一种商品推荐方法、装置、存储介质及电子设备制造方法及图纸

本说明书公开了一种商品推荐方法、装置、存储介质及电子设备，其中，方法包括：基于用户对象的选购行为基本数据生成商品推荐询问问题，基于商品推荐询问问题采用目标智能对话语言模型进行商品推荐处理得到初步商品推荐结果，然后基于初步商品推荐结果进行名称精细处理得到推荐商品名称，并将所述推荐商品名称向所述用户对象进行展示。所述用户对象进行展示。所述用户对象进行展示。

【技术实现步骤摘要】
一种商品推荐方法、装置、存储介质及电子设备


[0001]本说明书涉及计算机
，尤其涉及一种商品推荐方法、装置、存储介质及电子设备。

技术介绍

[0002]商品推荐已经成为了线上服务平台和线下商户数字化的关键技术之一。商品推荐通常为不同用户个性化推荐后续可能购买的商品。例如，用户在淘宝、京东等电商平台完成加购后，服务平台会立即推荐与加购商品和用户本身有关的关联商品，来向用户推荐感兴趣商品，从而为用户商品选择提供便利。

技术实现思路

[0003]本说明书提供了一种商品推荐方法、装置、存储介质及电子设备，所述技术方案如下：
[0004]第一方面，本说明书提供了一种商品推荐方法，所述方法包括：
[0005]获取用户对象的选购行为基本数据，基于所述选购行为基本数据生成商品推荐询问问题；
[0006]基于所述商品推荐询问问题采用目标智能对话语言模型进行商品推荐处理，得到初步商品推荐结果；
[0007]基于所述初步商品推荐结果进行名称精细处理，得到推荐商品名称，并将所述推荐商品名称向所述用户对象进行展示。
[0008]第二方面，本说明书提供了一种语料后处理模型训练方法，所述方法包括：
[0009]创建初始语料后处理模型；
[0010]获取人工智能对话语言模型针对样本商品推荐询问问题的样本初步商品推荐结果，确定所述样本初步商品推荐结果的关键词标签和商品名称标签；
[0011]基于所述样本初步商品推荐结果对所述初始语料后处理模型进行至少一轮模型训练，得到样本推荐关键词和样本推荐商品名称；
[0012]基于所述样本推荐关键词、所述关键词标签、所述样本推荐商品名称和所述商品名称标签对所述初始语料后处理模型进行模型参数调整，直至所述初始语料后处理模型完成模型训练，得到语料后处理模型。
[0013]第三方面，本说明书提供了一种一种目标智能对话语言模型训练方法，所述方法包括：
[0014]获取人工智能对话语言模型和语料后处理模型，基于所述人工智能对话语言模型和所述语料后处理模型创建初始目标智能对话语言模型；
[0015]在商品推荐场景中，获取至少一个样本对象的样本商品推荐询问问题，所述样本商品推荐询问问题基于所述样本对象的样本选购行为基本数据生成；
[0016]基于所述样本商品推荐询问问题对所述初始目标智能对话语言模型进行至少一
轮模型训练，得到样本推荐商品名称，并确定所述初始目标智能对话语言模型的每一网络层特征参数的显著性值和模型处理耗时；
[0017]基于所述样本推荐商品名称、各所述显著性值和所述模型处理耗时对初始目标智能对话语言模型进行参考压缩调整，直至所述初始目标智能对话语言模型完成模型训练，得到目标智能对话语言模型。
[0018]第四方面，本说明书提供了一种商品推荐装置，所述装置包括：
[0019]数据生成模块，用于获取用户对象的选购行为基本数据，基于所述选购行为基本数据生成商品推荐询问问题；
[0020]商品推荐模块，用于基于所述商品推荐询问问题采用目标智能对话语言模型进行商品推荐处理，得到初步商品推荐结果；
[0021]精细处理模块，用于基于所述初步商品推荐结果进行名称精细处理，得到推荐商品名称，并将所述推荐商品名称向所述用户对象进行展示。
[0022]第五方面，本说明书提供了一种语料后处理模型训练装置，所述装置包括：
[0023]创建模块，用于创建初始语料后处理模型，获取人工智能对话语言模型针对样本商品推荐询问问题的样本初步商品推荐结果，确定所述样本初步商品推荐结果的关键词标签和商品名称标签；
[0024]训练模块，用于基于所述样本初步商品推荐结果对所述初始语料后处理模型进行至少一轮模型训练，得到样本推荐关键词和样本推荐商品名称；
