[發明專利]用于向用戶推薦項目的方法、裝置和存儲介質

有效

• 申請號: 202010107608.X
• 申請日: 2020-02-21
• 公開（公告）號: CN111242748B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 潘穎吉
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06Q30/0601
• 分類號: G06Q30/0601;G06F18/2411;G06Q30/0251
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 孫之剛;陳嵐

1.一種用于向用戶推薦項目的推薦模型訓練方法，包括：

獲取多個樣本，所述多個樣本中的每一個包括用戶特征、項目組和與所述項目組相對應的標簽，所述項目組包括二個或更多個項目，所述標簽指示所述用戶是否選中所述項目組；

為所述項目組中的每個項目生成各自的項目嵌入向量；

對生成的多個所述項目嵌入向量進行加權平均以得到所述項目組的綜合嵌入向量；

基于所述用戶特征生成所述用戶的用戶嵌入向量；以及

使用得到的所述綜合嵌入向量、所述用戶的用戶嵌入向量和所述與所述項目組相對應的標簽來訓練用以向所述用戶推薦項目的推薦模型。

2.根據權利要求1所述的方法，其中所述為所述項目組中的每個項目生成各自的項目嵌入向量包括：針對所述每個項目的特征進行編碼得到每個項目的項目特征嵌入向量，和基于所述項目特征嵌入向量生成每個項目各自的項目嵌入向量。

3.根據權利要求2所述的方法，其中所述針對所述每個項目的特征進行編碼得到每個項目的項目特征嵌入向量包括：針對各個項目基于相同的編碼詞表來針對所述每個項目的特征進行編碼得到每個項目的項目特征嵌入向量。

4.根據權利要求1所述的方法，其中所述推薦模型包括針對所述用戶的第一神經網絡結構，所述第一神經網絡結構包括一個或多個激活函數層。

5.根據權利要求1所述的方法，其中所述推薦模型包括針對所述項目組中的每個項目的相應第二神經網絡結構，每個第二神經網絡結構包括一個或多個激活函數層。

6.根據權利要求1所述的方法，其中所述對生成的多個所述項目嵌入向量進行加權平均以得到所述項目組的綜合嵌入向量包括：對生成的多個所述項目嵌入向量進行算數平均以得到所述項目組的綜合嵌入向量。

7.根據權利要求1所述的方法，其中所述對生成的多個所述項目嵌入向量進行加權平均以得到所述項目組的綜合嵌入向量包括：以經訓練得到的權重作為各個項目嵌入向量的權重，對生成的多個所述項目嵌入向量進行加權平均以得到所述項目組的綜合嵌入向量。

8.根據權利要求1所述的方法，其中使用得到的所述綜合嵌入向量、所述用戶的用戶嵌入向量和所述與所述項目組相對應的標簽來訓練所述推薦模型包括：

對所述綜合嵌入向量和所述用戶的用戶嵌入向量進行點積運算得到點積結果；

基于所述點積結果與所述項目組相對應的標簽計算損失函數；以及

對所述推薦模型中的參數進行調整以使所述損失函數收斂。

9.根據權利要求8所述的方法，其中基于所述點積結果與所述項目組相對應的標簽計算損失函數包括：

對所述點積結果進行歸一化，和基于經歸一化的點積結果與所述項目組相對應的標簽計算損失函數。

10.根據權利要求1-9中任一項所述的方法，其中所述項目包括商品、電影和文章。

11.一種用于向用戶推薦項目的方法，包括：

獲取目標用戶的目標用戶特征和待推薦項目的項目特征；和

使用推薦模型基于所述目標用戶特征和所述項目特征確定向目標用戶推薦該項目的概率；

其中，在使用所述推薦模型之前，所述方法還包括：

獲取多個樣本，所述多個樣本中的每一個包括樣本用戶特征、項目組和與所述項目組相對應的標簽，所述項目組包括二個或更多個項目，所述標簽指示所述樣本用戶是否選中所述項目組；

為所述項目組中的每個樣本項目生成各自的項目嵌入向量；

對生成的多個所述項目嵌入向量進行加權平均以得到所述項目組的綜合嵌入向量；

基于所述樣本用戶特征生成所述樣本用戶的用戶嵌入向量；

使用得到的所述綜合嵌入向量、所述樣本用戶的用戶嵌入向量和所述與所述項目組相對應的標簽來訓練所述推薦模型。