一种物品推荐方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及人工智能技术领域，尤其涉及一种物品推荐方法、装置、电子设备及存储介质。该方法为：响应于待推荐对象触发的物品推荐请求，获取待推荐对象关联的历史行为数据；基于历史行为数据，提取待推荐对象的交互特征和时序特征；确定交互特征包含的各交互元素各自的第一重要度，并基于交互特征包含的各交互元素和时序特征包含的各时序元素之间的匹配程度，分别确定各交互元素各自在所属时序元素上的第二重要度；基于获得的各第一重要度和各第二重要度，分别获得各候选物品的预估点击率，并将预估点击率符合推荐条件的候选物品，推荐给所述待推荐对象。这样，预估点击率更准确，提高了物品推荐的准确度，能够向待推荐对象推荐更准确的物品。准确的物品。准确的物品。

【技术实现步骤摘要】
一种物品推荐方法、装置、电子设备及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种物品推荐方法、装置、电子设备及存储介质。

技术介绍

[0002]目前，随着互联网技术的发展，利用网络平台获取物品信息越来越普遍，对象与物品交互方式也十分丰富，例如，对象可以对喜欢的物品进行点击，并可以浏览、赞赏、分享、收藏。对象获取物品信息时，网络平台可以根据对象的喜好向对象推荐可能感兴趣的物品。通过物品推荐，可以缩短对象寻找所需要物品的路径，提升用户体验。
[0003]现有技术中，通常根据物品的属性信息，将与待推荐对象曾经感兴趣的物品相似的物品推荐给待推荐对象。
[0004]例如，待推荐对象在过去一段时间内浏览或点击过多个汽车类物品，则向待推荐对象推荐相似的汽车物品。进一步，可以将物品属性信息抽象为数值特征，进而对每个物品形成一个物品特征向量，再利用机器学习算法进行分类。
[0005]然而，由于基于物品的属性信息，将与待推荐对象曾经感兴趣的物品相似的物品作为一个类团，向待推荐对象推荐其已接触类型的相关物品，因此，只向待推荐对象推荐一类相似的物品，会出现重复推荐和封闭式推荐的情况，不利于推荐物品类型的扩展，导致物品推荐的新颖性和多样性不足。
[0006]有鉴于此，相关技术下，物品推荐的准确度，有待进一步提高。

