[發明專利]一種智能推薦方法、裝置、計算機設備及存儲介質

有效

• 申請號: 201910872210.2
• 申請日: 2019-09-16
• 公開（公告）號: CN110837596B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 陳楚
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/04;G06Q30/02;G06Q30/06;G06Q40/08
• 代理公司: 深圳市世聯合知識產權代理有限公司 44385
• 代理人: 汪琳琳

1.一種智能推薦方法，其特征在于，包括下述步驟：

獲取項目的至少一個特征值和原始表征向量，所述項目包括多個點擊序列項目和曝光項目，所述點擊序列項目為從日志中提取的已經曝光過的項目，所述曝光項目為在網頁曝光的項目；

將所述至少一個特征值及原始表征向量進行拼接，得到各點擊序列項目和所述曝光項目的新表征向量；

將所述各點擊序列項目和所述曝光項目的新表征向量組合在一起，并進行卷積深度學習獲取卷積特征；

將所述項目的原始表征向量輸入推薦模型的深度網絡的輸入層得到深度網絡的處理結果；

將所述卷積特征與所述深度網絡的處理結果拼接后輸入所述推薦模型的輸出層，得到所述曝光項目的點擊機率；

根據所述點擊機率確定是否推薦所述曝光項目；

所述將所述至少一個特征值及原始表征向量進行拼接，得到各點擊序列項目和所述曝光項目的新表征向量，具體包括：

將所述至少一個特征值寫入所述原始表征向量之后，構成所述新表征向量；

所述將所述至少一個特征值及原始表征向量進行拼接，得到各點擊序列項目和各曝光項目的新表征向量的步驟包括：

將所述至少一個特征值寫入所述原始表征向量，構成新表征向量，其中，寫入的每一個所述特征值作為所述新表征向量的一個維度元素。

2.根據權利要求1所述的智能推薦方法，其特征在于，所述將所述點擊序列項目和所述曝光項目的新表征向量組合在一起，并進行卷積深度學習獲取卷積特征的步驟包括：

將各點擊序列項目和各曝光項目的新表征向量組合在一起，構成卷積圖像；

根據預設的卷積核對卷積圖像進行卷積計算，獲取卷積特征。

3.根據權利要求2所述的智能推薦方法，其特征在于，所述根據預設的卷積核對卷積圖像進行卷積計算，獲取卷積特征的步驟包括：

將由各點擊序列項目和各曝光項目的新表征向量構成的二維向量寫入卷積神經網絡的輸入層，以使卷積神經網絡的進行卷積計算和處理，并輸出所述卷積特征。

4.根據權利要求1所述的智能推薦方法，其特征在于，所述將所述項目的原始表征向量輸入推薦模型的深度網絡的輸入層得到深度網絡的處理結果的步驟包括：

將所述各點擊序列項目與所述各曝光項目的原始表征向量一同輸入所述深度網絡計算得到降維表征向量作為所述深度網絡處的理結果。

5.根據權利要求4所述的智能推薦方法，其特征在于，所述將所述卷積特征與所述深度網絡的處理結果拼接后輸入所述推薦模型的輸出層，得到所述曝光項目的點擊機率的步驟包括：

將所述降維表征向量與所述卷積特征進行拼接，構成組合表征向量；

將所述組合表征向量輸入所述推薦模型的輸出層，并利用sigmoid函數進行計算，得到所述曝光項目的點擊機率。

6.根據權利要求1-5任意一項所述的智能推薦方法，其特征在于，所述獲取項目的至少一個特征值和原始表征向量的步驟包括：

從網頁日志中獲取項目特征數據及用戶數據；

從所述項目特征數據提取至少一個特征值；

將所述用戶數據轉換為原始表征向量。