冷启动推荐方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供一种冷启动推荐方法，方法包括：获取第一物品类别标签下各个物品的文本向量，通过预训练好的分类神经网络对所述文本向量进行分类，得到各个物品的第一物品类别信息；获取预设的用户群到第二物品类别标签之间的第一映射关系，并根据第一映射关系，构建第二物品类别标签到用户群之间的第二映射关系；根据第二映射关系，将各个物品的第一物品类别信息映射到用户群中，统计每类用户群对应于各个物品的第一物品类别信息的出现次数；基于出现次数，给对应的用户群打上第一物品类别标签，并根据第一物品类别标签与第二物品类别标签给对应的用户群进行物品推荐。本发明专利技术可以实现推荐系统的冷启动，而且可以提高冷启动推荐准确度。荐准确度。荐准确度。

【技术实现步骤摘要】
冷启动推荐方法、装置、电子设备及存储介质


[0001]本专利技术涉及大数据领域，尤其涉及一种冷启动推荐方法、装置、电子设备及存储介质。

技术介绍

[0002]随着大数据技术的发展，可以通过大数据对潜在用户进行挖掘以及帮助用户减少决策成本，比如推荐系统，推荐系统可以根据用户的历史行为数据预测用户未来的行为和兴趣，因此大量的用户行为数据就成为推荐系统的重要组成部分和先决条件，可以说推荐系统是基于大量用户行为数据和物品数据进行驱动的。但对于很多刚开始做推荐系统的应用或网站，是没有足够多的用户行为数据和物品数据的，在没有大量用户行为数据的情况下设计的推荐系统的推荐准确度较低，容易让用户对推荐结果不满意从而不愿意使用推荐系统，因此，现有推荐系统的推荐方式存在依赖大量用户行为数据才能提高推荐准确度的问题。

