[發明專利]一種物品推薦方法和裝置

在審

• 申請號: 202210038868.5
• 申請日: 2022-01-13
• 公開（公告）號: CN116484086A
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 王永杰;張樂中
• 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: G06F16/9535
• 分類號: G06F16/9535;G06F16/2457;G06F16/2458
• 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;王安娜

本發明公開了一種物品推薦方法和裝置，涉及深度學習技術領域。該方法的一具體實施方式包括：根據各個歷史用戶的行為序列生成所述各個歷史用戶的物品序列和時間序列，從而根據所述各個歷史用戶的物品序列和時間序列構建有向圖；基于所述有向圖中的邊權重對所述有向圖中的邊進行裁剪，得到優化有向圖；基于所述優化有向圖生成各個節點的向量，計算所述各個節點對應的物品之間的相似度，從而篩選出所述各個物品的相似物品；根據所述各個物品的相似物品向目標用戶推送物品推薦列表。該實施方式能夠解決推薦結果的準確性不夠高的技術問題。

技術領域

本發明涉及深度學習技術領域，尤其涉及一種物品推薦方法和裝置。

背景技術

現有系統一般根據類目匹配、產品詞匹配等方式向用戶推薦相似物品，但由于同一個類目/產品詞下物品眾多，如果不區分物品之間的相似關系無法將最相似的物品推薦給用戶。

在實現本發明過程中，發明人發現現有技術中至少存在如下問題：

傳統召回算法有其簡單、可解釋性強的優點，但是也有自身的局限性。協同過濾和矩陣分解都沒有加入用戶、物品和上下文相關的特征，也沒有考慮用戶行為之間的相關性。目前的embedding算法(如word2vec，item2vec等序列模型)捕捉的是用戶行為序列之間的相關性，忽略了圖網絡結構中節點之間的關系，也未考慮點擊的時間間隔對邊權重影響，同時忽略了非相鄰點擊的關系，導致推薦結果的準確性不夠高。

發明內容

有鑒于此，本發明實施例提供一種物品推薦方法和裝置，以解決推薦結果的準確性不夠高的技術問題。

為實現上述目的，根據本發明實施例的一個方面，提供了一種物品推薦方法，包括：

根據各個歷史用戶的行為序列生成所述各個歷史用戶的物品序列和時間序列，從而根據所述各個歷史用戶的物品序列和時間序列構建有向圖；其中，所述行為序列中的元素表示用戶行為指向的物品，所述時間序列中的元素表示物品的用戶行為發生時間，所述有向圖中的節點表示所述物品序列中的物品，邊方向表示兩個鄰接節點對應的物品在所述物品序列中的先后順序，邊權重表示兩個鄰接節點對應的物品的用戶行為發生時間間隔；

基于所述有向圖中的邊權重對所述有向圖中的邊進行裁剪，得到優化有向圖；

基于所述優化有向圖生成各個節點的向量，計算所述各個節點對應的物品之間的相似度，從而篩選出所述各個物品的相似物品；

根據所述各個物品的相似物品向目標用戶推送物品推薦列表。

可選地，根據所述各個歷史用戶的物品序列和時間序列構建有向圖，包括：

對于每個歷史用戶，根據所述歷史用戶的物品序列和時間序列確定各個邊的鄰接節點以及計算所述各個邊的權重；

將相同的邊的權重累加；

根據所述各個邊的鄰接節點和所述各個邊的權重構建有向圖。

可選地，根據所述歷史用戶的物品序列和時間序列確定各個邊的鄰接節點以及計算所述各個邊的權重，包括：

根據所述歷史用戶的物品序列確定各個邊的鄰接節點；

根據所述歷史用戶的時間序列并采用時間衰減方式，計算所述各個邊的權重；

其中，所述兩個鄰接節點對應的物品在所述時間序列中的用戶行為時間間隔越小，所述邊權重越大，所述兩個鄰接節點對應的物品在所述時間序列中的用戶行為時間間隔越大，所述邊權重越小。

可選地，根據所述歷史用戶的時間序列并采用時間衰減方式，計算所述各個邊的權重，包括：

采用以下公式計算所述各個邊的權重：