[0025]所述训练模块，还用于基于所述样本推荐关键词、所述关键词标签、所述样本推荐商品名称和所述商品名称标签对所述初始语料后处理模型进行模型参数调整，直至所述初始语料后处理模型完成模型训练，得到语料后处理模型
[0026]第六方面，本说明书提供了一种目标智能对话语言模型训练装置，所述装置包括：
[0027]创建模块，用于获取人工智能对话语言模型和语料后处理模型，基于所述人工智能对话语言模型和所述语料后处理模型创建初始目标智能对话语言模型，在商品推荐场景中，获取至少一个样本对象的样本商品推荐询问问题，所述样本商品推荐询问问题基于所述样本对象的样本选购行为基本数据生成；
[0028]训练模块，用于基于所述样本商品推荐询问问题对所述初始目标智能对话语言模型进行至少一轮模型训练，得到样本推荐商品名称，并确定所述初始目标智能对话语言模型的每一网络层特征参数的显著性值和模型处理耗时；
[0029]所述训练模块，还用于基于所述样本推荐商品名称、各所述显著性值和所述模型处理耗时对初始目标智能对话语言模型进行参考压缩调整，直至所述初始目标智能对话语言模型完成模型训练，得到目标智能对话语言模型。
[0030]第七方面，本说明书提供一种计算机存储介质，所述计算机存储介质存储有至少一条指令，所述指令适于由处理器加载并执行本说明书一个或多个实施例的方法步骤。
[0031]第八方面，本说明书提供一种计算机程序产品，所述计算机程序产品存储有至少一条指令，所述指令适于由处理器加载并执行本说明书一个或多个实施例的方法步骤。
[0032]第九方面，本说明书提供一种电子设备，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行本说明书一个或多个实施例的方法步骤。
[0033]本说明书一些实施例提供的技术方案带来的有益效果至少包括：
[0034]在本说明书一个或多个实施例中，基于用户对象的选购行为基本数据生成商品推荐询问问题，利用大规模语言模型生成的目标智能对话语言模型给出通用的初步商品推荐结果，然后基于初步商品推荐结果进行名称精细处理得到具体的推荐商品名称进行用户推荐，商品推荐效率更高，不需要较长时间进行数据采集、标注和训练工作，可以做到快速部署上线，面临新的商品推荐场景，可以快速进行适配，商品推荐的泛化能力较高。
附图说明
[0035]为了更清楚地说明本说明书或现有技术中的技术方案，下面将对实施例或现有技术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说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]图1是本说明书提供的一种商品推荐系统的场景示意图；
[0037]图2是本说明书提供的一种商品推荐方法的流程示意图；
[0038]图3是本说明书提供的另一种商品推荐方法的流程示意图；
[0039]图4是本说明书提供的一种语料后处理模型训练方法的流程示意图；
[0040]图5是本说明书提供的一种目标智能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种商品推荐方法，所述方法包括：获取用户对象的选购行为基本数据，基于所述选购行为基本数据生成商品推荐询问问题；基于所述商品推荐询问问题采用目标智能对话语言模型进行商品推荐处理，得到初步商品推荐结果；基于所述初步商品推荐结果进行名称精细处理，得到推荐商品名称，并将所述推荐商品名称向所述用户对象进行展示。2.根据权利要求1所述的方法，所述基于所述选购行为基本数据生成商品推荐询问问题，包括：采用询问形式模板对所述选购行为基本数据进行问题形式转换，得到商品推荐询问问题。3.根据权利要求1所述的方法，所述基于所述初步商品推荐结果进行名称精细处理，得到推荐商品名称，包括：采用语料后处理模型对所述初始商品推荐结果进行名称精细处理，得到推荐商品名称。4.根据权利要求3所述的方法，所述采用语料后处理模型对所述初始商品推荐结果进行名称精细处理，得到推荐商品名称，包括：将所述初始商品推荐结果输入语料后处理模型，通过所述语料后处理模型基于初始商品推荐结果得到商品推荐文本特征，和基于所述商品推荐文本特征得到推荐关键词，并基于所述商品推荐文本特征和所述推荐关键词得到推荐商品名称，并输出所述推荐商品名称。5.根据权利要求1所述的方法，所述获取用户对象的选购行为基本数据，包括：在商品选购场景中，确定用户对象触发商品推荐功能，获取用户对象的选购行为基本数据。6.根据权利要求1
