[發(fā)明專(zhuān)利]生成推薦信息的方法、裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011239590.5
• 申請(qǐng)日: 2020-11-09
• 公開(kāi)（公告）號(hào): CN112287232A
• 公開(kāi)（公告）日: 2021-01-29
• 發(fā)明（設(shè)計(jì)）人: 劉宗節(jié);王永鵬
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京京東拓先科技有限公司
• 主分類(lèi)號(hào): G06F16/9535
• 分類(lèi)號(hào): G06F16/9535;G06F16/332;G06F16/33;G06N3/04;G06N3/08;G16H50/70
• 代理公司: 北京英賽嘉華知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

1.一種生成推薦信息的方法，包括：

響應(yīng)于確定用戶(hù)非首次訪問(wèn)用戶(hù)，獲取所述用戶(hù)輸入的當(dāng)前描述信息和所述用戶(hù)的歷史描述信息；

將所述歷史描述信息輸入歷史特征匹配模型中進(jìn)行處理，得到歷史特征信息；

查詢(xún)所述當(dāng)前描述信息對(duì)應(yīng)的當(dāng)前特征信息；

拼接所述歷史特征信息和所述當(dāng)前特征信息，生成推薦特征信息；

采用預(yù)先確定的推薦特征識(shí)別神經(jīng)網(wǎng)絡(luò)識(shí)別所述推薦特征信息，得到第一推薦信息，并發(fā)送所述第一推薦信息給所述用戶(hù)。

2.根據(jù)權(quán)利要求1所述的方法，還包括：

響應(yīng)于所述用戶(hù)為首次訪問(wèn)用戶(hù)，獲取所述用戶(hù)輸入的當(dāng)前描述信息；

查詢(xún)所述當(dāng)前描述信息對(duì)應(yīng)的當(dāng)前特征信息；

采用所述推薦特征識(shí)別神經(jīng)網(wǎng)絡(luò)識(shí)別所述當(dāng)前特征信息，得到第二推薦信息，并發(fā)送所述第二推薦信息給所述用戶(hù)。

3.根據(jù)權(quán)利要求1所述的方法，其中，將所述歷史描述信息輸入歷史特征匹配模型中進(jìn)行處理，得到歷史特征信息包括：

獲取所述用戶(hù)的歷史描述信息中的用戶(hù)描述信息和推薦結(jié)果描述信息；

將所述用戶(hù)描述信息進(jìn)行歸一化后，輸入至構(gòu)成所述歷史特征匹配模型的第一深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)層進(jìn)行處理，生成第一特征信息；

將取所述推薦結(jié)果描述信息輸入至構(gòu)成所述歷史特征匹配模型的多層雙向變換器編碼器層，生成第二特征信息；

將所述第一特征信息和所述第二特征信息輸入至構(gòu)成所述歷史特征匹配模型的第二深度學(xué)習(xí)網(wǎng)絡(luò)層進(jìn)行拼接，得到所述歷史特征信息。

4.根據(jù)權(quán)利要求1所述的方法，其中，所述查詢(xún)所述當(dāng)前描述信息對(duì)應(yīng)的當(dāng)前特征信息包括：

將當(dāng)前描述信息輸入至用于輸出當(dāng)前特征信息的多層雙向變換器編碼器層，查詢(xún)所述當(dāng)前描述信息對(duì)應(yīng)的當(dāng)前特征信息。

5.根據(jù)權(quán)利要求1所述的方法，其中，所述獲取所述歷史特征信息和所述當(dāng)前特征信息，拼接生成推薦特征信息包括：

分別獲取所述歷史特征信息和所述當(dāng)前特征信息對(duì)應(yīng)的歷史特征向量和當(dāng)前特征向量；

將所述歷史特征向量和所述當(dāng)前特征向量輸入至拼接深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)層進(jìn)行拼接，拼接生成推薦特征向量作為推薦特征信息；其中，所述推薦特征向量的維度數(shù)量基于所述歷史特征向量的維度數(shù)量與所述當(dāng)前特征向量維度數(shù)量的加和得到。

6.根據(jù)權(quán)利要求1所述的方法，其中，所述采用預(yù)先確定的推薦特征識(shí)別神經(jīng)網(wǎng)絡(luò)識(shí)別所述推薦特征信息，得到第一推薦信息，并發(fā)送所述第一推薦信息給所述用戶(hù)包括：

采用預(yù)先確定的推薦特征識(shí)別神經(jīng)網(wǎng)絡(luò)識(shí)別所述推薦特征信息，迭代生成多個(gè)推薦信息；其中，所述推薦特征識(shí)別神經(jīng)網(wǎng)絡(luò)的損失函數(shù)為交叉熵函數(shù)；

響應(yīng)于確定所述損失函數(shù)收斂后停止迭代識(shí)別，并將最終得到的推薦信息確定為所述第一推薦信息，發(fā)送所述第一推薦信息給所述用戶(hù)。

7.一種生成推薦信息的裝置，包括：

描述信息獲取單元，被配置成響應(yīng)于確定用戶(hù)非首次訪問(wèn)用戶(hù)，獲取所述用戶(hù)輸入的當(dāng)前描述信息和所述用戶(hù)的歷史描述信息；

歷史特征匹配單元，被配置成將所述歷史描述信息輸入歷史特征匹配模型中進(jìn)行處理，得到歷史特征信息；

當(dāng)前特征查詢(xún)單元，被配置成查詢(xún)所述當(dāng)前描述信息對(duì)應(yīng)的當(dāng)前特征信息；

推薦特征生成單元，被配置成拼接所述歷史特征信息和所述當(dāng)前特征信息，生成推薦特征信息；

推薦信息發(fā)送單元，被配置成采用預(yù)先確定的推薦特征識(shí)別神經(jīng)網(wǎng)絡(luò)識(shí)別所述推薦特征信息，得到第一推薦信息并發(fā)送所述第一推薦信息給所述用戶(hù)。

8.根據(jù)權(quán)利要求7所述的裝置，還包括：

所述描述信息獲取單元進(jìn)一步被配置成，響應(yīng)于所述用戶(hù)為首次訪問(wèn)用戶(hù)，獲取所述用戶(hù)輸入的當(dāng)前描述信息包括；

所述推薦特征生成單元進(jìn)一步被配置成，查詢(xún)所述當(dāng)前描述信息對(duì)應(yīng)的當(dāng)前特征信息；

推薦信息發(fā)送單元進(jìn)一步被配置成，采用所述推薦特征識(shí)別神經(jīng)網(wǎng)絡(luò)識(shí)別所述當(dāng)前特征信息，得到第二推薦信息，并發(fā)送所述第二推薦信息給所述用戶(hù)。