System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种目标推荐列表确定方法和装置制造方法及图纸_技高网

一种目标推荐列表确定方法和装置制造方法及图纸

技术编号:40277643 阅读:8 留言:0更新日期:2024-02-02 23:05
本申请涉及计算机模型技术领域,提供了一种目标推荐列表确定方法和装置。该方法通过获取用户对应的特征信息,并获取待推荐数据集,待推荐数据集中包含了多个待推荐数据;将待推荐数据集和特征信息作为输入特征,并将输入特征输入序列推荐模型;接收序列推荐模型从多个待推荐数据中确定的多个待推荐对象,并基于多个待推荐对象确定用户对应的目标推荐列表,该深度神经网络能够基于场景关键特征对输入特征进行非线性变换和组合,使得特征信息和待推荐数据集中的数据均与场景关键特征进行充分的交叉,使得序列特征模型能够在考虑到场景关键特征的基础上输出待推荐对象,最后根据待推荐对象确定目标推荐列表,使得目标推荐列表能够满足用户的需求。

【技术实现步骤摘要】

本申请涉及计算机模型,尤其涉及一种目标推荐列表确定方法和装置、电子设备及存储介质。


技术介绍

1、随着云端技术的发展,越来越多的电商平台依托于强大的存储资源和计算资源,通过维护每个用户的画像数据,给每个用户打上一个精准标签,在用户使用电商平台浏览商品时,能够根据用户的画像数据采用协同过滤推荐算法为用户进行个性化的商品推荐,实现千人千面,这不仅能给用户带来更贴心的购物体验,同时也规避了很多用户不喜欢的商品,节省了用户的购物时间和购物成本。

2、但是,随着电商平台的深度逐渐增加,如电商平台的商品详情页内的商品推荐场景,用户浏览量逐渐减少,用户行为数据稀少,导致无法为用户推荐满意的商品。


技术实现思路

1、有鉴于此,本申请实施例提供了一种目标推荐列表确定方法和装置,以解决现有技术中,场景中用户行为数据稀少,导致无法在该场景下为用户推荐满意商品的问题。

2、本申请实施例的第一方面,提供了一种目标推荐列表确定方法,该方法包括:获取用户对应的特征信息,并获取待推荐数据集,待推荐数据集中包含了多个待推荐数据;将待推荐数据集和特征信息作为输入特征,并将输入特征输入序列推荐模型,序列推荐模型中设置有基于场景关键特征确定的深度神经网络,深度神经网络用于基于场景关键特征对输入特征进行非线性变换和组合;接收序列推荐模型从多个待推荐数据中确定的多个待推荐对象,并基于多个待推荐对象确定用户对应的目标推荐列表。

3、本申请实施例的第二方面,提供了一种目标推荐列表确定装置,该装置包括:获取模块,用于获取用户对应的特征信息,并获取待推荐数据集,待推荐数据集中包含了多个待推荐数据;输入模块,用于将待推荐数据集和特征信息作为输入特征,并将输入特征输入序列推荐模型,序列推荐模型中设置有基于场景关键特征确定的深度神经网络,深度神经网络用于基于场景关键特征对输入特征进行非线性变换和组合;确定模块,用于接收序列推荐模型从多个待推荐数据中确定的多个待推荐对象,并基于多个待推荐对象确定用户对应的目标推荐列表。

4、本申请实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。

5、本申请实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。

6、本申请实施例与现有技术相比存在的有益效果是:本申请实施例中通过获取用户对应的特征信息,并获取待推荐数据集,待推荐数据集中包含了多个待推荐数据;将待推荐数据集和特征信息作为输入特征,并将输入特征输入序列推荐模型,序列推荐模型中设置有基于场景关键特征确定的深度神经网络,深度神经网络用于基于场景关键特征对输入特征进行非线性变换和组合;接收序列推荐模型从多个待推荐数据中确定的多个待推荐对象,并基于多个待推荐对象确定用户对应的目标推荐列表,该深度神经网络能够基于场景关键特征对输入特征进行非线性变换和组合,使得特征信息和待推荐数据集中的数据均能够与场景关键特征进行充分的交叉,达到提升场景关键特征的重要性;使得序列特征模型能够在考虑到场景关键特征的基础上输出待推荐对象,并最后根据待推荐对象确定目标推荐列表,进而使得目标推荐列表能够更多符合当前场景,且使得目标推荐列表能够满足用户的需求,避免了相关技术中,场景下用户行为数据稀少,导致无法在该场景下为用户推荐满意商品的问题。

本文档来自技高网...

【技术保护点】

1.一种目标推荐列表确定方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,将所述输入特征输入序列推荐模型之前,所述方法还包括:

3.根据权利要求2所述的方法,其特征在于,根据多个全连接层确定所述深度神经网络,包括:

4.根据权利要求1所述的方法,其特征在于,基于多个所述待推荐对象为所述用户确定目标推荐列表,包括:

5.根据权利要求1所述的方法,其特征在于,获取待推荐数据集,包括:

6.根据权利要求1所述的方法,其特征在于,基于多个所述待推荐对象确定所述用户对应的目标推荐列表之后,所述方法还包括:

7.根据权利要求1所述的方法,其特征在于,获取用户对应的特征信息,包括:

8.一种目标推荐列表确定装置,其特征在于,所述装置包括:

9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。

...

【技术特征摘要】

1.一种目标推荐列表确定方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,将所述输入特征输入序列推荐模型之前,所述方法还包括:

3.根据权利要求2所述的方法,其特征在于,根据多个全连接层确定所述深度神经网络,包括:

4.根据权利要求1所述的方法,其特征在于,基于多个所述待推荐对象为所述用户确定目标推荐列表,包括:

5.根据权利要求1所述的方法,其特征在于,获取待推荐数据集,包括:

6.根据权利要求1所述的方法,其特征在于,基于多个所述待推荐对象确定所述用户对应的目...

【专利技术属性】
技术研发人员:董辉孙若愚
申请(专利权)人:深圳须弥云图空间科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1