一种物品推荐方法及其相关设备技术

本申请实施例公开了一种物品推荐方法及其相关设备，可将正确的物品推荐给用户，从而提高用户体验

【技术实现步骤摘要】
一种物品推荐方法及其相关设备


[0001]本申请实施例涉及人工智能
(artificial intelligence
，
AI)
技术，尤其涉及一种物品推荐方法及其相关设备
。

技术介绍

[0002]推荐系统可根据与用户相关联的信息，来判断用户感兴趣的物品
(item)
，并将这些物品推荐给用户观看和使用
。
在推荐系统中，可通过
AI
技术中的神经网络模型来完成物品推荐，从而满足用户的需求
。
[0003]在相关技术中，当需要为用户推荐物品时，可先获取与用户相关联的信息
(
用于描述用户曾经操作过的多个历史物品
)
，并将与用户相关联的信息输入至具备物品推荐功能的神经网络模型，神经网络模型主要基于
tranformer
模型构建，故神经网络模型可对该信息进行基于注意力机制的处理，从而得到并输出用户的特征
。
那么，可计算用户的特征与多个候选物品的特征之间的匹配结果，再利用匹配结果从多个候选物品中挑选出可推荐的物品，并将这些物品推荐给用户
。
[0004]上述过程中，由于神经网络模型主要基于
tranformer
模型构建，这样会约束神经网络模型的关注点，即在物品推荐过程中，神经网络模型会过多关注常见的历史物品，而几乎不关注小众的历史物品，导致模型输出的用户的特征不够准确，这样会从多个候选物品中挑选出错误的物品，并将错误的物品推荐给用户，导致用户体验不高
。

技术实现思路

[0005]本申请实施例提供了一种物品推荐方法及其相关设备，可将正确的物品推荐给用户，从而提高用户体验
。
[0006]本申请实施例的第一方面提供了一种物品推荐方法，该方法通过目标模型实现，该方法包括：
[0007]当需要针对用户进行物品推荐时，可先获取与用户相关联的信息，与用户相关联的信息用于描述与用户的历史行为相关联的多个历史物品，与用户的历史行为相关联的多个历史物品也可以理解为用户曾经交互
(
操作
)
过的多个历史物品
。
[0008]得到与用户相关联的信息后，可将与用户相关联的信息输入至目标模型中
。
那么，目标模型可对与用户相关联的信息进行特征提取，从而得到多个历史物品的特征
。
接着，目标模型可利用某种聚类算法，将多个历史物品的特征划分为多个类别，多个类别中的每一个类别包含至少一个历史物品的特征，这多个类别也可以视为用户针对多个历史物品的兴趣分布
。
然后，目标模型可对多个类别至少进行基于注意力机制的处理，得到并对外输出用户的特征，用户的特征可用于指示用户对多个历史物品的感兴趣程度
。
[0009]得到用户的特征后，可获取多个候选物品的特征，并计算用户的特征与多个候选物品的特征之间的匹配值，再将匹配值最高的若干个物品确定为可推荐给用户的物品，并推荐给用户
。
至此，则成功针对用户完成了物品推荐
。
[0010]从上述方法可以看出：目标模型在得到多个历史物品的特征后，可将多个历史物品的特征划分为多个类别
(
相当于将多个历史物品划分为多个类别
)
，再基于这多个类别获取用户的特征
。
由于这多个类别代表着用户在多个历史物品上的整体兴趣分布，故目标模型在获取用户的特征的过程中，会均衡考虑各类历史物品，也就是说，目标模型不仅可以关注到常见的历史物品，还可关注到小众的历史物品，这样可以使得目标模型输出的用户的特征具备足够的准确度，进而可将正确的物品推荐给用户，从而提高用户体验
。
[0011]在一种可能实现的方式中，对信息进行特征提取，得到多个历史物品的特征包括：对信息进行编码，得到多个历史物品的第一特征；对多个历史物品的第一特征进行增强，得到多个历史物品的第二特征；对多个历史物品的第二特征进行投影，得到多个历史物品的第三特征，多个历史物品的第三特征作为多个历史物品的特征
。
前述实现方式中，得到与用户相关联的信息后，目标模型可对与用户相关联的信息进行编码，从而得到多个历史物品的第一特征
。
得到多个历史物品的第一特征，目标模型可通过某种方式，对多个历史物品的第一特征进行数据增强，从而得到多个历史物品的第二特征
。
得到多个历史物品的第二特征，目标模型可将多个历史物品的第二特征进行投影至一个空间，并对投影得到的特征进行额外的处理，从而准确得到多个历史物品的第三特征，相当于准确得到多个历史物品的特征
。
[0012]在一种可能实现的方式中，对多个历史物品的特征进行聚类，得到多个类别包括：获取预置的多个聚类中心；将多个历史物品的特征划分至多个聚类中心中的若干个聚类中心，并将多个聚类中心中除若干个聚类中心之外的其余聚类中心剔除，得到多个类别
。
前述实现方式中，得到多个历史物品的第三特征后，目标模型可先获取预置的多个聚类中心
。
需要说明的是，多个聚类中心为提前利用聚类算法对训练数据集
(
包含与各个用户相关联的信息
)
进行处理得到的，并设置在目标模型中
。
得到多聚类中心后，对于多个聚类中心而言，目标模型可将其中一部分聚类中心确定为有效的聚类中心，并将多个历史物品的第三特征划分至这些聚类中心，以得到多个类别，并将其余聚类中心确定为无效的聚类中心，并剔除这部分聚类中心
。
由此可见，目标模型可将多个历史物品的第三特征划分至多个聚类中心中的若干个聚类中心，并将除若干个聚类中心之外的其余聚类中心剔除，以成功得到多个类别，也就相当于成功得到了用户针对多个历史物品的整体兴趣分布
。
[0013]在一种可能实现的方式中，对多个类别进行基于注意力机制的处理，得到用户的特征包括：对多个历史物品的第三特征进行第一处理，得到多个历史物品的第四特征，第一处理包含基于注意力机制的处理；对多个历史物品的第四特征以及多个类别进行第二处理，得到用户的特征，第二处理包含基于注意力机制的处理
。
前述实现方式中，得到多个历史物品的第三特征后，目标模型可对多个历史物品的第三特征进行第一处理，从而得到多个历史物品的第四特征
。
其中，目标模型所执行的第一处理至少包含基于注意力机制的处理
。
得到多个历史物品的第四特征以及多个类别后，目标模型可对多个历史物品的第四特征以及多个类别进行第二处理，得到用户的特征
。
其中，目标模型所执行的第二处理至少包含基于注意力机制的处理
。
[0014]在一种可能实现的方式中，第一处理还包含以下至少一项：相加
、
归一化以及基于前馈网络的处理
。
前述本文档来自技高网...

