[發(fā)明專利]用于基于FastText模型向用戶推薦商品的方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201710045166.9
• 申請日: 2017-01-19
• 公開（公告）號: CN108335127A
• 公開（公告）日: 2018-07-27
• 發(fā)明（設(shè)計）人: 歐輝思;郭文濤
• 申請（專利權(quán)）人: 北京京東尚科信息技術(shù)有限公司;北京京東世紀貿(mào)易有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/06;G06F17/30
• 代理公司: 中科專利商標代理有限責(zé)任公司 11021
• 代理人: 楊姍

1.一種用于基于FastText模型向用戶推薦商品的方法，包括：

將所述用戶正在瀏覽的第一商品的商品向量和特征向量組合為最終向量；以及

利用相似度算法根據(jù)所述最終向量確定與所述第一商品相似的多個推薦商品，

其中，所述商品向量是利用FastText模型中的Word2Vec模塊，根據(jù)與所述第一商品相關(guān)的一個或多個商品瀏覽序列生成的；以及

所述特征向量是利用FastText模型中的Ngrams模塊，根據(jù)與所述第一商品相關(guān)的特征信息生成的。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述特征信息包括標題信息和屬性信息。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述特征向量是利用FastText模型中的Ngrams模塊，根據(jù)與所述第一商品相關(guān)的特征信息，通過以下操作生成的：

根據(jù)所述特征信息中的標題信息和屬性信息分別確定與所述標題信息相對應(yīng)的一個或多個標題向量和與所述屬性信息相對應(yīng)的一個或多個屬性向量；以及

用所述一個或多個標題向量和所述一個或多個屬性向量的組合來生成所述第一商品的特征向量。

4.根據(jù)權(quán)利要求1所述的方法，其中，所述相似度算法包括余弦相似度算法和皮爾遜相似度算法。

5.根據(jù)權(quán)利要求1所述的方法，其中，利用相似度算法根據(jù)所述最終向量確定與所述第一商品相似的多個推薦商品包括：

利用所述相似度算法確定與所述最終向量相似的多個向量；以及

確定與所述多個向量相對應(yīng)的多個推薦商品。

6.根據(jù)權(quán)利要求1所述的方法，其中，所述商品向量是利用FastText模型中的Word2Vec模塊，根據(jù)與所述第一商品相關(guān)的一個或多個商品瀏覽序列，通過以下操作生成的：

根據(jù)所述一個或多個商品瀏覽序列確定所述第一商品的上下文關(guān)系；以及

根據(jù)所述上下文關(guān)系來生成所述第一商品的商品向量。

7.一種基于FastText模型獲取特征向量的方法，包括：

利用FastText模型中的Ngrams模塊根據(jù)與用戶正在瀏覽的第一商品相關(guān)的特征信息生成與所述特征信息相對應(yīng)的多個向量；以及

用所述多個向量的組合生成所述第一商品的特征向量。

8.根據(jù)權(quán)利要求7所述的方法，其中，所述特征信息包括標題信息和屬性信息。

9.根據(jù)權(quán)利要求8所述的方法，其中，利用FastText模型中的Ngrams模塊根據(jù)與用戶正在瀏覽的第一商品相關(guān)的特征信息生成與所述特征信息相對應(yīng)的多個向量包括：

利用FastText模型中的Ngrams模塊根據(jù)所述特征信息中的標題信息和屬性信息分別生成與所述標題信息相對應(yīng)的一個或多個標題向量和與所述屬性信息相對應(yīng)的一個或多個屬性向量作為與所述特征信息相對應(yīng)的多個向量。

10.一種用于基于FastText模型向用戶推薦商品的裝置，包括：

組合模塊，被配置為將所述用戶正在瀏覽的第一商品的商品向量和特征向量組合為最終向量；以及

確定模塊，被配置為利用相似度算法根據(jù)所述最終向量確定與所述第一商品相似的多個推薦商品，

其中，所述商品向量是利用FastText模型中的Word2Vec模塊，根據(jù)與所述第一商品相關(guān)的一個或多個商品瀏覽序列生成的；以及

所述特征向量是利用FastText模型中的Ngrams模塊，根據(jù)與所述第一商品相關(guān)的特征信息生成的。

11.根據(jù)權(quán)利要求10所述的裝置，其中，所述特征信息包括標題信息和屬性信息。