【技术实现步骤摘要】
本公开涉及人工智能，尤其涉及一种商品推荐模型的训练方法、装置、电子设备及存储介质。
技术介绍
1、在大型电商平台上商品数量达到数亿级别，用户也达到上亿级别，面对庞大的在售电商商品，人们面临着太多的选择，而商品推荐是指通过预测用户未来的兴趣偏好，从海量的商品中向用户推荐其感兴趣的商品。
2、相关技术中，通常是基于协同过滤(collaborative filtering，cf)推荐算法确定待为用户推荐的目标商品。
3、这种方式下，由于cf推荐算法不具备较强的泛化能力，推荐结果的头部效应较明显，从而易造成马太效应推荐，进而导致商品推荐效果不佳。
技术实现思路
1、本公开旨在至少在一定程度上解决相关技术中的技术问题。
2、为此，本公开的目的在于提出一种商品推荐模型的训练方法、装置、电子设备及存储介质。
3、本公开第一方面实施例提出的商品推荐模型的训练方法，方法包括：获取第一用户对第一商品的第一操作行为数据；从多个第一商品中确定第一商品对；确定第一商品对中的两个第一商品之间的商品相似度；根据第一商品的商品标识和第一操作行为数据，确定第一用户对应的初始操作有向图，其中，初始操作有向图用于描述第一用户对多个第一商品的顺序操作情况；根据商品相似度和初始操作有向图训练初始商品推荐模型，以得到目标商品推荐模型。
4、本公开第二方面实施例提出的商品推荐方法，方法包括：获取第二用户对第二商品的第二操作行为数据；将第二操作行为数据输入至如上述第一方
5、本公开第三方面实施例提出的商品推荐模型的训练装置，装置包括：第一获取模块，用于获取第一用户对第一商品的第一操作行为数据；第一确定模块，用于从多个第一商品中确定第一商品对；第二确定模块，用于确定第一商品对中的两个第一商品之间的商品相似度；第三确定模块，用于根据第一商品的商品标识和第一操作行为数据，确定第一用户对应的初始操作有向图，其中，初始操作有向图用于描述第一用户对多个第一商品的顺序操作情况；训练模块，用于根据商品相似度和初始操作有向图训练初始商品推荐模型，以得到目标商品推荐模型。
6、本公开第四方面实施例提出的商品推荐装置，装置包括：第二获取模块，用于获取第二用户对第二商品的第二操作行为数据；处理模块，用于将第二操作行为数据输入至如上述第三方面实施例的商品推荐模型的训练装置训练得到的目标商品推荐模型之中，以得到目标商品推荐模型输出的目标推荐商品信息。
7、本公开第五方面实施例提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如本公开第一方面实施例提出的商品推荐模型的训练方法，或者实现如本公开第二方面实施例提出的商品推荐方法。
8、本公开第六方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开第一方面实施例提出的商品推荐模型的训练方法，或者实现如本公开第二方面实施例提出的商品推荐方法。
9、本公开第七方面实施例提出了一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行如本公开第一方面实施例提出的商品推荐模型的训练方法，或者实现如本公开第二方面实施例提出的商品推荐方法。
10、本公开的实施例提供的商品推荐模型的训练方法可以包括以下有益效果：获取第一用户对第一商品的第一操作行为数据，并从多个第一商品中确定第一商品对，再确定第一商品对中的两个第一商品之间的商品相似度，再根据第一商品的商品标识和第一操作行为数据，确定第一用户对应的初始操作有向图，其中，初始操作有向图用于描述第一用户对多个第一商品的顺序操作情况，再根据商品相似度和初始操作有向图训练初始商品推荐模型，以得到目标商品推荐模型，从而能够提升目标商品推荐模型的训练效果，使得训练得到的目标商品推荐模型在商品推荐时能兼顾到商品的操作顺序信息和商品之间的相似度信息，从而能够提升目标商品推荐模型对目标推荐商品的召回效果。
11、本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
本文档来自技高网...【技术保护点】
1.一种商品推荐模型的训练方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述初始操作有向图包括：多个初始连接边，所述初始连接边用于连接部分初始节点，所述初始节点描述所述第一商品，所述初始连接边描述所述第一商品的顺序操作情况；
3.如权利要求2所述的方法，其特征在于，所述根据所述商品相似度和所述初始操作有向图训练初始商品推荐模型，以得到目标商品推荐模型，包括：
4.如权利要求3所述的方法，其特征在于，所述根据所述商品相似度和所述初始操作有向图训练所述初始商品推荐模型中的初始图注意力网络，以得到目标图注意力网络，包括：
5.如权利要求4所述的方法，其特征在于，所述根据所述目标操作有向图训练所述初始图注意力网络，以得到所述目标图注意力网络，包括：
6.如权利要求3所述的方法，其特征在于，所述根据所述目标图注意力网络中目标节点对应的第一特征向量训练所述初始商品推荐模型中的初始商品匹配模型，以得到目标商品匹配模型，包括：
7.如权利要求6所述的方法，其特征在于，所述根据所述第一特征向量和所述
8.如权利要求1所述的方法，其特征在于，所述从多个第一商品中确定第一商品对，包括：
9.如权利要求7所述的方法，其特征在于，所述确定所述第一商品对中的两个所述第一商品之间的商品相似度，包括：
10.一种商品推荐方法，其特征在于，所述方法包括：
11.如权利要求10所述的方法，其特征在于，所述目标商品推荐模型包括：目标图注意力网络和目标商品匹配模型；
12.一种商品推荐模型的训练装置，其特征在于，所述装置包括：
13.一种商品推荐装置，其特征在于，所述装置包括：
14.一种电子设备，包括：
15.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-11中任一项所述的方法。
...【技术特征摘要】
1.一种商品推荐模型的训练方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述初始操作有向图包括：多个初始连接边，所述初始连接边用于连接部分初始节点，所述初始节点描述所述第一商品，所述初始连接边描述所述第一商品的顺序操作情况；
3.如权利要求2所述的方法，其特征在于，所述根据所述商品相似度和所述初始操作有向图训练初始商品推荐模型，以得到目标商品推荐模型，包括：
4.如权利要求3所述的方法，其特征在于，所述根据所述商品相似度和所述初始操作有向图训练所述初始商品推荐模型中的初始图注意力网络，以得到目标图注意力网络，包括：
5.如权利要求4所述的方法，其特征在于，所述根据所述目标操作有向图训练所述初始图注意力网络，以得到所述目标图注意力网络，包括：
6.如权利要求3所述的方法，其特征在于，所述根据所述目标图注意力网络中目标节点对应的第一特征向量训练所述初始商品推荐模型中的初始商品匹配模型，以得到目标商品匹...
【专利技术属性】
技术研发人员：姚普，张国琦，杜华，颜伟鹏，包勇军，朱小坤，刘健，
申请(专利权)人：北京沃东天骏信息技术有限公司，
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。