【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，所述方法通过目标模型实现，所述方法包括：获取与用户相关联的信息，所述信息用于描述与所述用户的历史行为相关联的多个历史物品；对所述信息进行特征提取，得到所述多个历史物品的特征；对所述多个历史物品的特征进行聚类，得到多个类别，一个类别包含至少一个历史物品的特征；对所述多个类别进行基于注意力机制的处理，得到所述用户的特征，所述用户的特征用于与多个候选物品的特征进行匹配，得到匹配结果，所述匹配结果用于在所述多个候选物品中，确定可推荐给所述用户的物品
。2.
根据权利要求1所述的方法，其特征在于，所述对所述信息进行特征提取，得到所述多个历史物品的特征包括：对所述信息进行编码，得到所述多个历史物品的第一特征；对所述多个历史物品的第一特征进行增强，得到所述多个历史物品的第二特征；对所述多个历史物品的第二特征进行投影，得到所述多个历史物品的第三特征，所述多个历史物品的第三特征作为所述多个历史物品的特征
。3.
根据权利要求1或2所述的方法，其特征在于，所述对所述多个历史物品的特征进行聚类，得到多个类别包括：获取预置的多个聚类中心；将所述多个历史物品的特征划分至所述多个聚类中心中的若干个聚类中心，并将所述多个聚类中心中除所述若干个聚类中心之外的其余聚类中心剔除，得到多个类别
。4.
根据权利要求1至3任意一项所述的方法，其特征在于，所述对所述多个类别进行基于注意力机制的处理，得到所述用户的特征包括：对所述多个历史物品的第三特征进行第一处理，得到所述多个历史物品的第四特征，所述第一处理包含基于注意力机制的处理；对所述多个历史物品的第四特征以及所述多个类别进行第二处理，得到所述用户的特征，所述第二处理包含基于注意力机制的处理
。5.
根据权利要求4所述的方法，其特征在于，所述第一处理还包含以下至少一项：相加
、
归一化以及基于前馈网络的处理
。6.
根据权利要求4所述的方法，其特征在于，所述第二处理还包含以下至少一项：相加
、
归一化
、
基于前馈网络的处理以及池化
。7.
根据权利要求1至6任意一项所述的方法，其特征在于，所述信息包含以下至少一种：所述多个历史物品的文本
、
所述多个历史物品的图像
、
所述多个历史物品的视频以及所述多个历史物品的音频
。8.
一种模型训练方法，其特征在于，所述方法包括：获取与第一用户相关联的信息，所述与第一用户相关联的信息用于描述与所述第一用户的历史行为相关联的多个历史物品；通过待训练模型对所述与第一用户相关联的信息进行处理，得到所述第一用户的特征，所述待训练模型用于：对所述与第一用户相关联的信息进行特征提取，得到所述多个历史物品的特征；对所述多个历史物品的特征进行聚类，得到多个类别，一个类别包含至少一
个历史物品的特征；对所述多个类别进行基于注意力机制的处理，得到所述第一用户的特征；基于所述第一用户的特征，对所述待训练模型进行训练，得到目标模型
。9.
根据权利要求8所述的方法，其特征在于，所述基于所述第一用户的特征，对所述待训练模型进行训练，得到目标模型包括：通过所述待训练模型对与第一用户相关联的信息进行二次处理，得到所述第一用户的新特征；通过所述待训练模型对与第二用户相关联的信息进行处理，得到所述第二用户的特征；通过所述待训练模型对多个第一候选物品的信息进行处理，得到所述多个第一候选物品的特征；基于所述第一用户的特征
、
所述第一用户的新特征
、
所述第二用户的特征以及所述多个第一候选物品的特征，对所述待训练模型进行预训练，得到预训练模型；通过所述预训练模型对与第三用户相关联的信息进行处理，得到所述第三用户的特征；通过所述预训练模型对多个第二候选物品的信息进行处理，得到所述多个第二候选物品的特征；基于所述第三用户的特征以及所述多个第二候选物品的特征，对所述预训练模型进行微调，得到目标模型
。10.
根据权利要求...

【专利技术属性】
技术研发人员：王锦鹏，袁珺，夏树涛，郑海涛，江勇，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：