预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共28页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115082141A(43)申请公布日2022.09.20(21)申请号202111629365.7G06N3/08(2006.01)(22)申请日2021.12.28(71)申请人达疆网络科技(上海)有限公司地址200082上海市杨浦区杨树浦路1088号2205单元申请人上海京东到家元信信息技术有限公司(72)发明人巩学超王磊(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201专利代理师杜月(51)Int.Cl.G06Q30/06(2012.01)G06Q10/06(2012.01)G06N3/04(2006.01)权利要求书4页说明书16页附图7页(54)发明名称推荐方法、装置、电子设备和存储介质(57)摘要本公开提出一种推荐方法、装置、电子设备和存储介质,其中,方法包括:根据候选推荐对象的特征信息和用户特征信息,确定输入特征信息;采用第一时间循环神经网络的编码层对输入信息进行编码,以得到至少一个第一时间编码特征信息;根据第一时间编码特征信息,确定第一时间推荐特征信息;根据输入特征信息以及第一时间编码特征信息,确定第二时间推荐特征信息;根据第一时间推荐特征信息以及第二时间推荐特征信息,确定候选推荐对象的推荐概率;根据推荐概率,从候选对象中确定目标推荐对象并进行推荐。由此,根据第一时间推荐特征信息以及第二时间推荐特征信息,可准确地对电商进行推荐。CN115082141ACN115082141A权利要求书1/4页1.一种推荐方法,其特征在于,包括:获取候选推荐对象和用户特征信息;根据所述候选推荐对象的特征信息和所述用户特征信息,确定输入特征信息;采用第一时间循环神经网络的编码层对所述输入特征信息进行编码,以得到至少一个第一时间编码特征信息;根据所述第一时间编码特征信息,确定第一时间推荐特征信息;根据所述输入特征信息以及所述第一时间编码特征信息,确定第二时间推荐特征信息;根据所述第一时间推荐特征信息以及所述第二时间推荐特征信息,确定所述候选推荐对象的推荐概率;根据所述推荐概率,从所述候选推荐对象中确定目标推荐对象并进行推荐。2.根据权利要求1所述的方法,其特征在于,所述根据所述输入特征信息以及所述第一时间编码特征信息,确定第二时间推荐特征信息,包括:采用转换网络对所述输入特征信息进行编码转换,以得到所述输入特征信息对应的编码转换特征信息;根据所述编码转换特征信息以及所述第一时间编码特征信息,确定与所述第一时间编码特征信息对应的中间编码特征信息;根据第二时间循环神经网络中的各全连接层的维度信息与所述中间编码特征信息,确定与各所述全连接层的维度信息对应的存储编码特征信息;根据所述存储编码特征信息,生成第二时间推荐特征信息。3.根据权利要求2所述的方法,其特征在于,所述根据所述编码转换特征信息以及所述第一时间编码特征信息,确定与所述第一时间编码特征信息对应的中间编码特征信息,包括:根据所述编码转换特征信息以及所述第一时间编码特征信息,确定所述第一时间编码特征信息对应的权重;根据所述第一时间编码特征信息以及所述第一时间编码特征信息对应的权重,确定与所述第一时间编码特征信息对应的中间编码特征信息。4.根据权利要求1所述的方法,其特征在于,所述根据所述第一时间推荐特征信息以及所述第二时间推荐特征信息,确定所述候选推荐对象的推荐概率,包括:根据所述第一时间推荐特征信息和所述第二时间推荐特征信息,确定共享推荐特征信息;采用第一神经网络对所述第一时间推荐特征信息进行特征提取,以得到第一时间特征序列;采用第二神经网络对所述第二时间推荐特征信息进行特征提取,以得到第二时间特征序列;采用第三神经网络对所述共享推荐特征信息进行特征提取,以得到共享特征序列;根据所述第一时间特征序列、第二时间特征序列和所述共享推共享特征序列,确定与用户历史行为特征信息中各历史行为匹配的候选对象的推荐概率。5.根据权利要求4所述的方法,其特征在于,所述根据所述第一时间特征序列、第二时2CN115082141A权利要求书2/4页间特征序列和所述共享特征序列,确定与用户历史行为特征信息中各历史行为匹配的候选对象的推荐概率,包括:确定用户历史行为特征信息中各历史行为对应的权重;根据所述第一时间特征序列、所述第二时间特征序列和/或所述共享特征序列,确定与各所述历史行为匹配的第一特征序列;根据各所述历史行为匹配的第一特征序列与对应的历史行为的权重,确定各所述历史行为匹配的第二特征序列;将第二特征序列输入至多层神经网络,以得到各历史行为对应的推荐概率值;根据设定权重,对各所述历史行为对应的推荐概率值进行加权求和,以确定与各所述历史行为匹配的候选对象的推荐概率。6.根据权利要求1所述的方法,其特征在于,所述用