物品推荐方法、装置、设备及存储介质制造方法及图纸

本公开提供了一种物品推荐方法、装置、设备及存储介质，可以应用于人工智能技术领域。该方法包括：确定多个会话序列中的物品，得到物品字典；确定用户点击物品序列；根据物品字典，对用户点击物品序列进行向量化，得到第一物品编码序列；根据用户点击物品序列的物品关联关系，对第一物品编码序列进行特征调整，得到第二物品编码序列；采用注意力机制对第二物品编码序列进行特征聚合，得到初始意图特征和当前兴趣特征；根据初始意图特征和当前兴趣特征，确定用户感兴趣物品特征；根据用户感兴趣物品特征对物品字典中的每个物品进行分值计算，得到分值计算结果；以及根据分值计算结果对物品进行推荐。对物品进行推荐。对物品进行推荐。

【技术实现步骤摘要】
物品推荐方法、装置、设备及存储介质


[0001]本公开涉及人工智能
，尤其涉及一种物品推荐方法、装置、设备、介质和程序产品。

技术介绍

[0002]随着互联网新技术的快速发展，以互联网为依托进行商品和服务交易的新型零售平台进入人们的生活，为人们的生活带来了便利。对于电商平台而言，入驻商户众多，物品规模大，类别繁杂。不同用户的消费兴趣迥异，如何提升用户的购买率以提升电商平台的收益是当前电商业务普遍面临的一个重要问题。推荐系统是解决该问题的主要方式之一。其中，基于会话的推荐系统(session
‑
based recommender systems，SRS)是推荐系统中的一个子任务，目的是根据浏览器会话机制记录的用户历史行为(如点击或购买物品)预测用户下一次可能点击的物品，也称为点击预测问题。
[0003]基于会话的推荐系统主要依靠浏览器会话机制记录的用户浏览行为，即仅能访问到物品id，而无法获得其他信息，如用户对物品的评价、评分等能实际反应用户喜恶的反馈信息。
[0004]现有基于RNN的深度学习模型可以在捕获用户浏览过程中长期兴趣的同时，对会话中相关物品的关联转换进行建模，以获得更好的推荐效果。但当会话长度变长时，RNN获取到的长期兴趣表示会混杂对当前推荐没有意义的噪声信息。这是因为，当会话长度较长时，用户在浏览过程中可能会发生多次兴趣转换，从而导致用户当前兴趣与用户一开始的兴趣不一致，该现象被称为兴趣漂移(interests drift)，这时，继续使用RNN抽取出的兴趣特征会导致SRS不能及时响应用户当前行为带来的影响。