技术实现思路

[0007]本申请实施例提供一种物品推荐方法、装置、电子设备及存储介质，以提高物品推荐的准确度。
[0008]本申请实施例提供的具体技术方案如下：
[0009]第一方面，本申请实施例提供了一种物品推荐方法，该方法包括：
[0010]响应于待推荐对象触发的物品推荐请求，获取待推荐对象关联的历史行为数据，其中，历史行为数据至少包括：待推荐对象及其关联对象，在各历史时间段内与各个历史物品的交互信息，关联对象为与待推荐对象之间的属性特征满足相似条件的对象；
[0011]基于历史行为数据，提取待推荐对象的交互特征和时序特征，其中，时序特征表征交互特征包含的各交互元素的时间位置；
[0012]确定交互特征包含的各交互元素各自的第一重要度，并基于交互特征包含的各交互元素和时序特征包含的各时序元素之间的匹配程度，分别确定各交互元素各自在所属时序元素上的第二重要度；
[0013]基于获得的各第一重要度和各第二重要度，分别获得各候选物品的预估点击率，并将预估点击率符合推荐条件的候选物品，推荐给待推荐对象。
[0014]第二方面，本申请实施例还提供了一种物品推荐装置，所述装置包括：
[0015]获取模块，用于响应于待推荐对象触发的物品推荐请求，获取待推荐对象关联的历史行为数据，其中，历史行为数据至少包括：待推荐对象及其关联对象，在各历史时间段内与各个历史物品的交互信息述关联对象为与待推荐对象之间的属性特征满足相似条件的对象；
[0016]提取模块，用于基于历史行为数据，提取待推荐对象的交互特征和时序特征，其中，时序特征表征交互特征包含的各交互元素的时间位置；
[0017]确定模块，用于确定交互特征包含的各交互元素各自的第一重要度，并基于交互特征包含的各交互元素和时序特征包含的各时序元素之间的匹配程度，分别确定各交互元素各自在所属时序元素上的第二重要度；
[0018]推荐模块，用于基于获得的各第一重要度和各第二重要度，分别获得各候选物品的预估点击率，并将预估点击率符合推荐条件的候选物品，推荐给待推荐对象。
[0019]在一种可能的实现方式，确定交互特征包含的各交互元素的第一重要度时，确定模块用于：
[0020]基于交互特征包含的各交互元素各自的取值及相应的预设元素权重，获得各交互元素各自的第一重要度；
[0021]将分别对应交互特征包含的各交互元素预设的默认值，作为相应交互元素的第一重要度。
[0022]在一种可能的实现方式，基于交互特征包含的各交互元素和时序特征包含的各时序元素之间的匹配程度，分别确定各交互元素各自在所属时序元素上的第二重要度时，确定模块用于：
[0023]将各交互元素分别与匹配程度达到匹配阈值的时序元素进行拼接融合，获得初始融合特征；
[0024]基于初始融合特征对应的注意力权重，分别获得初始融合特征包含的各初始融合元素各自的内部影响度，并基于获得的各内部影响度，分别对各初始融合元素的取值进行更新，获得目标融合特征；其中，每个内部影响度表征：相应的初始融合元素在与待推荐对象交互时，受其他各初始融合元素的影响程度；
[0025]对目标融合特征进行归一化处理，并将归一化处理之后的目标融合特征包含的各目标融合元素的取值，分别作为各交互元素各自在所属时序元素上的第二重要度。
[0026]在一种可能的实现方式，注意力权重至少包括查询权重和键权重；则基于初始融合特征对应的注意力权重，分别获得初始融合特征包含的各初始融合元素各自的内部影响度时，确定模块还用于：
[0027]基于预设的查询权重矩阵和键权重矩阵，分别对初始融合特征进行线性变换，获得相应的查询矩阵和键矩阵，其中，查询权重矩阵中的每个元素表征：对应的初始融合元素的重要程度，键权重矩阵中的每个元素表征：与对应的初始融合元素相关的至少一个其他初始融合元素的重要程度；
[0028]基于查询矩阵和键矩阵，获得影响度矩阵；其中，影响度矩阵中的每个元素表征：相应的初始融合元素的内部影响度。
[0029]在一种可能的实现方式，注意力权重还包括值权重；则基于获得的各内部影响度，分别对各初始融合元素的取值进行更新，获得目标融合特征时，确定模块还用于：
[0030]基于预设的值权重矩阵，对初始融合特征进行线性变换，获得相应的值矩阵，其中，值权重矩阵中的每个元素表征：对应的初始融合元素，和相关的至少一个其他初始融合元素之间的相关性的重要程度；
[0031]基于影响度矩阵和值矩阵，获得目标融合特征。
[0032]在一种可能的实现方式，基于获得的各第一重要度和各第二重要度，分别获得各候选物品的预估点击率时，推荐模块用于：
[0033]基于各交互元素各自的第一重要度，结合预设的第一点击权重，分别获得各候选物品各自的第一点击率；
[0034]基于各交互元素各自的第二重要度，结合预设的第二点击权重，分别获得各候选物品各自的第二点击率；
[0035]基于各候选物品各自的第一点击率和第二点击率，结合其各自的占比权重，分别确定各候选物品的预估点击率。
[0036]在一种可能的实现方式，预估点击率是通过将交互特征和时序特征，输入目标点击率预估模型获得的，所述装置还包括训练模块，训练模块用于：
[0037]获取初始训练样本集，其中，初始训练样本集中每一初始训练样本至少包括：样本对象关联的样本历史行为数据；
[0038]提取初始训练样本集的样本交互特征集，其中，对应每个样本交互特征设置有基于时间顺序的特征编号；
[0039]基于样本交互特本文档来自技高网...

