[發明專利]一種基于組合特征的信息推薦方法、系統、設備及介質

在審

• 申請號: 202211577179.8
• 申請日: 2022-12-09
• 公開（公告）號: CN115795163A
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 孫明珠
• 申請（專利權）人: 蘇州摩多多信息科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06Q50/00
• 代理公司: 蘇州思睿晶華知識產權代理事務所(普通合伙) 32403
• 代理人: 吳碧駿

1.一種基于組合特征的信息推薦方法，其特征在于，包括以下步驟：

數據向量化：

獲取用戶行為數據，基于所述用戶行為數據構建向量集；

分類多層召回：

基于所述用戶行為數據和所述向量集執行分類召回操作，得到召回物品集；

組合特征權重計算：

設置組合特征權重分配算法，基于所述召回物品集調用所述組合特征權重分配算法，得到組合權重；

信息精排推薦：

基于所述召回物品集和所述組合權重執行物品信息精排推薦操作。

2.根據權利要求1所述的一種基于組合特征的信息推薦方法，其特征在于：

所述基于所述用戶行為數據構建物品向量集，包括：

識別所述用戶行為數據中的用戶點擊序列以及用戶點擊物品；

根據所述用戶點擊序列以及所述用戶點擊物品之間的關聯性，構建物品圖；

采用第一采樣策略在所述物品圖上進行物品采樣，得到結果物品；

設置第一詞向量模型，將所述結果物品輸入至所述第一詞向量模型進行訓練，得到與所述結果物品對應的物品向量；

基于所述物品向量組成所述向量集。

3.根據權利要求2所述的一種基于組合特征的信息推薦方法，其特征在于：

所述分類召回操作，包括：

在所述用戶行為數據中獲取用戶興趣物品和與所述用戶興趣物品相對應的物品興趣比重信息，基于所述向量集、所述用戶興趣物品和所述物品興趣比重信息執行相似度召回步驟，得到第一召回物品；

在所述用戶行為數據中獲取用戶瀏覽數據，基于所述用戶瀏覽數據執行熱門召回步驟，得到第二召回物品；

在所述用戶行為數據中獲取用戶點擊數據，基于所述用戶點擊數據執行偏好召回步驟，得到第三召回物品；

設定所述第一召回物品、所述第二召回物品和所述第三召回物品均為待召回物品；

基于所述待召回物品組成所述召回物品集。

4.根據權利要求3所述的一種基于組合特征的信息推薦方法，其特征在于：

所述相似度召回步驟，包括：

基于所述物品興趣比重信息對所述用戶興趣物品進行排序；

在排序后的所述用戶興趣物品中選取第一興趣物品；

在所述向量集中篩選與所述第一興趣物品相對應的第一物品向量；

在所述向量集中確認與所述第一物品向量的第二相似向量；

確認所述第二相似向量對應的第二結果物品；

基于所述第一興趣物品的物品興趣比重信息以及所述第二相似向量與所述第一物品向量間的相似度，對所述第一興趣物品和所述第二結果物品進行加權篩選，得到所述第一召回物品；

所述熱門召回步驟，包括：

基于所述用戶瀏覽數據計算用戶點擊通過率、用戶完讀率和用戶互動率；

設定與所述用戶點擊通過率、所述用戶完讀率和所述用戶互動率分別對應的若干熱門分權重分配值；

基于所述用戶點擊通過率、所述用戶完讀率、所述用戶互動率和若干所述熱門分權重分配值計算物品熱門分值；

在所述用戶瀏覽數據中，按照所述物品熱門分值進行物品召回，得到所述第二召回物品；

所述偏好召回步驟，包括：

基于所述用戶點擊數據計算物品分類偏好得分和物品價格偏好得分；

基于所述物品分類偏好得分和所述物品價格偏好得分在所述用戶點擊數據中召回組合物品；

基于所述熱門召回步驟計算所述組合物品所對應的組合物品熱門分值；

基于所述組合物品熱門分值對所述組合物品進行篩選，得到所述第三召回物品。

5.根據權利要求4所述的一種基于組合特征的信息推薦方法，其特征在于：

所述組合特征權重分配算法，包括：

基于所述用戶行為數據獲取所述召回物品集中的所述待召回物品的物品特征、用戶特征和上下文特征；

基于所述物品特征、所述用戶特征和所述上下文特征設置關于所述待召回物品的交叉特征；

對所述物品特征、所述用戶特征、所述上下文特征和所述交叉特征分別進行特征分類化處理，得到若干待輸入特征；

配置雙層特征組合模型，基于所述雙層特征組合模型和若干所述待輸入特征進行特征組合權重計算步驟，得到關于所述待召回物品的組合權重。