商品推荐方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种商品推荐方法、装置、计算机设备及存储介质，该方法通过获取用户基本信息对应的用户传播向量集和商品基本信息对应的商品传播向量集；获取每一传播层级的用户特征向量和商品特征向量；用户特征向量根据前一传播层级的用户特征向量、初始用户向量和当前传播层级的传播用户向量生成；商品特征向量根据前一传播层级的商品特征向量、初始商品向量和当前传播层级的传播商品向量生成；对所有传播层级的用户特征向量和商品特征向量进行特征交互处理，得到商品推荐结果；根据针对同一目标用户的所有推荐值对目标商品进行排序，生成目标用户对应的商品推荐序列，并将商品推荐序列推送至客户端中。本发明专利技术提高了商品推荐的准确性。的准确性。的准确性。

【技术实现步骤摘要】
商品推荐方法、装置、计算机设备及存储介质


[0001]本专利技术涉及关系网络分析
，尤其涉及一种商品推荐方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着科学技术的发展，从大数据中提取和用户相关的特征数据，进而根据提取的特征数据向用户进行推荐已逐渐应用在不同的领域中。例如，保险产品推荐、商品推荐或者药物推荐等领域。
[0003]现有技术中提出的推荐模型往往是基于单一的用户画像进行相关推荐。但是在某些平台收集用户相关信息的难度很大，导致用户画像刻画的准确性较低，从而导致推荐模型推荐的准确率较低。

