[發明專利]一種基于用戶畫像的物品推薦方法和裝置

在審

• 申請號: 202011264500.8
• 申請日: 2020-11-12
• 公開（公告）號: CN113763093A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 陳伯梁
• 申請（專利權）人: 北京沃東天駿信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06K9/62;G06N20/00
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 張一軍;李陽

1.一種基于用戶畫像的物品推薦方法，其特征在于，包括：

接收用戶行為數據和用戶屬性信息，通過特征工程轉換成待處理的用戶行為數據和待處理的用戶屬性信息；

獲取當前標簽計算任務，判斷所述標簽計算任務是否屬于預測類任務，若是則調用預設的預測模型，若否則調用預設的統計規則模型；

根據所述預測模型或所述統計規則模型，基于待處理的用戶行為數據和待處理的用戶屬性信息得到用戶畫像，進而根據用戶畫像向該用戶推送物品信息。

2.根據權利要求1所述的方法，其特征在于，接收用戶行為數據，包括：

根據預設的數據數量和數據格式，獲取不同類目下的用戶行為數據。

3.根據權利要求1所述的方法，其特征在于，接收用戶行為數據和用戶屬性信息之后，包括：

調用預處理模型，對用戶行為數據和用戶屬性信息進行預處理。

4.據權利要求1所述的方法，其特征在于，根據所述預測模型，基于待處理的用戶行為數據和待處理的用戶屬性信息得到用戶畫像，包括：

基于待處理的用戶行為數據和待處理的用戶屬性信息，通過Actor網絡梯度融合的DDPG算法模型計算得到用戶畫像。

5.根據權利要求4所述的方法，其特征在于，所述Actor網絡梯度融合的DDPG算法模型，包括：

將通過預設的監督學習模型計算得到的交叉熵損失值加入到DDPG算法的Actor中，評估Actor的輸出值。

6.根據權利要求1所述的方法，其特征在于，根據所述統計規則模型，基于待處理的用戶行為數據和待處理的用戶屬性信息得到用戶畫像，包括：

獲取預設的深度強化學習模型和業務規則模型，通過待處理的用戶行為數據和待處理的用戶屬性信息分別得到相應的第一用戶畫像和第二用戶畫像；

根據目標運營效果指標，確定第一用戶畫像和第二用戶畫像的權重，以將第一用戶畫像和第二用戶畫像融合得到最終用戶畫像。

7.根據權利要求6所述的方法，其特征在于，包括：

所述的深度強化學習模型采用Actor-Critic算法。

8.一種基于用戶畫像的物品推薦裝置，其特征在于，包括：

獲取模塊，用于接收用戶行為數據和用戶屬性信息，通過特征工程轉換成待處理的用戶行為數據和待處理的用戶屬性信息；

處理模塊，用于獲取當前標簽計算任務，判斷所述標簽計算任務是否屬于預測類任務，若是則調用預設的預測模型，若否則調用預設的統計規則模型；根據所述預測模型或所述統計規則模型，基于待處理的用戶行為數據和待處理的用戶屬性信息得到用戶畫像，進而根據用戶畫像向該用戶推送物品信息。

9.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的方法。

10.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1-7中任一所述的方法。