技术实现思路

[0003]本专利技术实施例提供一种冷启动推荐方法，能够在少量或没有用户行为数据情况下进行冷启动推荐，提高推荐系统冷启动的推荐准确度。
[0004]第一方面，本专利技术实施例提供一种冷启动推荐方法，所述方法包括：
[0005]获取第一物品类别标签下各个物品的文本向量，通过预训练好的分类神经网络对所述文本向量进行分类，得到各个物品的第一物品类别信息；
[0006]获取预设的用户群到第二物品类别标签之间的第一映射关系，并根据所述第一映射关系，构建所述第二物品类别标签到所述用户群之间的第二映射关系，所述用户群根据用户静态信息进行分类；
[0007]根据所述第二映射关系，将所述各个物品的第一物品类别信息映射到所述用户群中，并统计每类用户群对应于所述各个物品的第一物品类别信息的出现次数；
[0008]基于所述出现次数，给对应的用户群打上所述第一物品类别标签，并根据所述第一物品类别标签与所述第二物品类别标签给对应的用户群进行物品推荐。
[0009]可选的，预训练好的分类神经网络包括预设数量的全连接层，所述方法还包括：
[0010]在所述通过预训练好的分类神经网络对所述文本向量进行分类的过程中，通过所述预设数量的全连接层对所述文本向量进行全连接计算，将最后一个全连接层的输出作为对应物品的物品内容向量；
[0011]基于所述物品内容向量，进行相似物品推荐。
[0012]可选的，所述基于所述出现次数，给对应的用户群打上所述第一物品类别标签，包括：
[0013]判断是否存在出现次数大于或等于预设次数值的用户群，所述预设值与所述第一物品类别标签下的物品数量相关；
[0014]若存在出现次数大于或等于预设次数值的用户群，则给所述出现次数大于或等于预设次数值的用户群打上所述第一物品类别标签；
[0015]若不存在出现次数大于或等于预设次数值的用户群，则给出现次数最多的用户群打上所述第一物品类别标签。
[0016]可选的，所述根据所述第一物品类别标签与所述第二物品类别标签给对应的用户群进行物品推荐，包括：
[0017]根据目标用户的静态信息，判断所述目标用户所属的目标用户群；
[0018]从所述目标用户群对应的所述第一物品类别标签与所述第二物品类别标签中采样出预设数量的物品类别标签作为所述目标用户的待推荐物品类别标签；
[0019]通过所述待推荐物品类别标签，给所述目标用户进行物品推荐。
[0020]可选的，所述从所述目标用户群对应的所述第一物品类别标签与所述第二物品类别标签中采样出待推荐物品类别标签作为所述目标用户的待推荐物品类别标签，包括：
[0021]获取所述目标用户群对于候选物品类别标签下各个物品在推荐时的点击行为，所述候选物品类别标签包括所述目标用户群对应的第一物品类别标签与第二物品类别标签；
[0022]根据所述点击行为，计算各个候选物品类别标签的采样权重；
[0023]基于所述采样权重，对所述候选物品类别标签进行排序，并从排序后的所述候选物品类别标签中依次选取预设数量的物品类别标签作为所述目标用户的待推荐物品类别标签。
[0024]可选的，每个候选物品类别标签都维护一个第一点击参数与第二点击参数，所述第一点击参数与用户群对于所述第一物品类别标签与所述第二物品类别标签下各个物品在推荐时的点击行为发生次数相关，所述第二点击参数与用户群对于所述第一物品类别标签与所述第二物品类别标签下各个物品在推荐时的点击行为未发生次数相关，所述根据所述点击行为，计算各个物品的对应物品类别标签的采样权重，包括：
[0025]根据每个候选物品类别标签对应的第一点击参数与第二点击参数，构建beta分布；
[0026]根据所述beta分布，为所述每个候选物品类别标签分配一个随机数作为对应的采样权重。
[0027]可选的，所述通过所述待推荐物品类别标签，给所述目标用户进行物品推荐，包括：
[0028]获取目标用户在第一预设时间段的点击行为发生次数m以及点击行为发生时的物品信息，所述物品信息包括物品内容向量；
[0029]根据每个物品对应的物品内容向量，获取m*k个的相似物品作为物品推荐的候选物品；
[0030]获取目标用户在第二预设时间段的推荐次数n以及在所述推荐次数n中已推荐物品；
[0031]检测所述候选物品与所述已推荐物品是否存在重复；
[0032]对与所述已推荐物品重复的候选物品进行推荐指数负相关调整；以及
[0033]对与所述已推荐物品不重复的候选物品进行推荐指数正相关调整；
[0034]根据候选物品的推荐指数，从m*k个候选物品中选取k个物品作为推荐物品向所述
目标用户进行推荐。
[0035]可选的，所述方法还包括：
[0036]维护第一推荐列表与第二推荐列表，从所述第一推荐列表与第二推荐列表中采样出k个物品加入到推荐列表，通过所述推荐列表给目标用户进行物品推荐；
[0037]其中，所述第一推荐列表为基于所述目标用户的静态信息所对应的第一物品类别标签与第二物品类别标签进行构建；以及
[0038]所述第二推荐列表为基于所述目标用户的行为点击所对应的待推荐物品类别标签进行构建。
[0039]第二方面，本专利技术实施例还提供一种冷启动推荐装置，所述装置包括：
[0040]第一获取模块，用于获取第一物品类别标签下各个物品的文本向量，通过预训练好的分类神经网络对所述文本向量进行分类，得到各个物品的第一物品类别信息；
[0041]第二获取模块，用于获取预设的用户群到第二物品类别标签之间的第一映射关系，并根据所述第一映射关系，构建所述第二物品类别标签到所述用户群之间的第二映射关系，所述用户群根据用户静态信息进行分类；
[0042]第一处理模块，用于根据所述第二映射关系，将所述各个物品的第一物品类别信息映射到所述用户群中，并统计每类用户群对应于所述各个物品的第一物品类别信息的出现次数；
[0043]第一推荐模块，用于基于所述出现次数，给对应的用户群打上所述第一物品类别标签本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种冷启动推荐方法，其特征在于，包括以下步骤：获取第一物品类别标签下各个物品的文本向量，通过预训练好的分类神经网络对所述文本向量进行分类，得到各个物品的第一物品类别信息；获取预设的用户群到第二物品类别标签之间的第一映射关系，并根据所述第一映射关系，构建所述第二物品类别标签到所述用户群之间的第二映射关系，所述用户群根据用户静态信息进行分类；根据所述第二映射关系，将所述各个物品的第一物品类别信息映射到所述用户群中，并统计每类用户群对应于所述各个物品的第一物品类别信息的出现次数；基于所述出现次数，给对应的用户群打上所述第一物品类别标签，并根据所述第一物品类别标签与所述第二物品类别标签给对应的用户群进行物品推荐。2.如权利要求1所述的方法，其特征在于，预训练好的分类神经网络包括预设数量的全连接层，所述方法还包括：在所述通过预训练好的分类神经网络对所述文本向量进行分类的过程中，通过所述预设数量的全连接层对所述文本向量进行全连接计算，将最后一个全连接层的输出作为对应物品的物品内容向量；基于所述物品内容向量，进行相似物品推荐。3.如权利要求2所述的方法，其特征在于，所述基于所述出现次数，给对应的用户群打上所述第一物品类别标签，包括：判断是否存在出现次数大于或等于预设次数值的用户群，所述预设值与所述第一物品类别标签下的物品数量相关；若存在出现次数大于或等于预设次数值的用户群，则给所述出现次数大于或等于预设次数值的用户群打上所述第一物品类别标签；若不存在出现次数大于或等于预设次数值的用户群，则给出现次数最多的用户群打上所述第一物品类别标签。4.如权利要求3所述的方法，其特征在于，所述根据所述第一物品类别标签与所述第二物品类别标签给对应的用户群进行物品推荐，包括：根据目标用户的静态信息，判断所述目标用户所属的目标用户群；从所述目标用户群对应的所述第一物品类别标签与所述第二物品类别标签中采样出预设数量的物品类别标签作为所述目标用户的待推荐物品类别标签；通过所述待推荐物品类别标签，给所述目标用户进行物品推荐。5.如权利要求4所述的方法，其特征在于，所述从所述目标用户群对应的所述第一物品类别标签与所述第二物品类别标签中采样出待推荐物品类别标签作为所述目标用户的待推荐物品类别标签，包括：获取所述目标用户群对于候选物品类别标签下各个物品在推荐时的点击行为，所述候选物品类别标签包括所述目标用户群对应的第一物品类别标签与第二物品类别标签；根据所述点击行为，计算各个候选物品类别标签的采样权重；基于所述采样权重，对所述候选物品类别标签进行排序，并从排序后的所述候选物品类别标签中依次选取预设数量的物品类别标签作为所述目标用户的待推荐物品类别标签。6.如权利要求5所述的方法，其特征在于，每个候选物品类别标签都维护一个第一点击
参数与第二点击参数，所述第一点击参数与用户群对于所述第一物品类别标签与所述第二物品类别标签下各个物品在推荐时的点...

【专利技术属性】
技术研发人员：李圆法，蚁韩羚，余意，邢玲，
申请(专利权)人：深圳云天励飞技术股份有限公司，
类型：发明
国别省市：