[發明專利]一種區分商品關系的方法和裝置

在審

• 申請號: 201810892271.0
• 申請日: 2018-08-07
• 公開（公告）號: CN110827045A
• 公開（公告）日: 2020-02-21
• 發明（設計）人: 姜子恒;任昭春;殷大偉;趙一鴻;王梓涵;湯繼良
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 張一軍;李陽

本發明公開了一種區分商品關系的方法和裝置，涉及計算機技術領域。該方法的一具體實施方式包括：基于目標損失函數，篩選出存在有向邊的集合；通過引入映射向量，建立區分互補關系或者替代關系的目標函數，進而通過類別約束和多步路徑約束，建立聯合目標函數；將所述集合中的訓練集輸入到所述聯合目標函數中，對其進行優化求解，從而訓練得到聯合目標模型以及計算得到可能性分數；基于所述可能性分數，區分商品之間的關系。該實施方式能夠解決數據稀疏性以及沒有考慮商品間的相互依賴性的技術問題。

技術領域

本發明涉及計算機技術領域，尤其涉及一種區分商品關系的方法和裝置。

背景技術

個性化推薦系統已經成為了聯系用戶買家和商品之間不可或缺的一部分，并且被廣泛應用在了多媒體推薦、新聞推薦、商品推薦等領域。個性化推薦往往包括兩個過程：檢索和排序。因此，個性化推薦系統可以從兩方面進行優化：1.如何更準確地從數十億的商品中檢索出相關商品；2.如何能更準確地對商品的相關性進行排序。

Sceptre模型是最近提出用于區分互補品和替代品的模型。Sceptre模型收集了“看了又看”和“同時購買”兩種數據集分別作為替代品和互補品的訓練數據集。在此基礎上，Sceptre模型將商品購買評論、價格以及商品的其它特征作為信息來源，訓練文本生成模型和監督型鏈路預測方法的結合模型，對互補品和替代品進行判斷。

在實現本發明過程中，發明人發現現有技術中至少存在如下問題：

1)沒有很好地解決數據稀疏性問題；

2)只考慮商品和商品之間的直接關系，并沒有考慮到關系間的相互依賴性。

發明內容

有鑒于此，本發明實施例提供一種區分商品關系的方法和裝置，以解決數據稀疏性以及沒有考慮商品間的相互依賴性的技術問題。

為實現上述目的，根據本發明實施例的一個方面，提供了一種區分商品關系的方法，包括：

基于目標損失函數，篩選出存在有向邊的集合；

通過引入映射向量，建立區分互補關系或者替代關系的目標函數，進而通過類別約束和多步路徑約束，建立聯合目標函數；

將所述集合中的訓練集輸入到所述聯合目標函數中，對其進行優化求解，從而訓練得到聯合目標模型以及計算得到可能性分數；

基于所述可能性分數，區分商品之間的關系。

可選地，將所述集合中的訓練集輸入到所述聯合目標函數中，對其進行優化求解，從而訓練得到聯合目標模型以及計算得到可能性分數，包括：

采取寬度優先搜索，從訓練集中抽取多步路徑約束，得到所有的多步路徑約束，從而構造相應的訓練集；

將構造后的訓練集輸入到所述聯合目標函數中，通過隨機梯度下降的方式對所述聯合目標函數進行優化求解，從而訓練得到聯合目標模型以及計算得到可能性分數。

可選地，基于所述可能性分數，區分商品之間的關系，包括：

將所述集合中的驗證集輸入到訓練后的聯合目標模型中，根據輸出結果分別確定替換關系、互補關系對應的可能性分數閾值；

基于所述可能性分數閾值以及所述可能性分數，區分商品之間的關系。

可選地，通過類別約束和多步路徑約束，建立聯合目標函數，包括：

將類別約束成立的可能性以及多步路徑約束成立的可能性，與區分互補關系或者替代關系的目標函數結合，得到聯合目標函數。

可選地，所述類別約束成立的可能性描述為：