[發(fā)明專利]電子對象的推薦方法、裝置和電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202010411098.5
• 申請日: 2020-05-15
• 公開（公告）號: CN111339432A
• 公開（公告）日: 2020-06-26
• 發(fā)明（設(shè)計(jì)）人: 錢浩;周俊;崔卿;李龍飛
• 申請（專利權(quán)）人: 支付寶（杭州）信息技術(shù)有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/02
• 代理公司: 北京匯思誠業(yè)知識產(chǎn)權(quán)代理有限公司 11444
• 代理人: 蘇勝

本說明書提出了一種電子對象的推薦方法、裝置和電子設(shè)備，其中，所述電子對象的推薦方法包括：獲取已為第一用戶推薦的多個(gè)電子對象的特征，根據(jù)所述多個(gè)電子對象的特征生成特征序列；根據(jù)所述特征序列確定第一用戶對電子對象特定要素的偏好值，之后根據(jù)所述第一用戶的用戶特征和所述第一用戶對電子對象特定要素的偏好值，從候選電子對象中確定向第一用戶推薦的電子對象。基于本說明書的電子對象推薦方案能夠提高電子對象推薦的匹配度。

技術(shù)領(lǐng)域

本說明書涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種電子對象的推薦方法、裝置和電子設(shè)備。

背景技術(shù)

在推薦場景中，為了促進(jìn)業(yè)務(wù)轉(zhuǎn)化需要定向地向用戶發(fā)送業(yè)務(wù)推薦信息，其中，在業(yè)務(wù)推薦信息中可以展示待推廣的產(chǎn)品、服務(wù)以及對用戶具有較大吸引力的代金券、折扣券、獎(jiǎng)品券等。向用戶發(fā)送的推薦信息在一定程度上可以轉(zhuǎn)化為用戶的購買行為，但同時(shí)購買轉(zhuǎn)化效果也會受到產(chǎn)品定價(jià)、用戶喜好等多種因素的制約。為了以最小的成本達(dá)成業(yè)務(wù)轉(zhuǎn)化最大化的效果，需要在成本約束條件下更好地挖掘用戶偏好，以期實(shí)現(xiàn)更為準(zhǔn)確的業(yè)務(wù)推薦。

在相關(guān)技術(shù)中，將用戶特征和產(chǎn)品特征加入到推薦算法中，以基于用戶特征完成相應(yīng)的推薦，但其中存在的問題是，推薦樣本從相同的數(shù)據(jù)分布中獲取，容易產(chǎn)生同樣的產(chǎn)品重復(fù)推薦或者所推薦產(chǎn)品的價(jià)位與用戶消費(fèi)能力不匹配等問題，影響業(yè)務(wù)指標(biāo)的轉(zhuǎn)化。

發(fā)明內(nèi)容

本說明書實(shí)施例提供了一種電子對象的推薦方法、裝置和電子設(shè)備，以提高電子對象推薦的匹配度。

第一方面，本說明書實(shí)施例提供了一種電子對象的推薦方法，包括：

獲取已為第一用戶推薦的多個(gè)電子對象的特征，根據(jù)所述多個(gè)電子對象的特征生成特征序列；

根據(jù)所述特征序列確定第一用戶對電子對象特定要素的偏好值；

根據(jù)所述第一用戶的用戶特征和所述第一用戶對電子對象特定要素的偏好值，從候選電子對象中確定向第一用戶推薦的電子對象。

其中一種可能的實(shí)現(xiàn)方式中，根據(jù)所述多個(gè)電子對象的特征生成特征序列，包括：

從所述多個(gè)電子對象中選取具有預(yù)定用戶反饋的電子對象；

基于具有預(yù)定用戶反饋的電子對象的特征生成所述特征序列。

其中一種可能的實(shí)現(xiàn)方式中，所述預(yù)定用戶反饋包括：點(diǎn)擊、收藏或者使用。

其中一種可能的實(shí)現(xiàn)方式中，基于具有預(yù)定用戶反饋的電子對象的特征生成所述特征序列，包括：

將具有預(yù)定用戶反饋的電子對象的特征按照向用戶推薦的時(shí)間順序排列以生成所述特征序列。

其中一種可能的實(shí)現(xiàn)方式中，根據(jù)所述特征序列確定第一用戶對電子對象特定要素的偏好值，包括：

將所述特征序列作為輸入向量輸入到偏好值計(jì)算模型中，基于所述偏好值計(jì)算模型的輸出獲取第一用戶對電子對象特定要素的偏好值。

其中一種可能的實(shí)現(xiàn)方式中，所述電子對象特定要素包括電子對象價(jià)值要素。

其中一種可能的實(shí)現(xiàn)方式中，所述偏好值計(jì)算模型為長短期記憶 LSTM計(jì)算模型或者為門遞歸單元GRU計(jì)算模型。

其中一種可能的實(shí)現(xiàn)方式中，在將所述特征序列作為輸入向量輸入到偏好值計(jì)算模型之前，還包括：

基于嵌入embedding算法對所述特征序列降維為稠密dense向量。

其中一種可能的實(shí)現(xiàn)方式中，從候選電子對象中確定向第一用戶推薦的電子對象，包括：

獲取所述候選電子對象的特征；