[發(fā)明專利]推薦模型、方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010364597.3
• 申請(qǐng)日: 2020-04-30
• 公開（公告）號(hào): CN111506820B
• 公開（公告）日: 2023-05-09
• 發(fā)明（設(shè)計(jì)）人: 胡志超
• 申請(qǐng)（專利權(quán)）人: 喜大（上海）網(wǎng)絡(luò)科技有限公司
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06Q30/0601;G06N3/0464;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種推薦模型，其特征在于，包括：依次連接的輸入層、嵌入層、第一交互層、第一加權(quán)向量層、第一拼接層、第一全連接層以及輸出層；

其中，所述輸入層用于接收目標(biāo)用戶的歷史行為序列數(shù)據(jù)以及推薦候選物品的標(biāo)識(shí)ID，所述歷史行為序列數(shù)據(jù)包括M個(gè)歷史行為對(duì)應(yīng)的M個(gè)歷史物品的ID，并且，發(fā)生的越早的歷史行為所對(duì)應(yīng)的歷史物品的ID排列越靠前，M為大于0的整數(shù)；

所述嵌入層用于根據(jù)推薦候選物品的ID、所述推薦候選物品對(duì)應(yīng)的嵌入向量、每個(gè)歷史物品的ID以及每個(gè)所述歷史物品對(duì)應(yīng)的嵌入向量，生成推薦候選物品的潛在向量以及每個(gè)所述歷史物品的潛在向量；

所述第一交互層用于根據(jù)所述推薦候選物品的潛在向量以及每個(gè)所述歷史物品的潛在向量，生成每個(gè)所述歷史物品的第一交互向量；

所述第一加權(quán)向量層用于根據(jù)每個(gè)所述歷史物品的第一交互向量，生成每個(gè)所述歷史物品的第一加權(quán)交互向量；

所述第一拼接層用于對(duì)所有所述歷史物品的第一加權(quán)交互向量進(jìn)行拼接，生成所有歷史物品的第一拼接向量；

所述輸出層用于根據(jù)所述第一全連接層對(duì)所述所有歷史物品的第一拼接向量進(jìn)行全連接計(jì)算后的結(jié)果，輸出所述目標(biāo)用戶在所述推薦候選物品上的行為概率。

2.根據(jù)權(quán)利要求1所述的模型，其特征在于，所述第一交互層具體用于將每個(gè)所述歷史物品的潛在向量與所述推薦候選物品的潛在向量進(jìn)行元素積，生成每個(gè)所述歷史物品的第一交互向量。

3.根據(jù)權(quán)利要求1所述的模型，其特征在于，所述第一交互層包括：相互連接的交互子層與全連接子層；所述交互子層具體用于將每個(gè)所述歷史物品的潛在向量與所述推薦候選物品的潛在向量進(jìn)行拼接，得到每個(gè)所述歷史物品的第一拼接向量；

所述全連接子層用于對(duì)每個(gè)所述歷史物品的第一拼接向量進(jìn)行全連接計(jì)算，生成每個(gè)所述歷史物品的第一交互向量。

4.根據(jù)權(quán)利要求1所述的模型，其特征在于，所述模型還包括第三拼接層，依次連接的第二交互層、第二加權(quán)向量層、第二拼接層以及第二全連接層，所述第二交互層的輸入端與所述嵌入層的輸出端連接，所述第二全連接層的輸出端以及所述第一全連接層的輸出端與所述第三拼接層的輸入端連接，所述第三拼接層的輸出端與所述輸出層的輸入端連接；

所述第一交互層具體用于將每個(gè)所述歷史物品的潛在向量與所述推薦候選物品的潛在向量進(jìn)行元素積，生成每個(gè)所述歷史物品的第一交互向量；

所述第二交互層具體用于將每個(gè)所述歷史物品的潛在向量與所述推薦候選物品的潛在向量進(jìn)行拼接，得到每個(gè)所述歷史物品的第二拼接向量，對(duì)每個(gè)所述歷史物品的第二拼接向量進(jìn)行全連接計(jì)算，生成每個(gè)所述歷史物品的第二交互向量；

所述第二加權(quán)向量層用于根據(jù)每個(gè)所述歷史物品的第二交互向量，生成每個(gè)所述歷史物品的第二加權(quán)交互向量；

所述第二拼接層用于對(duì)所有所述歷史物品的第二加權(quán)交互向量進(jìn)行拼接，生成所有歷史物品的第二拼接向量；

所述第三拼接層用于將所述第一全連接層對(duì)所述所有歷史物品的第一拼接向量進(jìn)行全連接計(jì)算后的結(jié)果，以及，將所述第二全連接層對(duì)所述所有歷史物品的第二拼接向量進(jìn)行全連接計(jì)算后的結(jié)果，進(jìn)行拼接，形成所有歷史物品的第三拼接向量；

所述輸出層用于根據(jù)所述所有歷史物品的第三拼接向量，輸出所述目標(biāo)用戶在所述推薦候選物品上的行為概率。

5.一種推薦方法，其特征在于，應(yīng)用于如權(quán)利要求1-4中任一項(xiàng)所述的推薦模型中，所述方法包括：

獲取所述目標(biāo)用戶的歷史行為序列數(shù)據(jù)；其中，所述歷史行為序列數(shù)據(jù)包括M個(gè)歷史行為對(duì)應(yīng)的M個(gè)歷史物品的標(biāo)識(shí)ID，并且，發(fā)生的越早的歷史行為所對(duì)應(yīng)的歷史物品的ID排列越靠前，M為大于0的整數(shù)；

將所述目標(biāo)用戶的歷史行為序列數(shù)據(jù)以及推薦候選物品的ID，輸入至所述推薦模型中，確定所述目標(biāo)用戶在所述推薦候選物品上的行為概率，將下一個(gè)物品作為新的所述推薦候選物品的ID，返回執(zhí)行本步驟，直至確定出所述目標(biāo)用戶在R個(gè)所述推薦候選物品上的行為概率；其中，R為大于1的整數(shù)；

對(duì)所述目標(biāo)用戶在R個(gè)所述推薦候選物品上的行為概率進(jìn)行排序，將排列在前預(yù)設(shè)數(shù)量的行為概率對(duì)應(yīng)的推薦候選物品確定為目標(biāo)推薦物品；

向所述目標(biāo)用戶推薦所述目標(biāo)推薦物品。