[發明專利]一種物品推薦方法及裝置

在審

• 申請號: 202010023700.8
• 申請日: 2020-01-09
• 公開（公告）號: CN113094576A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 曹宇;周默
• 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: G06F16/9535
• 分類號: G06F16/9535;G06Q30/06
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 郭晗;趙迪

1.一種物品推薦方法，其特征在于，包括：

獲取物品的歷史評價集，所述歷史評價集中的評價數據指示了物品的第一物品屬性；

根據所述第一物品屬性以及所述第一物品屬性在所述歷史評價集中出現的頻次，構建興趣樹，所述興趣樹中不同的節點對應不同的所述第一物品屬性；

獲取設定周期內第一用戶的第一行為數據，根據所述第一行為數據優化所述興趣樹；

當獲取到第二用戶的第二行為數據時，利用所述優化后的興趣樹確定與所述第二行為數據相關的目標物品屬性，并根據所述目標物品屬性確定待推薦給第二用戶的物品。

2.根據權利要求1所述的方法，其特征在于，所述根據所述第一行為數據優化所述興趣樹，包括：

確定所述第一物品屬性的特征值和權重值；

根據所述特征值和權重值、以及所述第一物品屬性在所述興趣樹中的位置，從所述興趣樹中確定用于興趣樹優化的第二物品屬性；

根據所述第一行為數據、所述第二物品屬性以及所述興趣樹的結構，對所述興趣樹進行優化。

3.根據權利要求2所述的方法，其特征在于，所述從所述興趣樹中確定用于興趣樹優化的第二物品屬性，包括：

根據所述興趣樹中與所述第一行為數據相對應的第一物品屬性的所述特征值和權重值、以及多個第一物品屬性在所述興趣樹中的第一連接路徑，計算所述興趣樹中多個第一物品屬性的第一連接概率，將最大的第一連接概率所對應的多個第一物品屬性作為所述第二物品屬性。

4.根據權利要求2所述的方法，其特征在于，所述根據所述第一行為數據、所述第二物品屬性以及所述興趣樹的結構，對所述興趣樹進行優化，包括：

將所述第一行為數據、所述第二物品屬性和所述興趣樹作為深度神經網絡的輸入，并計算所述深度神經網絡輸出的預測值與預設目標值之間的誤差比，當所述誤差比大于預設閾值時，調節所述興趣樹中與所述第二物品屬性的權重值和特征值；其中，所述深度神經網絡包括Relu層和softmax層。

5.根據權利要求4所述的方法，其特征在于，利用所述優化后的興趣樹確定與所述第二行為數據相關的目標物品屬性，包括：

確定與所述第二行為數據相關的多個第三物品屬性，并根據所述興趣樹中與所述第三物品屬性相同的第一物品屬性的特征值和權重值，以及所述多個第三物品屬性對應于所述興趣樹的至少一條第二連接路徑，分別計算所述至少一條第二連接路徑對應的第二連接概率，將最大的第二連接概率所對應的第二連接路徑上的第一物品屬性作為所述目標物品屬性。

6.根據權利要求4所述的方法，其特征在于，所述調節所述興趣樹中與所述第二物品屬性的權重值和特征值，包括：

利用梯度下降算法調節所述第二物品屬性的權重值和特征值。

7.一種物品推薦裝置，其特征在于，包括：獲取模塊、構建模塊、優化模塊和推薦模塊；其中，

所述獲取模塊，用于獲取物品的歷史評價集，所述歷史評價集中的評價數據指示了物品的第一物品屬性；

所述構建模塊，用于根據所述第一物品屬性以及所述第一物品屬性在所述歷史評價集中出現的頻次，構建興趣樹，所述興趣樹中不同的節點對應不同的所述第一物品屬性；

所述優化模塊，用于獲取設定周期內第一用戶的第一行為數據，根據所述第一行為數據優化所述興趣樹；

所述推薦模塊，用于當獲取到第二用戶的第二行為數據時，利用所述優化后的興趣樹確定與所述第二行為數據相關的目標物品屬性，并根據所述目標物品屬性確定待推薦給第二用戶的物品。

8.根據權利要求7所述的裝置，其特征在于，

所述優化模塊，用于確定所述第一物品屬性的特征值和權重值；根據所述特征值和權重值、以及所述第一物品屬性在所述興趣樹中的位置，從所述興趣樹中確定用于興趣樹優化的第二物品屬性；根據所述第一行為數據、所述第二物品屬性以及所述興趣樹的結構，對所述興趣樹進行優化。