[發明專利]產品推薦方法、裝置、設備及存儲介質

在審

• 申請號: 202011036837.3
• 申請日: 2020-09-27
• 公開（公告）號: CN112200623A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 張攀;陳倫廣;林培圻;陳偉健;魏新宇
• 申請（專利權）人: 深圳市其樂游戲科技有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06K9/62;G06N3/04
• 代理公司: 深圳市恒程創新知識產權代理有限公司 44542
• 代理人: 張小容

本發明公開了一種產品推薦方法，所述產品推薦方法包括：獲得用戶的用戶信息和待選產品數據，待選產品數據包括多個待選產品以及每個待選產品的歷史信息，然后對用戶信息和待選產品數據進行預處理，以獲得預處理數據，并將預處理數據輸入訓練得到的推薦模型，以獲得每個待選產品的推薦評分，其中，推薦模型包括循環神經單元，循環神經單元用于根據預處理數據獲得偏好特征，最后根據每個待選產品的推薦評分，輸出推薦結果。本發明公開了一種產品推薦裝置、設備及存儲介質，能夠使輸出的推薦結果與用戶的喜好更加匹配，從而提高推薦效果。

技術領域

本發明涉及互聯網技術領域，尤其涉及產品推薦方法、裝置、設備及存儲介質。

背景技術

隨著移動互聯網的高速發展和智能手機等移動設備的快速普及，困擾我們的問題逐漸由早年的信息匱乏，變成了如今的信息過載。面對海量的數據，我們越來越難以從中發現自己真正需要和感興趣的內容，因此推薦系統變得越來越重要。

相關技術中，推薦系統直接對用戶的歷史信息進行簡單處理，從而得到推薦結果，會導致得到的推薦結果匹配度不足，進而導致最終的推薦效果較差。

上述內容僅用于輔助理解本發明的技術方案，并不代表承認上述內容是現有技術。

發明內容

本發明的主要目的在于提供一種產品推薦方法、裝置、設備及存儲介質，旨在解決推薦結果匹配度不足，推薦效果較差的技術問題。

為實現上述目的，本發明提供一種產品推薦方法，所述產品推薦方法包括以下步驟：

獲得用戶的用戶信息和待選產品數據，所述待選產品數據包括多個待選產品以及每個待選產品的歷史信息；

對所述用戶信息和所述待選產品數據進行預處理，以獲得預處理數據；

將所述預處理數據輸入訓練得到的推薦模型，以獲得每個所述待選產品的推薦評分，其中，所述推薦模型包括循環神經單元，所述循環神經單元用于根據所述預處理數據獲得偏好特征；

根據每個所述待選產品的推薦評分，輸出推薦結果。

可選地，在所述將所述預處理數據輸入訓練得到的推薦模型，以獲得每個所述待選產品的推薦評分的步驟之前，所述方法還包括：

獲取用戶樣本、待選產品樣本集和歷史訂單樣本集；

對所述用戶樣本、所述待選產品樣本集和歷史訂單樣本集進行預處理，以獲得預處理數據樣本；

將所述預處理數據樣本輸入原始推薦模型，對所述原始推薦模型進行訓練，以獲得訓練好的推薦模型，其中，所述原始推薦模型包括循環神經單元，所述循環神經單元用于根據所述預處理數據樣本獲得偏好特征。

可選地，所述對所述用戶信息和所述待選產品數據進行預處理，以獲得預處理數據的步驟，包括：

根據所述用戶信息和所述待選產品數據，獲得用戶信息特征和每個待選產品的特征矩陣，每個待選產品的特征矩陣包括每個待選產品的評論特征和每個待選產品的信息特征；

根據每個待選產品的評論特征，獲得每個待選產品的每條評論的第一評論矩陣；

對所述每條評論的第一評論矩陣進行過濾，獲得每條評論的第二評論矩陣；

基于所述用戶信息特征、每個待選產品的信息特征、每個待選產品的特征矩陣和每條評論的第二評論矩陣，獲得所述預處理數據。

可選地，根據所述用戶信息和所述待選產品數據，獲得每個待選產品的特征矩陣的步驟，包括：

對所述用戶信息進行特征提取，獲得用戶信息特征；

對所述待選產品數據進行特征提取，獲得每個待選產品的信息特征、每個待選產品的歷史評分特征和每個待選產品的評論特征；