商品推荐方法、装置、终端设备及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、终端设备及计算机可读存储介质，该方法包括：获取多领域商品参数；根据所述多领域商品参数，通过预设的多领域深度学习模型，确定多领域混合的目标推荐商品。本发明专利技术能够通过多领域商品推荐，实现商品精准推荐，进而提升用户体验。进而提升用户体验。进而提升用户体验。

【技术实现步骤摘要】
商品推荐方法、装置、终端设备及介质


[0001]本专利技术涉及人工智能
，尤其涉及一种商品推荐方法、装置、终端设备及计算机可读存储介质。

技术介绍

[0002]所谓推荐系统，是通过推荐算法发现用户的兴趣点，从而提升各项业务指标以及用户粘性。比如，短视频平台通过推荐系统来提升用户使用时长以及电商平台通过推荐系统提升销售额等。
[0003]然而，现有的推荐算法通常仅是针对单一领域进行研究，例如，仅是针对商品、视频、餐厅等单领域进行推荐，较少进行多领域混合推荐，导致领域之间的用户特征无法共享，极大程度上影响了推荐效果。比如，喜欢观看探店视频的用户，可能更喜欢热门的网红餐厅，但是将视频领域和餐厅领域分开考虑时，无法精准把握用户偏好，导致推荐效果差。