技术实现思路

[0005]鉴于上述问题，本公开提供了物品推荐方法、装置、设备、介质和程序产品。
[0006]根据本公开的第一个方面，提供了一种物品推荐方法，包括：确定多个会话序列中的物品，得到物品字典；确定用户点击物品序列；根据物品字典，对用户点击物品序列进行向量化，得到第一物品编码序列；根据用户点击物品序列的物品关联关系，对第一物品编码序列进行特征调整，得到第二物品编码序列；采用注意力机制对第二物品编码序列进行特征聚合，得到初始意图特征和当前兴趣特征；根据初始意图特征和当前兴趣特征，确定用户感兴趣物品特征；根据用户感兴趣物品特征对物品字典中的每个物品进行分值计算，得到分值计算结果；以及根据分值计算结果对物品进行推荐。
[0007]根据本公开的实施例，根据物品字典，对用户点击物品序列进行向量化，得到第一物品编码序列包括：采用高斯分布对物品字典进行随机初始化，得到多维实数向量；根据多维实数向量对用户点击物品序列进行关系映射，得到第一物品编码序列。
[0008]根据本公开的实施例，根据用户点击物品序列的物品关联关系，对第一物品编码序列进行特征调整，得到第二物品编码序列包括：构建用户点击物品序列的物品关联图；构
建物品关联图的邻接矩阵；根据邻接矩阵，采用门控图神经网络对第一物品编码序列进行向量特征调整，得到第二物品编码序列。
[0009]根据本公开的实施例，构建用户点击物品序列的物品关联图包括：确定用户点击物品序列中的非重复物品集合；构建非重复物品集合的物品关联图。
[0010]根据本公开的实施例，采用注意力机制对第二物品编码序列进行特征聚合，得到初始意图特征和当前兴趣特征包括：确定第二物品编码序列中的初始意图表现和当前兴趣表现；采用注意力机制对初始意图表现与第二物品编码序列进行特征聚合，得到初始意图特征；以及采用注意力机制对当前兴趣表现与第二物品编码序列进行特征聚合，得到当前兴趣特征；其中，初始意图表现的权重大于第二物品编码序列的综合权重，当前兴趣表现的权重大于第二物品编码序列的综合权重。
[0011]根据本公开的实施例，根据初始意图特征和当前兴趣特征，确定用户感兴趣物品特征包括：对初始意图特征和当前兴趣特征进行激活，得到用户感兴趣物品特征。
[0012]根据本公开的实施例，物品推荐方法还包括：根据第一物品编码序列，确定用户通用兴趣特征；以及根据初始意图特征、当前兴趣特征和用户通用兴趣特征，确定用户感兴趣物品特征。
[0013]根据本公开的实施例，根据第一物品编码序列，确定用户通用兴趣特征包括：对第一物品编码序列进行平均池化，得到平均点击特征；对平均点击特征进行激活，得到用户通用兴趣特征。
[0014]根据本公开的实施例，根据初始意图特征、当前兴趣特征和用户通用兴趣特征，确定用户感兴趣物品特征包括：根据第一物品编码序列中相邻向量的信息变化程度，确定用户意图权重；对初始意图特征和当前兴趣特征进行激活，得到第一子用户感兴趣物品特征；对用户通用兴趣特征进行激活，得到第二子用户感兴趣物品特征；根据用户意图权重、第一子用户感兴趣物品特征和第二子用户感兴趣物品特征，得到用户感兴趣物品特征。
[0015]根据本公开的实施例，根据用户感兴趣物品特征对物品字典中的每个物品进行分值计算，得到分值计算结果包括：计算用户感兴趣物品特征与物品字典中各物品的余弦相似度，得到分值计算结果。
[0016]根据本公开的实施例，物品推荐方法还包括：将分值计算结果转换为用户点击物品概率；以及根据用户点击物品概率对物品进行推荐。
[0017]本公开的第二方面提供了一种物品推荐装置，包括：第一确定模块，用于确定多个会话序列中的物品，得到物品字典；第二确定模块，用于确定用户点击物品序列；第一编码模块，用于根据物品字典，对用户点击物品序列进行向量化，得到第一物品编码序列；第二编码模块，用于根据用户点击物品序列的物品关联关系，对第一物品编码序列进行特征调整，得到第二物品编码序列；特征聚合模块，用于采用注意力机制对第二物品编码序列进行特征聚合，得到初始意图特征和当前兴趣特征；第三确定模块，用于根据初始意图特征和当前兴趣特征，确定用户感兴趣物品特征；分值计算模块，用于根据用户感兴趣物品特征对物品字典中的每个物品进行分值计算，得到分值计算结果；以及物品推荐模块，用于根据分值计算结果对物品进行推荐。
[0018]本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得
一个或多个处理器执行上述方法。
[0019]本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。
[0020]本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。
[0021]根据本公开提供的物品推荐方法、装置、设备、介质和程序产品，通过获取一定时间段内用户多个会话中的物品ID，得物品字典，可以作为物品推荐的来源。然后，通过向量关系映射的方式，对用户当前会话进行向量化编码，可以将物品字典与当前会话进行关联。以及，基于当前会话中各物品的关联性，对向量化编码进行特征优化，以体现用户在点击当前会话中各物品时的兴趣(意图)。进而，结合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物品推荐方法，包括：确定多个会话序列中的物品，得到物品字典；确定用户点击物品序列；根据所述物品字典，对所述用户点击物品序列进行向量化，得到第一物品编码序列；根据所述用户点击物品序列的物品关联关系，对所述第一物品编码序列进行特征调整，得到第二物品编码序列；采用注意力机制对所述第二物品编码序列进行特征聚合，得到初始意图特征和当前兴趣特征；根据所述初始意图特征和所述当前兴趣特征，确定用户感兴趣物品特征；根据所述用户感兴趣物品特征对所述物品字典中的每个物品进行分值计算，得到分值计算结果；以及根据所述分值计算结果对物品进行推荐。2.根据权利要求1所述的方法，所述根据所述物品字典，对所述用户点击物品序列进行向量化，得到第一物品编码序列包括：采用高斯分布对所述物品字典进行随机初始化，得到多维实数向量；根据所述多维实数向量对所述用户点击物品序列进行关系映射，得到所述第一物品编码序列。3.根据权利要求1所述的方法，所述根据所述用户点击物品序列的物品关联关系，对所述第一物品编码序列进行特征调整，得到第二物品编码序列包括：构建所述用户点击物品序列的物品关联图；构建所述物品关联图的邻接矩阵；根据所述邻接矩阵，采用门控图神经网络对所述第一物品编码序列进行向量特征调整，得到所述第二物品编码序列。4.根据权利要求3所述的方法，所述构建所述用户点击物品序列的物品关联图包括：确定所述用户点击物品序列中的非重复物品集合；构建所述非重复物品集合的物品关联图。5.根据权利要求1所述的方法，所述采用注意力机制对所述第二物品编码序列进行特征聚合，得到初始意图特征和当前兴趣特征包括：确定所述第二物品编码序列中的初始意图表现和当前兴趣表现；采用注意力机制对所述初始意图表现与所述第二物品编码序列进行特征聚合，得到所述初始意图特征；以及采用注意力机制对所述当前兴趣表现与所述第二物品编码序列进行特征聚合，得到所述当前兴趣特征；其中，所述初始意图表现的权重大于所述第二物品编码序列的综合权重，所述当前兴趣表现的权重大于所述第二物品编码序列的综合权重。6.根据权利要求1所述的方法，所述根据所述初始意图特征和所述当前兴趣特征，确定用户感兴趣物品特征包括：对所述初始意图特征和所述当前兴趣特征进行激活，得到所述用户感兴趣物品特征。7.根据权利要求6所述的方法，还包括：
根据所述第一物品编码序列，确定用户通用兴趣特征；以及根据所述初始意图特征、所述当前兴趣特征和所述用户通用兴趣特征，确定所述用户感兴趣物品特征。8.根据...

【专利技术属性】
技术研发人员：彭梦佳，
申请(专利权)人：建信金融科技有限责任公司，
类型：发明
国别省市：