[發明專利]項目推薦方法、裝置、機器設備和計算機可讀存儲介質

有效

• 申請號: 201810878860.3
• 申請日: 2018-08-03
• 公開（公告）號: CN109241403B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 樊茂華;邱懷志
• 申請（專利權）人: 騰訊科技(北京)有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 深圳市聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美

1.一種項目推薦方法，其特征在于，包括：

為每個用戶構建瀏覽器點擊文檔與第二應用點擊文檔的組隊，所述瀏覽器點擊文檔是用戶通過瀏覽器點擊的項目，所述第二應用點擊文檔是用戶在不同于瀏覽器的第二應用中點擊的項目；

針對多個用戶的組對，計算每個組對在所述多個用戶的組對中出現的共現次數，將所述共現次數大于第三預定閾值的組對選擇作為待計算相似度的組對，并計算所述待計算相似度的組對中瀏覽器點擊文檔和第二應用點擊文檔的相似度，其中，共現次數是瀏覽器點擊文檔和第二應用點擊文檔作為一個組對在這多個用戶的組對中共同出現的次數；

選出所計算出的相似度大于第一預定閾值的一個或多個組對，得到針對所有用戶的通用推薦表，所述通用推薦表以所述瀏覽器點擊文檔作為關鍵詞并以所述第二應用點擊文檔作為推薦項目；

根據向量相似度從所述多個用戶的組隊中選取與所述關鍵詞相似的瀏覽器點擊文檔，作為與所述關鍵詞具有相同推薦項目的擴展關鍵詞；

針對每個用戶，從所述通用推薦表中選擇該用戶點擊過的瀏覽器點擊文檔作為關鍵詞，與其相對應的推薦項目一起形成用于該用戶的推薦表。

2.根據權利要求1所述的項目推薦方法，其特征在于，所述為每個用戶構建瀏覽器點擊文檔與第二應用點擊文檔的組隊包括：

從用戶歷史數據中，獲取每個用戶的瀏覽器點擊文檔集合和第二應用點擊文檔集合；

將每個用戶的瀏覽器點擊文檔集合和第二應用點擊文檔集合的笛卡爾乘積結果作為該用戶的瀏覽器點擊文檔與第二應用點擊文檔的組對。

3.根據權利要求1所述的項目推薦方法，其特征在于，所述計算所述待計算相似度的組對中瀏覽器點擊文檔和第二應用點擊文檔的相似度包括：

將每個待計算相似度的組對中，瀏覽器點擊文檔與第二應用點擊文檔之間的杰卡德距離、歐幾里得距離、海明距離、余弦相似度中的一個，作為所述瀏覽器點擊文檔與所述第二應用點擊文檔的相似度。

4.根據權利要求1所述的項目推薦方法，其特征在于，所述根據向量相似度從所述多個用戶的組隊中選取與所述關鍵詞相似的瀏覽器點擊文檔，作為與所述關鍵詞具有相同推薦項目的擴展關鍵詞，包括：

將所述通用推薦表中的每個關鍵詞與所述多個用戶的組隊中的瀏覽器點擊文檔分別轉換成向量；

計算每個瀏覽器點擊文檔與所述通用推薦表中的每個關鍵詞的向量之間的向量相似度；

為所述通用推薦表中的每個關鍵詞，選取與其之間的向量相似度大于第二預定閾值的瀏覽器點擊文檔，作為與所述關鍵詞具有相同推薦項目的擴展關鍵詞。

5.根據權利要求4所述的項目推薦方法，其特征在于，將所述通用推薦表中的每個關鍵詞與所述多個用戶的組隊中的瀏覽器點擊文檔分別轉換成向量，包括：

將用戶在預定時間段內點擊的各個瀏覽器點擊文檔按時間順序做成序列文檔；

通過Word2vec模型對所述序列文檔進行訓練以得到各個瀏覽器點擊文檔的向量表示。

6.根據權利要求1-5中任一項所述的項目推薦方法，其特征在于，所述擴展關鍵詞的選取范圍包括所述瀏覽器中未被所述多個用戶點擊過的項目。

7.根據權利要求1所述的項目推薦方法，其特征在于，還包括：

針對用于每個用戶的關鍵詞-推薦項目推薦表，計算該用戶對該推薦表中的每個推薦項目的興趣度；

對該推薦表中每個關鍵詞所對應的推薦項目，按照興趣度由高到低的順序賦予由高到低的推薦優先級。