【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，包括：响应于待推荐对象触发的物品推荐请求，获取所述待推荐对象关联的历史行为数据，其中，所述历史行为数据至少包括：所述待推荐对象及其关联对象，在各历史时间段内与各个历史物品的交互信息，所述关联对象为与所述待推荐对象之间的属性特征满足相似条件的对象；基于所述历史行为数据，提取所述待推荐对象的交互特征和时序特征，其中，所述时序特征表征所述交互特征包含的各交互元素的时间位置；确定所述交互特征包含的各交互元素各自的第一重要度，并基于所述交互特征包含的各交互元素和所述时序特征包含的各时序元素之间的匹配程度，分别确定所述各交互元素各自在所属时序元素上的第二重要度；基于获得的各第一重要度和各第二重要度，分别获得各候选物品的预估点击率，并将预估点击率符合推荐条件的候选物品，推荐给所述待推荐对象。2.如权利要求1所述的方法，其特征在于，所述交互特征包含的各交互元素的第一重要度，是采用以下任意一种方式确定的：基于所述交互特征包含的各交互元素各自的取值及相应的预设元素权重，获得所述各交互元素各自的第一重要度；将分别对应所述交互特征包含的各交互元素预设的默认值，作为相应交互元素的第一重要度。3.如权利要求1所述的方法，其特征在于，所述基于所述交互特征包含的各交互元素和所述时序特征包含的各时序元素之间的匹配程度，分别确定所述各交互元素各自在所属时序元素上的第二重要度，包括：将各交互元素分别与匹配程度达到匹配阈值的时序元素进行拼接融合，获得初始融合特征；基于所述初始融合特征对应的注意力权重，分别获得所述初始融合特征包含的各初始融合元素各自的内部影响度，并基于获得的各内部影响度，分别对所述各初始融合元素的取值进行更新，获得目标融合特征；其中，每个内部影响度表征：相应的初始融合元素在与所述待推荐对象交互时，受其他各初始融合元素的影响程度；对所述目标融合特征进行归一化处理，并将归一化处理之后的目标融合特征包含的各目标融合元素的取值，分别作为所述各交互元素各自在所属时序元素上的第二重要度。4.如权利要求3所述的方法，其特征在于，所述注意力权重至少包括查询权重和键权重；则所述基于所述初始融合特征对应的注意力权重，分别获得所述初始融合特征包含的各初始融合元素各自的内部影响度，包括：基于预设的查询权重矩阵和键权重矩阵，分别对所述初始融合特征进行线性变换，获得相应的查询矩阵和键矩阵，其中，所述查询权重矩阵中的每个元素表征：对应的初始融合元素的重要程度，所述键权重矩阵中的每个元素表征：与对应的初始融合元素相关的至少一个其他初始融合元素的重要程度；基于所述查询矩阵和所述键矩阵，获得影响度矩阵；其中，所述影响度矩阵中的每个元素表征：相应的初始融合元素的内部影响度。5.如权利要求3或4所述的方法，其特征在于，所述注意力权重还包括值权重；则所述基
于获得的各内部影响度，分别对所述各初始融合元素的取值进行更新，获得目标融合特征，包括：基于预设的值权重矩阵，对所述初始融合特征进行线性变换，获得相应的值矩阵，其中，所述值权重矩阵中的每个元素表征：对应的初始融合元素，和相关的至少一个其他初始融合元素之间的相关性的重要程度；基于所述影响度矩阵和所述值矩阵，获得目标融合特征。6.如权利要求1
‑
4任一项所述的方法，其特征在于，所述基于获得...

【专利技术属性】
技术研发人员：王韵陶，陈炳文，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：