一种商品推荐文案生成方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115203563A(43)申请公布日2022.10.18(21)申请号202210856918.0(22)申请日2022.07.20(71)申请人京东科技信息技术有限公司地址100000北京市北京经济技术开发区科创十一街18号院2号楼6层601(72)发明人李浩然(74)专利代理机构北京集佳知识产权代理有限公司11227专利代理师杨威(51)Int.Cl.G06F16/9535(2019.01)G06F16/35(2019.01)G06F40/289(2020.01)G06N3/08(2006.01)权利要求书2页说明书11页附图1页(54)发明名称一种商品推荐文案生成方法、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文案生成方法、装置、电子设备及存储介质，该方法包括获取用户输入的多商品的字段；将所述多商品的字段作为文本生成模型的输入，基于所述文本生成模型对所述多商品的字段进行处理，输出按照顺序搭配的商品推荐文案，所述文本生成模型是利用样本数据训练得到的。在本发明实施例中，通过基于样本数据训练生成的文本生成模型，可以对多商品的字段进行预测，输出按照顺序搭配的商品推荐文案，能够实现对多商品的推荐，从而提高商品搭配购买文案，即商品推荐文案的逻辑性。CN115203563ACN115203563A权利要求书1/2页1.一种商品推荐文案生成方法，其特征在于，所述方法包括：获取用户输入的多商品的字段；将所述多商品的字段作为文本生成模型的输入，基于所述文本生成模型对所述多商品的字段进行处理，输出按照顺序搭配的商品推荐文案，所述文本生成模型是利用样本数据训练得到的。2.根据权利要求1所述的方法，其特征在于，所述利用样本数据训练得到文本生成模型的过程，包括：获取样本数据，所述样本数据包括历史时间内用户输入的及对应的历史多商品搭配文案，所述历史多商品搭配文案是人工对所述用户输入的商品历史字段进行处理得到的；利用所述商品历史字段对编码器进行训练，确定训练后的历史隐藏序列，所述历史隐藏序列包括历史每一商品对应的标识符的编码值和历史每一商品中每一字段的编码值；基于所述历史隐藏序列和所述历史多商品搭配文案的向量对解码器进行训练，确定由训练得到的所述编码器和所述解码器组成文本生成模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述历史隐藏序列和所述历史多商品搭配文案的向量对解码器进行训练，确定由训练得到的所述编码器和所述解码器组成文本生成模型，包括：所述解码器基于注意力机制对历史每一商品对应的标识符的编码值进行计算，确定历史每一商品的历史注意力概率；基于所述历史每一商品的历史注意力概率对相应商品的字段的编码值的向量进行调整，确定历史每一商品的字段的历史注意力向量；基于所述历史每一商品的字段的历史注意力向量，计算历史上下文向量；对所述历史上下文向量、所述历史多商品搭配文案的向量进行处理，确定输出向量；利用所述解码器中的分类函数对所述输出向量和所述历史上下文向量进行处理，确定所述历史多商品搭配文案的向量的解码概率；基于所述历史多商品搭配文案的向量的解码概率进行似然计算，确定损失值；在确定所述损失值符合预设范围时，确定由当前训练得到的所述编码器和所述解码器组成文本生成模型。4.根据权利要求1所述的方法，其特征在于，所述基于所述文本生成模型对所述多商品的字段进行处理，输出按照顺序搭配的商品推荐文案，包括：所述文本生成模型中的编码器对所述多商品的字段进行处理，确定对应的编码隐藏序列，所述编码隐藏序列包括每一商品中每一字段的编码值，以及每一商品对应的标识符的编码值；所述文本生成模型中的解码器对所述编码隐藏序列进行处理，生成按照顺序搭配的商品推荐文案。5.根据权利要求4所述的方法，其特征在于，所述文本生成模型中的解码器对所述编码隐藏序列进行处理，生成按照顺序搭配的商品推荐文案，包括：所述文本生成模型中的解码器对每一商品对应的标识符的编码值进行计算，确定所述每一商品的注意力概率；所述文本生成模型中的解码器基于所述每一商品的注意力概率对相应商品的字段的2CN115203563A权利要求书2/2页编码值的向量进行调整，得到每一商品的字段的目标注意力向量；所述文本生成模型中的解码器基于所述目标注意力向量，计算上下文向量；所述文本生成模型中的解码器对所述上下文向量、上一商品的目标输出值，和上一商品的商品搭配向量进行处理，确定当前商品的商品搭配向量，若上一商品的字段为第一个输入的商品的字段，所述上一商品的目标输出值和上一商品的商品搭配向量取预设值；按照多商品的字段的输入顺序将每一商品的商品搭配向量进行组合，得到对应的商品推荐文案。6.根据权利要求4所述的方法，其特征在于，所述文本生成模型中的编