物品推荐方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种物品推荐方法、装置、设备及存储介质。该方法包括：获取至少一个待推荐物品的语义嵌入表征，以及用户的至少两个历史选取物品的语义嵌入表征；通过序列相关性模型的第一提取分支，基于至少两个历史选取物品的语义嵌入表征，得到用户的历史嵌入表征；通过序列相关性模型的第二提取分支，基于待推荐物品的语义嵌入表征，得到待推荐物品的物品嵌入表征；基于历史嵌入表征和各个待推荐物品的物品嵌入表征，从各个待推荐物品中选取给用户的推荐物品。此方法仅基于物品的语义嵌入表征进行物品推荐，不需要因为标识信息的更新而对序列相关性模型进行重新训练，减少了资源耗费，提高了对新加入物品进行推荐的效率。提高了对新加入物品进行推荐的效率。提高了对新加入物品进行推荐的效率。

【技术实现步骤摘要】
物品推荐方法、装置、设备及存储介质


[0001]本申请实施例涉及人工智能
，特别涉及一种物品推荐方法、装置、设备及存储介质。

技术介绍

[0002]推荐系统(Recommendation System)可以为不同的用户进行个性化的推荐，是减轻信息过载的重要工具。例如，在视频推荐领域，推荐系统可以根据用户的历史浏览视频，为用户推荐符合其浏览习惯的视频。
[0003]通常，在推荐任务中，不同的物品往往具有不同的标识信息。例如，不同的视频具有不同的ID(identifier，标识符)。相关技术中，多通过直接对物品的标识信息进行编码建模以得到用于物品推荐的推荐模型。
[0004]然而，在推荐场景中，物品的标识信息可能发生新增、失效或改变，导致相应的推荐模型需要频繁地重复训练以适应不断更新的标识信息。并且，由于要针对新增的标识信息进行重新训练，此类模型也无法对新加入的物品进行及时的推荐。

