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19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CN114996588A(43)申请公布日2022.09.02(21)申请号202210914107.1(22)申请日2022.08.01(71)申请人平安科技(深圳)有限公司地址518000广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼(72)发明人王露杰(74)专利代理机构深圳市沃德知识产权代理事务所(普通合伙)44347专利代理师高杰于志光(51)Int.Cl.G06F16/9535(2019.01)G06K9/62(2022.01)权利要求书3页说明书11页附图4页(54)发明名称基于双塔模型的产品推荐方法、装置、设备及存储介质(57)摘要本发明涉及数据分析领域,揭露一种基于双塔模型的产品推荐方法、装置、电子设备及可读存储介质,所述方法包括:获取用户多维特征、符合预设目标数量的待推荐产品及待推荐产品多维特征;利用预设双塔模型中的编码器分别对所述用户多维特征及所述待推荐产品多维特征进行编码,得到用户编码向量及产品编码向量;利用所述预设双塔模型中注意力机制层的归一化指数函数对所述用户编码向量及所述产品编码向量进行计算,得到理想产品向量;计算所述产品编码向量与所述理想产品向量的相似度,并将相似度最高的待推荐产品作为目标产品。本发明可以提高产品推荐的精准度。CN114996588ACN114996588A权利要求书1/3页1.一种基于双塔模型的产品推荐方法,其特征在于,所述方法包括:获取用户多维特征、初始待推荐产品多维特征及初始待推荐产品数量,根据所述用户多维特征及预设规则确定待推荐产品的目标数量;根据所述目标数量及所述初始待推荐产品数量,对所述初始待推荐产品进行补全截断处理,得到符合所述目标数量的待推荐产品,提取所述待推荐产品的多维特征,得到待推荐产品多维特征;利用预设双塔模型中的编码器分别对所述用户多维特征及所述待推荐产品多维特征进行编码,得到用户编码向量及产品编码向量;利用所述预设双塔模型中注意力机制层的归一化指数函数对所述用户编码向量及所述产品编码向量进行计算,得到理想产品向量;计算所述产品编码向量与所述理想产品向量的相似度,并将相似度最高的待推荐产品作为目标产品。2.如权利要求1所述的基于双塔模型的产品推荐方法,其特征在于,所述获取用户多维特征、初始待推荐产品多维特征及初始待推荐产品数量,包括:获取用户信息及预设产品库中的产品信息;提取所述用户信息及所述产品信息的多维度特征信息,得到用户多维特征及产品多维特征;根据所述用户多维特征中的用户历史行为序列,在所述预设产品库中查找与所述用户多维特征相匹配的召回产品;根据所述用户多维特征及所述召回产品的产品多维特征,利用预设的粗排算法,对所述召回产品进行粗排,得到初始待推荐产品;提取所述产品多维特征中所述初始待推荐产品对应的产品多维特征,得到初始待推荐产品多维特征;计算所述初始待推荐产品的数量,得到初始待推荐产品数量。3.如权利要求1所述的基于双塔模型的产品推荐方法,其特征在于,所述根据所述目标数量及所述待推荐产品数量,对所述待推荐产品进行补全截断处理,得到符合所述目标数量的待推荐产品,包括:比较所述初始待推荐产品数量与所述目标数量多少;当所述初始待推荐产品数量少于所述目标数量时,从所述预设产品库中查找与所述用户多维特征不匹配的产品,得到负样本产品,并将所述负样本产品添加至所述初始待推荐产品中,得到符合所述目标数量的待推荐产品;当所述待推荐产品数量多于所述目标数量时,根据所述目标数量,利用预设的精排算法对所述待推荐产品进行精排处理,得到符合所述目标数量的待推荐产品。4.如权利要求1所述的基于双塔模型的产品推荐方法,其特征在于,所述利用预设双塔模型中的编码器分别对所述用户多维特征及所述待推荐产品多维特征进行编码,得到用户编码向量及产品编码向量,包括:利用所述预设双塔模型中User塔的编码器对所述用户多维特征中的用户特征向量进行位置索引编码,得到用户位置编码向量;利用所述预设双塔模型中item塔的编码器对所述待推荐产品多维特征中的产品特征2CN114996588A权利要求书2/3页向量进行位置索引编码,得到产品位置编码向量;将所述用户位置编码向量与所述用户多维特征进行组合,得到用户编码向量;将所述产品位置编码向量与所述待推荐产品多维特征进行组合,得到产品编码向量。5.如权利要求1所述的基于双塔模型的产品推荐方法,其特征在于,所述利用所述预设双塔模型中注意力机制层的归一化指数函数对所述用户编码向量及所述产品编码向量进行计算,得到理想产品向量,包括:根据所述注意力机制层中的第一预设参数矩阵对所述用户编码向量做线性变换,得到查询向量;根据所述注意力机制层中的第二预设参数矩阵及第三预设参数矩阵对所述产品编码