技术实现思路

[0004]本专利技术实施例提供一种商品推荐方法、装置、计算机设备及存储介质，以解决现有技术中推荐模型进行商品推荐的准确率较低的问题。
[0005]一种商品推荐方法，包括：
[0006]接收商品推荐指令；所述商品推荐指令中包括目标用户对应的用户基本信息和目标商品对应的商品基本信息；
[0007]获取所述用户基本信息对应的用户传播向量集和所述商品基本信息对应的商品传播向量集；所述用户传播向量集包括一个初始用户向量和按照传播层级排序的多个传播用户向量；所述商品传播向量集包括一个初始商品向量和按照传播层级排序的多个传播商品向量；
[0008]获取每一传播层级的用户特征向量和商品特征向量；所述用户特征向量根据前一传播层级的用户特征向量、初始用户向量和当前传播层级的传播用户向量生成；所述商品特征向量根据前一传播层级的商品特征向量、初始商品向量和当前传播层级的传播商品向量生成；
[0009]对所有传播层级的用户特征向量和商品特征向量进行特征交互处理，得到商品推荐结果；所述商品推荐结果中包括针对不同的目标用户时所有所述目标商品对应的推荐值；
[0010]根据针对同一目标用户的所有所述推荐值对所述目标商品进行排序，生成所述目标用户对应的商品推荐序列，并将所有所述目标用户对应的所述商品推荐序列推送至客户端中。
[0011]一种商品推荐装置，包括：
[0012]指令接收模块，用于接收商品推荐指令；所述商品推荐指令中包括目标用户对应的用户基本信息和目标商品对应的商品基本信息；
[0013]传播向量获取模块，用于获取所述用户基本信息对应的用户传播向量集和所述商
品基本信息对应的商品传播向量集；所述用户传播向量集包括一个初始用户向量和按照传播层级排序的多个传播用户向量；所述商品传播向量集包括一个初始商品向量和按照传播层级排序的多个传播商品向量；
[0014]特征提取模块，用于获取每一传播层级的用户特征向量和商品特征向量；所述用户特征向量根据前一传播层级的用户特征向量、初始用户向量和当前传播层级的传播用户向量生成；所述商品特征向量根据前一传播层级的商品特征向量、初始商品向量和当前传播层级的传播商品向量生成；
[0015]特征交互模块，用于对所有传播层级的用户特征向量和商品特征向量进行特征交互处理，得到商品推荐结果；所述商品推荐结果中包括针对不同的目标用户时所有所述目标商品对应的推荐值；
[0016]商品推荐模块，用于根据针对同一目标用户的所有所述推荐值对所述目标商品进行排序，生成所述目标用户对应的商品推荐序列，并将所有所述目标用户对应的所述商品推荐序列推送至客户端中。
[0017]一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述商品推荐方法。
[0018]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述商品推荐方法。
[0019]上述商品推荐方法、装置、计算机设备及存储介质，该商品推荐方法通过对用户基本信息和商品基本信息进行多层传播，从而使得用户传播向量集和商品传播向量集具有更多的特征信息。进而在特征提取过程中，不同传播层级的向量保持与初始用户向量(或者初始商品向量)的联系，并且每一传播层级的向量生成均依赖于不同的向量(前一传播层级对应的用户特征向量或用户商品向量)。如此，即可避免不同传播层级之间的向量表征过于相似，提高了不同传播层级的向量表征的个性程度。进而提高了商品推荐的准确性。
附图说明
[0020]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是本专利技术一实施例中商品推荐方法的一应用环境示意图；
[0022]图2是本专利技术一实施例中商品推荐方法的一流程图；
[0023]图3是本专利技术一实施例中商品推荐装置的一原理框图；
[0024]图4是本专利技术一实施例中计算机设备的一示意图。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0026]本专利技术实施例提供的商品推荐方法，该商品推荐方法可应用如图1所示的应用环境中。具体地，该商品推荐方法应用在商品推荐系统中，该商品推荐系统包括如图1所示的客户端和服务器，客户端与服务器通过网络进行通信，用于解决现有技术中推荐模型进行商品推荐的准确率较低的问题。其中，客户端又称为用户端，是指与服务器相对应,为客户提供本地服务的程序。客户端可安装在但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备上。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。其中，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0027]在一实施例中，如图2所示，提供一种商品推荐方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：
[0028]S10：接收商品推荐指令；所述商品推荐指令中包括目标用户对应的用户基本信息和目标商品对应的商品基本信息。
[0029]可以理解地，商品推荐指令可以由客户端在采集到用户基本信息和商品基本信息之后发送，也可以在客户端将用户基本信息和商品基本信息发送至服务器后自动生成。目标用户即为等待进行商品推荐的用户。用户基本信息可以为目标用户的个人信息(如性别、性格或者个人喜好等)。目标商品即为待推荐给目标用户的商品。商品基本信息可以为目标商品的商品类型、商品适用人群或者商品功能信息等。示例性地，假设本实施例应用在保险产品推荐场景下，目标商品即可以为不同类型的保险产品。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种商品推荐方法，其特征在于，包括：接收商品推荐指令；所述商品推荐指令中包括目标用户对应的用户基本信息和目标商品对应的商品基本信息；获取所述用户基本信息对应的用户传播向量集和所述商品基本信息对应的商品传播向量集；所述用户传播向量集包括一个初始用户向量和按照传播层级排序的多个传播用户向量；所述商品传播向量集包括一个初始商品向量和按照传播层级排序的多个传播商品向量；获取每一传播层级的用户特征向量和商品特征向量；所述用户特征向量根据前一传播层级的用户特征向量、初始用户向量和当前传播层级的传播用户向量生成；所述商品特征向量根据前一传播层级的商品特征向量、初始商品向量和当前传播层级的传播商品向量生成；对所有传播层级的用户特征向量和商品特征向量进行特征交互处理，得到商品推荐结果；所述商品推荐结果中包括针对不同的目标用户时所有所述目标商品对应的推荐值；根据针对同一目标用户的所有所述推荐值对所述目标商品进行排序，生成所述目标用户对应的商品推荐序列，并将所有所述目标用户对应的所述商品推荐序列推送至客户端中。2.如权利要求1所述的商品推荐方法，其特征在于，所述获取所述用户基本信息对应的用户传播向量集和所述商品基本信息对应的商品传播向量集之前，还包括：对所述用户基本信息进行向量转换，得到初始用户向量；对所述商品基本信息进行向量转换，得到初始商品向量；将所述初始用户向量和所述初始商品向量输入至预设商品推荐模型中，通过所述预设商品推荐模型对所述初始用户向量和所述初始商品向量进行信息传播，得到不同传播层级对应的传播用户向量和不同传播层级对应的传播商品向量。3.如权利要求2所述的商品推荐方法，其特征在于，所述通过所述预设商品推荐模型对所述初始用户向量和所述初始商品向量进行信息传播，得到不同传播层级对应的传播用户向量和不同传播层级对应的传播商品向量，包括：将所述初始用户向量设置为用户节点，将所述初始商品向量设置为商品节点，根据所有所述用户节点和所有所述商品节点构建目标二部图；从所述目标二部图中确定与所述用户节点对应的第一邻居节点数量，以及与所述商品节点对应的第二邻居节点数量；根据所述第一邻居节点数量、第二邻居节点数量、前一传播层级的传播用户向量和前一传播层级的传播商品向量，确定当前传播层级的传播用户向量和传播商品向量。4.如权利要求1所述的商品推荐方法，其特征在于，所述获取每一传播层级的用户特征向量和商品特征向量，包括：获取与当前传播层级对应的第一向量矩阵和第二向量矩阵；根据前一传播层级的用户特征向量、初始用户向量、当前传播层级的传播用户向量、第一向量矩阵和第二向量矩阵，确定当前传播层级的所述用户特征向量；根据前一传播层级的商品特征向量、初始商品向量、当前传播层级的传播商品向量、第一向量矩阵和第二向量矩阵，确定当前传播层级的所述商品特征向量。
5.如权利要求4所述的商品推荐方法，其特征在于，所述根据前一传播层级的用户特征向量、初始用户向量、当前传播层级的传播用户向量、第一...

【专利技术属性】
技术研发人员：李飞，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：