技术实现思路

[0005]本申请实施例提供了一种物品推荐方法、装置、设备及存储介质。本申请实施例提供的技术方案如下：
[0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，其特征在于，所述方法包括：获取至少一个待推荐物品的语义嵌入表征，以及用户的至少两个历史选取物品的语义嵌入表征，所述语义嵌入表征用于表征物品的语义特征；通过序列相关性模型的第一提取分支，基于所述至少两个历史选取物品的语义嵌入表征，得到所述用户的历史嵌入表征；其中，所述历史嵌入表征用于表征所述用户的历史行为特征；通过所述序列相关性模型的第二提取分支，基于所述待推荐物品的语义嵌入表征，得到所述待推荐物品的物品嵌入表征；基于所述历史嵌入表征和各个所述待推荐物品的物品嵌入表征，从各个所述待推荐物品中选取给所述用户的推荐物品。2.根据权利要求1所述的方法，其特征在于，所述通过序列相关性模型的第一提取分支，基于所述至少两个历史选取物品的语义嵌入表征，得到所述用户的历史嵌入表征，包括：通过所述第一提取分支，将所述至少两个历史选取物品的语义嵌入表征进行编码及池化处理后，在所述历史嵌入表征的嵌入空间中进行表示，得到所述用户的历史嵌入表征。3.根据权利要求2所述的方法，其特征在于，所述第一提取分支包括第一编码层、池化层和第一表示层；所述通过所述第一提取分支，将所述至少两个历史选取物品的语义嵌入表征进行编码及池化处理后，在所述历史嵌入表征的嵌入空间中进行表示，得到所述用户的历史嵌入表征，包括：通过所述第一编码层，对所述至少两个历史选取物品的语义嵌入表征进行编码，得到至少两个编码后的语义嵌入表征；通过所述池化层，对所述至少两个编码后的语义嵌入表征进行池化处理，得到池化后的语义嵌入表征；通过所述第一表示层，将所述池化后的语义嵌入表征在所述历史嵌入表征的嵌入空间中进行表示，得到所述用户的历史嵌入表征。4.根据权利要求1所述的方法，其特征在于，所述通过所述序列相关性模型的第二提取分支，基于所述待推荐物品的语义嵌入表征，得到所述待推荐物品的物品嵌入表征，包括：通过所述第二提取分支，将所述待推荐物品的语义嵌入表征进行编码后，在所述物品嵌入表征的嵌入空间中进行表示，得到所述待推荐物品的物品嵌入表征。5.根据权利要求4所述的方法，其特征在于，所述第二提取分支包括第二编码层和第二表示层；所述通过所述第二提取分支，将所述待推荐物品的语义嵌入表征进行编码后，在所述物品嵌入表征的嵌入空间中进行表示，得到所述待推荐物品的物品嵌入表征，包括：通过所述第二编码层，对所述待推荐物品的语义嵌入表征进行编码，得到编码后的语义嵌入表征；通过所述第二表示层，将所述编码后的语义嵌入表征在所述物品嵌入表征的嵌入空间中进行表示，得到所述待推荐物品的物品嵌入表征。6.根据权利要求1至5任一项所述的方法，其特征在于，所述获取至少一个待推荐物品
的语义嵌入表征，以及用户的至少两个历史选取物品的语义嵌入表征，包括：获取离线构建的物品表征数据，所述物品表征数据包括至少一个物品的标识信息与语义嵌入表征之间的对应关系，所述物品的语义嵌入表征是通过训练后的语义提取模型根据所述物品的属性信息得到的；根据所述待推荐物品的标识信息，从所述物品表征数据中查找得到所述待推荐物品的语义嵌入表征；根据所述历史选取物品的标识信息，从所述物品表征数据中查找得到所述历史选取物品的语义嵌入表征。7.根据权利要求1至5任一项所述的方法，其特征在于，所述基于所述历史嵌入表征和各个所述待推荐物品的物品嵌入表征，从各个所述待推荐物品中选取给所述用户的推荐物品，包括：基于所述历史嵌入表征和各个所述待推荐物品的物品嵌入表征，计算得到所述历史嵌入表征与各个所述待推荐物品的物品嵌入表征之间的距离；将各个所述待推荐物品中，所述距离最小的待推荐物品确定为给所述用户的推荐物品。8.根据权利要求1至5任一项所述的方法，其特征在于，所述物品嵌入表征与所述历史嵌入表征在同一嵌入空间。9.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：通过所述第二提取分支，基于参考物品的语义嵌入表征，得到所述参考物品的物品嵌入表征；基于所述参考物品的物品嵌入表征和各个所述待推荐物品的物品嵌入表征，从各个所述待推荐物品中选取与所述参考物品对应的推荐物品。10.一种物品推荐方法，其特征在于，所述方法包括：获取序列相关性模型的至少一个训练样本，每个训练样本包括一个样本用户的至少两个历史选取物品的语义嵌入表征，所述语义嵌入表征用于表征物品的语义特征；每个训练样本具有对应的至少一个正例物品和至少一个负例物品，所述正例物品是指与所述训练样本具有相关性的样本物品，所述负例物品是指与所述训练样本不具有相关性的样本物品；通过所述序列相关性模型的第一提取分支，基于所述样本用户的至少两个历史选取物品的语义嵌入表征，得到所述样本用户的历史嵌入表征；其中，所述历史嵌入表征用于表征所述样本用户的历史行为特征；通过所述序列相关性模型的第二提取分支，基于所述训练样本对应的样本物品的语义嵌入表征，得到所述样本物品的物品嵌入表征；基于所述样本用户的历史嵌入表征和所述样本物品的物品嵌入表征，对所述序列相关性模型的参数进行调整，得到训练后的序列相关性模型，所述训练后的序列相关性模型用于给用户进行物品推荐。11.根据权利要求10所述的方法，其特征在于，所述基于所述样本用户的历史嵌入表征和所述样本物品的物品嵌入表征，对所述序列相关性模型的参数进行调整，得到训练后的序列相关性模型，包括：基于所述样本用户的历史嵌入表征和所述样本物品的物品嵌入表征，计算得到第一相
似度，所述第一相似度为所述样本用户的历史嵌...

【专利技术属性】
技术研发人员：叶祺，王峰，孙思维，冯中华，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：