...
【专利技术属性】
技术研发人员:蒋权,陈希,
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:
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。