技术实现思路

[0004]本专利技术的主要目的在于提供一种商品推荐方法、装置、终端设备及计算机可读存储介质，旨在通过多领域商品推荐，实现商品精准推荐，进而提升用户体验。
[0005]为实现上述目的，本专利技术提供一种商品推荐方法，所述方法包括以下步骤：
[0006]获取多领域商品参数；
[0007]根据所述多领域商品参数，通过预设的多领域深度学习模型，确定多领域混合的目标推荐商品。
[0008]可选地，在所述根据所述多领域商品参数，通过预设的多领域深度学习模型，确定多领域混合的目标推荐商品的步骤之后，还包括：
[0009]针对所述目标推荐商品的商品排序位置进行修正，并确定修正商品排序位置后的目标推荐商品对应的用户点击率；
[0010]基于所述用户点击率，评估所述目标推荐商品的商品推荐效果。
[0011]可选地，在所述针对所述目标推荐商品的商品排序位置进行修正的步骤之前，还包括：
[0012]根据预设位置网络，构建商品位置偏差修正规则，其中，所述商品位置偏差修正规则包括：所述目标推荐商品在当前位置处被用户点击的概率；
[0013]所述针对所述目标推荐商品的商品排序位置进行修正的步骤，包括：
[0014]通过所述商品位置偏差修正规则，针对所述目标推荐商品的商品排序位置的点击率偏差进行修正。
[0015]可选地，在所述基于所述目标推荐商品的用户点击率，评估所述目标推荐商品的商品推荐效果的步骤之后，还包括：
[0016]构建待推荐商品权重函数；
[0017]通过所述待推荐商品权重函数，调整所述目标推荐商品的权重，基于所述权重优
化所述用户点击率对应的损失函数。
[0018]可选地，所述多领域商品参数包括：多领域商品特征、商品上下文特征以及待推荐用户特征，所述获取多领域商品参数的步骤，包括：
[0019]获取所述待推荐用户特征、所述多领域商品特征和所述商品上下文特征，其中，所述商品上下文特征包括多领域商品的共同特征。
[0020]可选地，所述获取所述多领域商品特征的步骤，包括：
[0021]构建包含多领域商品的商品特征域；
[0022]将所述商品特征域中的各商品特征进行交叉，得到所述多领域商品特征。
[0023]可选地，在所述获取多领域商品参数的步骤之前，还包括：
[0024]构建多领域深度学习模型；
[0025]所述根据所述多领域商品参数，通过预设的多领域深度学习模型，确定多领域混合的目标推荐商品的步骤，包括：
[0026]将所述待推荐用户特征、所述多领域商品特征和所述商品上下文特征输入所述多领域深度学习模型，并得到所述多领域深度学习模型输出的目标推荐商品。
[0027]为实现上述目的，本专利技术还提供一种商品推荐装置，所述商品推荐装置包括：
[0028]获取模块，用于获取多领域商品参数；
[0029]确定模块，用于根据所述多领域商品参数，通过预设的多领域深度学习模型，确定多领域混合的目标推荐商品。
[0030]为实现上述目的，本专利技术还提供一种终端设备，所述终端设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的商品推荐程序，所述商品推荐程序被所述处理器执行时实现如上所述的商品推荐方法的步骤。
[0031]此外，为实现上述目的，本专利技术还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有商品推荐程序，所述商品推荐程序被处理器执行时实现如上所述的商品推荐方法的步骤。
[0032]为实现上述目的，本专利技术还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上所述的商品推荐方法的步骤。
[0033]本专利技术提供一种商品推荐方法、装置、终端设备、计算机可读存储介质以及计算机程序产品，通过获取多领域商品参数；根据所述多领域商品参数，通过预设的多领域深度学习模型，确定多领域混合的目标推荐商品。
[0034]相比于现有技术中的单领域商品推荐，在本专利技术中，终端设备根据获取到的多领域商品参数，通过预设的多领域深度学习模型，确定多领域混合的目标推荐商品。可见，本专利技术避免了单领域商品推荐方式所导致的商品推荐准确度低的问题，综合考虑了多领域商品，实现了多领域商品混合推荐，满足了用户的多样化需求，更加贴合实际商品推荐场景。在此基础上，本专利技术提升了商品推荐精度，进而提升了用户粘性。
附图说明
[0035]图1为本专利技术实施例方案涉及的硬件运行环境的结构示意图；
[0036]图2为本专利技术商品推荐方法一实施例的第一流程示意图；
[0037]图3为本专利技术商品推荐方法一实施例的第二流程示意图；
[0038]图4为本专利技术商品推荐方法一实施例的第三流程示意图；
[0039]图5为本专利技术商品推荐方法一实施例的第四流程示意图；
[0040]图6为本专利技术商品推荐方法一实施例的第五流程示意图；
[0041]图7为本专利技术商品推荐装置一实施例的功能模块示意图。
[0042]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0043]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0044]如图1所示，图1是本专利技术实施例方案涉及的硬件运行环境的设备结构示意图。
[0045]本专利技术实施例的终端设备可以是智能手机、平板电脑、计算机、服务器或其它网络设备等，本实施例中的终端设备可用于实现商品精准推荐。
[0046]如图1所示，该终端设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI
‑
FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(no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，所述商品推荐方法包括：获取多领域商品参数；根据所述多领域商品参数，通过预设的多领域深度学习模型，确定多领域混合的目标推荐商品。2.如权利要求1所述的商品推荐方法，其特征在于，在所述根据所述多领域商品参数，通过预设的多领域深度学习模型，确定多领域混合的目标推荐商品的步骤之后，还包括：针对所述目标推荐商品的商品排序位置进行修正，并确定修正商品排序位置后的目标推荐商品对应的用户点击率；基于所述用户点击率，评估所述目标推荐商品的商品推荐效果。3.如权利要求2所述的商品推荐方法，其特征在于，在所述针对所述目标推荐商品的商品排序位置进行修正的步骤之前，还包括：根据预设位置网络，构建商品位置偏差修正规则，其中，所述商品位置偏差修正规则包括：所述目标推荐商品在当前位置处被用户点击的概率；所述针对所述目标推荐商品的商品排序位置进行修正的步骤，包括：通过所述商品位置偏差修正规则，针对所述目标推荐商品的商品排序位置的点击率偏差进行修正。4.如权利要求2所述的商品推荐方法，其特征在于，在所述基于所述目标推荐商品的用户点击率，评估所述目标推荐商品的商品推荐效果的步骤之后，还包括：构建待推荐商品权重函数；通过所述待推荐商品权重函数，调整所述目标推荐商品的权重，基于所述权重优化所述用户点击率对应的损失函数。5.如权利要求1所述的商品推荐方法，其特征在于，所述多领域商品参数包括：多领域商品特征、商品上下文特征以及待推荐用户特征，所述获取多领域...

【专利技术属性】
技术研发人员：郭晓冬，葛灿，夏之阳，冯子明，
申请(专利权)人：招商银行股份有限公司，
类型：发明
国别省市：