用户兴趣向量生成方法、产品推荐方法、装置、设备、介质制造方法及图纸

本申请涉及一种用户兴趣向量生成方法、产品推荐方法、装置、设备、介质。所述方法包括：获取用户特征以及历史行为信息，所述历史行为信息包括与目标行为相关的产品；对所述历史行为信息中所涉及的产品进行聚类，得到待处理分类；获取每一所述待处理分类对应的目标产品向量；根据所述目标产品向量和所述用户特征得到用户兴趣向量。所述产品推荐方法包括：获取待推荐产品的待处理向量；根据用户兴趣向量生成方法，计算得到用户兴趣向量；根据每一用户兴趣向量与所述待处理向量，计算得到待推荐产品；将所述待推荐产品发送至用户终端。采用本方法能够利用先验知识辅助用户表达多兴趣，增强多兴趣的准确性，提高匹配的多样性。提高匹配的多样性。提高匹配的多样性。

【技术实现步骤摘要】
用户兴趣向量生成方法、产品推荐方法、装置、设备、介质


[0001]本申请涉及人工智能
，特别是涉及一种用户兴趣向量生成方法、产品推荐方法、装置、设备、介质。

技术介绍

[0002]随着技术的发展，推荐匹配经过从非个性化已转变至个性化。在非个性化阶段，最主要的代表是协同过滤，协同过滤是考虑用户和产品的交互信息来找相似的用户和商品，再利用相似来进行推荐。但随着技术的发展，用户更加专注自己行为，产生了个性化，个性化的代表是embedding技术出现，将用户和产品抽象成一个向量，利用向量内积的方式，计算用户和产品的相似度，该方法能在很大的程度上实现了个性化的需求。
[0003]但随着技术的发展，单个用户抽象出一个向量很难表示用户的多个兴趣，在多兴趣中，存在基于胶囊网络的短视频点击序列预测方法，该方法利用卷积神经网络从用户点击序列中抽取上下文特征，再利用序列胶囊网络将上下文特征转换到不同兴趣空间下，并在不同兴趣空间下捕捉用户行为的序列性，得到用户的多兴趣向量表征。该方法也是将一个用户抽象成多个向量表示，但是这样的方法存在二个问题：第一是序列本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户兴趣向量生成方法，其特征在于，所述用户兴趣向量生成方法包括：获取用户特征以及历史行为信息，所述历史行为信息包括与目标行为相关的产品；对所述历史行为信息中所涉及的产品进行聚类，得到待处理分类；获取每一所述待处理分类对应的目标产品向量；根据所述目标产品向量和所述用户特征得到用户兴趣向量。2.根据权利要求1所述的用户兴趣向量生成方法，其特征在于，所述获取用户特征以及历史行为信息之后，还包括：当所述历史行为信息不满足要求时，获取所述用户特征对应的用户集合；查询所述用户集合对应的产品集合；从所述产品集合中进行采样得到历史行为信息。3.根据权利要求2所述的用户兴趣向量生成方法，其特征在于，所述获取所述用户特征对应的用户集合之前，还包括：获取待处理用户的待处理用户特征；根据所述待处理用户特征对所述待处理用户进行分类，得到用户集合；对每一用户集合中的用户行为所关联的产品进行筛选，得到产品集合。4.根据权利要求1至3任意一项所述的用户兴趣向量生成方法，其特征在于，所述方法还包括：计算产品之间的相似度；所述对所述历史行为信息中所涉及的产品进行聚类，得到待处理分类，包括：根据所述产品的相似度，对所述历史行为信息中所涉及的产品进行聚类，得到待处理分类。5.根据权利要求1至4任意一项所述的用户兴趣向量生成方法，其特征在于，所述获取每一所述待处理分类对应的目标产品向量，包括：获取每一所述待处理分类中的产品对应的产品向量；对每一所述待处理分类中的产品对应的所述产品向量进行向量变化，得到每一所述待处理分类对应的目标产品向量。6....

【专利技术属性】
技术研发人员：李齐周，汤浪，
申请(专利权)人：上海鱼尔网络科技有限公司，
类型：发明
国别省市：