【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种基于推荐模型的商品推荐方法、装置及电子设备。
技术介绍
1、推荐系统在当今生活扮演着不可或缺的作用，无论是网络购物，新闻阅读，还是视频观看，都有其身影。如何节省人力，针对不同的用户推荐个性化且高质量商品，成为了我们要解决的问题。
2、推荐系统通常使用的模型包括基于内容的推荐模型(content-basedrecommendation)和协同过滤模型(collaborative filtering)。这些模型可以单独使用，也可以结合使用。例如，基于内容的推荐模型(content-based recommendation)通过分析用户过去交互过的商品，来为用户推荐。其实现步骤通常包括以下几个步骤：
3、1、收集数据：收集用户的历史数据，以及商品的相关信息。
4、2、数据预处理：对收集到的数据进行清洗和预处理，以便进行后续的分析和建模。
5、3、特征提取：对商品进行特征提取，提取出能够代表商品内容的特征，如关键词、主题等。
6、4、模型训练：使用收集到的数据对推荐算法进行训练，以便为用户提供更准确的推荐结果。
7、5、结果呈现：将推荐结果呈现给用户，可以通过网页、应用或其他方式进行展示。
8、但现有的商品推荐方案中大多采用传统的特征选择方法，重点偏向于一些频繁出现的特征，非常容易出现偏差，其特征重要性不好评估，且特征分布集中度很高，从而导致提取的特征不够丰富和有效。
技术实现思路
...【技术保护点】
1.一种基于推荐模型的商品推荐方法，其特征在于，所述推荐模型包括特征动态调权模块和深度推荐网络模块，所述特征动态调权模块包括多个专家网络和1个门控网络，所述商品推荐方法包括：
2.根据权利要求1所述的方法，其特征在于，利用多个所述专家向量生成特征重要度因子，包括：
3.根据权利要求2所述的方法，其特征在于，利用所述专家网络集生成特征重要度因子，包括：
4.根据权利要求3所述的方法，其特征在于，在得到初步特征重要度向量之后，还包括：
5.根据权利要求4所述的方法，其特征在于，根据初步特征重要度向量、特征重要度阈值和训练步数，得到强化特征重要度向量，包括：
6.根据权利要求4所述的方法，其特征在于，以所述初步特征重要度向量中的元素作为所述稠密向量中各元素对应的权重，对所述稠密向量进行加权，得到目标特征向量，包括：
7.根据权利要求1至6任一所述的方法，其特征在于，
8.一种基于推荐模型的商品推荐装置，其特征在于，所述推荐模型包括特征动态调权模块和深度推荐网络模块，所述特征动态调权模块包括多个专家网络和
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。
10.一种可读存储介质，所述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】
1.一种基于推荐模型的商品推荐方法，其特征在于，所述推荐模型包括特征动态调权模块和深度推荐网络模块，所述特征动态调权模块包括多个专家网络和1个门控网络，所述商品推荐方法包括：
2.根据权利要求1所述的方法，其特征在于，利用多个所述专家向量生成特征重要度因子，包括：
3.根据权利要求2所述的方法，其特征在于，利用所述专家网络集生成特征重要度因子，包括：
4.根据权利要求3所述的方法，其特征在于，在得到初步特征重要度向量之后，还包括：
5.根据权利要求4所述的方法，其特征在于，根据初步特征重要度向量、特征重要度阈值和训练步数，得到强化特征重要度向量，包括：
6.根据权利要求4所述的方法，其特征在于，以所述初步特征重要度向量中的元...
【专利技术属性】
技术研发人员：杜梦雪，
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：
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。