‑
5任意一项所述的方法，所述目标智能对话语言模型是针对商品推荐场景基于人工智能对话语言模型进行适配压缩后得到的目标智能对话语言模型。7.一种语料后处理模型训练方法，所述方法包括：创建初始语料后处理模型；获取人工智能对话语言模型针对样本商品推荐询问问题的样本初步商品推荐结果，确定所述样本初步商品推荐结果的关键词标签和商品名称标签；基于所述样本初步商品推荐结果对所述初始语料后处理模型进行至少一轮模型训练，得到样本推荐关键词和样本推荐商品名称；基于所述样本推荐关键词、所述关键词标签、所述样本推荐商品名称和所述商品名称标签对所述初始语料后处理模型进行模型参数调整，直至所述初始语料后处理模型完成模型训练，得到语料后处理模型。8.根据权利要求7所述的方法，所述初始语料后处理模型包括特征提取模块、关键词提取模块和精细名称确定模块，所述基于所述样本初步商品推荐结果对所述初始语料后处理模型进行至少一轮模型训练，得到样本推荐关键词和样本推荐商品名称，包括：
将所述样本初步商品推荐结果输入语料后处理模型，通过所述特征提取模块基于样本初步商品推荐结果得到样本商品推荐文本特征，通过所述关键词提取模块基于所述样本商品推荐文本特征得到样本推荐关键词，通过所述精细名称确定模块基于所述样本商品推荐文本特征和所述样本推荐关键词得到样本推荐商品名称。9.根据权利要求7所述的方法，所述基于所述样本推荐关键词、所述关键词标签、所述样本推荐商品名称和所述商品名称标签对所述初始语料后处理模型进行模型参数调整，包括：基于所述样本推荐关键词和所述关键词标签确定关键词提取损失；基于所述样本推荐商品名称和所述商品名称标签确定商品名称预测损失；基于所述关键词提取损失和所述商品名称预测损失对所述初始语料后处理模型进行模型参数调整。10.一种目标智能对话语言模型训练方法，所述方法包括：获取人工智能对话语言模型和语料后处理模型，基于所述人工智能对话语言模型和所述语料后处理模型辅助构建初始目标智能对话语言模型；在商品推荐场景中，获取至少一个样本对象的样本商品推荐询问问题，所述样本商品推荐询问问题基于所述样本对象的样本选购行为基本数据生成；基于所述样本商品推荐询问问题对所述初始目标智能对话语言模型进行至少一轮模型训练，得到样本推荐商品名称，并确定所述初始目标智能对话语言模型的每一网络层特征参数的显著性值和模型处理耗时；基于所述样本推荐商品名称、各所述显著性值和所述模型处理耗时对初始目标智能对话语言模型进行参考压缩调整，直至所述初始目标智能对话语言模型完成模型训练，得到目标智能对话语言模型。11.根据权利要求10所述的方法，所述初始目标智能对话语言模型包括所述人工智能对话语言模型模块、语料后处理模型模块和智能压缩模块，所述基于所述样本商品推荐询问问题对所述初始目标智能对话语言模型进行至少一轮模型训练，得到样本推荐商品名称，并确定所述初始目标智能对话语言模型的网络层特征参数的显著性值和模型处理耗时，包括：将所述样本商品推荐询问问题输入所述初始目标智能对话语言模型，通过人工智能对话语言模型模块基于所述样本商品推荐询问问题得到样本初步商品推荐结果，通过所述智能压缩模块基于所述样本商品推荐询问问题得到针对人工智能对话语言模型模块每一网络层对应网络层特征参数的显著性值，通过所述语料后处理模型模块基于所述样本初步商品推荐结果得到样本推荐商品名称，并确定模型处理耗时。12.根据权利要求10所述的方法，所述基于所述样本推荐商品名称、所述显著性值和所述模型处理耗时对初始目标...

【专利技术属性】
技术研发人员：曹佳炯，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：