一种商品推荐方法、装置、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113763031A(43)申请公布日2021.12.07(21)申请号202110851930.8(22)申请日2021.07.27(71)申请人清华大学地址100084北京市海淀区双清路30号清华大学(72)发明人高宸李勇金德鹏(74)专利代理机构北京路浩知识产权代理有限公司11002代理人杨云云(51)Int.Cl.G06Q30/02(2012.01)G06F16/9536(2019.01)G06F16/9535(2019.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书7页附图2页(54)发明名称一种商品推荐方法、装置、电子设备及存储介质(57)摘要本发明提供一种商品推荐方法、装置、电子设备及存储介质，该方法包括：将用户信息和商品信息输入点击率预估模型，得到用户信息对应的商品点击率预测信息；基于所述商品点击率预测信息，生成所述用户信息对应的商品推荐信息；其中，所述点击率预估模型是基于目标样本交叉特征得到的，所述目标样本交叉特征是基于渐进式的搜索算法，根据商品用户特征搜索空间确定的。通过基于低秩近似设计的商品用户特征搜索空间，有效建模了不同阶数的交叉特征的相互关联，加速了后续的搜索过程，然后在搜索空间里得到目标样本交叉特征，从而构建点击率预估模型，通过点击率预估模型能够有效预测商品点击率预测信息，从而生成用户信息对应的商品推荐信息。CN113763031ACN113763031A权利要求书1/2页1.一种商品推荐方法，其特征在于，包括：将用户信息和商品信息输入点击率预估模型，得到用户信息对应的商品点击率预测信息；基于所述商品点击率预测信息，生成所述用户信息对应的商品推荐信息；其中，所述点击率预估模型是基于目标样本交叉特征得到的，所述目标样本交叉特征是基于渐进式的搜索算法，根据商品用户特征搜索空间确定的。2.根据权利要求1所述的商品推荐方法，其特征在于，在所述将用户信息和商品信息输入点击率预估模型之前，所述方法还包括：基于用户样本信息和商品样本信息，得到多组训练样本和多组验证样本，构建商品用户特征搜索空间；基于渐进式的搜索算法，在所述商品用户特征搜索空间进行搜索，得到目标样本交叉特征；基于所述目标样本交叉特征更新嵌入参数，得到点击率预估模型。3.根据权利要求2所述的商品推荐方法，其特征在于，所述商品用户特征搜索空间是通过用户样本信息和商品样本信息的多维张量积表示的。4.根据权利要求2所述的商品推荐方法，其特征在于，所述基于渐进式的搜索算法，在所述商品用户特征搜索空间进行搜索，得到目标样本交叉特征，包括：从所述商品用户特征搜索空间中的第一阶开始搜索，当所述第一阶搜索中所述验证样本的损失函数达到收敛条件时，进入下一阶进行搜索，直至完成所述商品用户特征搜索空间的搜索，搜索算法停止，得到构架参数与第一样本交叉特征；按照预设筛选率对所述第一样本交叉特征进行筛选，得到目标样本交叉特征。5.根据权利要求3所述的商品推荐方法，其特征在于，所述基于所述目标样本交叉特征更新嵌入参数，得到点击率预估模型，具体包括：基于所述目标样本交叉特征，对特征交互层中的所有嵌入向量进行训练，得到嵌入参数；基于所述嵌入参数，构建目标特征交互层，得到点击率预估模型。6.一种商品推荐方法装置，其特征在于，包括：预估模块，用于将用户信息和商品信息输入点击率预估模型，得到用户信息对应的商品点击率预测信息；推荐模块，用于基于所述商品点击率预测信息，生成所述用户信息对应的商品推荐信息；其中，所述点击率预估模型是基于目标样本交叉特征得到的，所述目标样本交叉特征是基于渐进式的搜索算法，根据商品用户特征搜索空间确定的。7.根据权利要求6所述的商品推荐方法装置，其特征在于，所述装置包括：构建模块；所述构建模块具体用于基于用户样本信息和商品样本信息，得到多组训练样本和多组验证样本，并构建商品用户特征搜索空间；基于渐进式的搜索算法，在所述商品用户特征搜索空间进行搜索，得到目标样本交叉特征；基于所述目标样本交叉特征更新嵌入参数，得到点击率预估模型。2CN113763031A权利要求书2/2页8.根据权利要求7所述的商品推荐方法装置，其特征在于，所述构建模块具体用于从所述商品用户特征搜索空间中的第一阶开始搜索，当所述第一阶搜索中所述验证样本的损失函数达到收敛条件时，进入下一阶进行搜索，直至完成所述商品用户特征搜索空间的搜索，搜索算法停止，得到构架参数与第一样本交叉特征；按照预设筛选率对所述第一样本交叉特征进行筛选，得到目标样本交叉特征。9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现