【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。