一种基于人工智能的商品推荐的方法.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CN113781160A(43)申请公布日2021.12.10(21)申请号202110977160.1(22)申请日2021.08.24(71)申请人张阳地址518129广东省深圳市龙岗区坂田上品雅园(72)发明人张阳(74)专利代理机构深圳市六加知识产权代理有限公司44372代理人刘慧(51)Int.Cl.G06Q30/06(2012.01)权利要求书2页说明书7页附图2页(54)发明名称一种基于人工智能的商品推荐的方法(57)摘要本申请公开了一种基于人工智能的商品推荐的方法，包括：智能客服系统获取用户对话文本信息，并整理成长文本；基于GPT2模型将所述长文本进行摘要提取；基于所述提取出的摘要信息，对所述用户进行用户画像预测；基于所述用户画像及所述用户购买商品的历史行为，通过环形图注意力网络模型将所述用户与拟推荐商品进行匹配，获取所述拟推荐商品匹配得分PMS；若所述PMS超过预设阈值，则向所述用户推荐所述拟推荐商品。CN113781160ACN113781160A权利要求书1/2页1.一种基于人工智能的商品推荐的方法，其特征在于，包括：智能客服系统获取用户对话文本信息，并整理成长文本；基于GPT2模型将所述长文本进行摘要提取；基于所述提取出的摘要信息，对所述用户进行用户画像预测；基于所述用户画像及所述用户购买商品的历史行为，通过环形图注意力网络模型将所述用户与拟推荐商品进行匹配，获取所述拟推荐商品匹配得分PMS；若所述PMS超过预设阈值，则向所述用户推荐所述拟推荐商品。2.根据权利要求1所述的方法，其特征在于，所述基于GPT2模型将所述长文本进行摘要提取，包括：设置GPT2模型，所述GPT2模型为多层单向传输的解码语言模型；对所述长文本进行摘要抽取，抽取出第一摘要信息；将所述第一摘要信息和所述长文本进行处理，形成词嵌入和单词token位置信息；将所述词嵌入和单词token位置信息作为所述GPT2模型的输入层进行输入，获取输出单向transformer输出向量；将所述单向transformer输出向量通过softmax分类器进行分类，输出词的概率分布；基于所述词的概率分布，生成第二摘要信息。3.根据权利要求2所述的方法，其特征在于，所述将所述词嵌入和单词token位置信息作为所述GPT2模型的输入层进行输入，获取输出单向transformer输出向量，包括：设置所述GPT2模型包括n层解码器tranformer，n为正整数；所述第一层tranformer定义为h0：h0＝UWe+WP其中U＝{u‑k,...,u‑1}是上下文的文本词汇，k是文本上下文窗口的大小，We是词嵌入矩阵，WP是位置嵌入矩阵；第i层tranformer定义为hi：hi＝transformer(hi‑1)，0<＝i<＝n；则第n层transformer输出的向量为最终的所述输出单向transformer输出向量。4.根据权利要求2所述的方法，其特征在于，所述对所述长文本进行摘要抽取，抽取出第一摘要信息，包括：加载BERT模型；调用BERT编码接口，将所述长文本中的文本信息转换为词向量，形成词向量集合；对所述词向量集合进行k‑means聚类，从聚类结果中，选取最接近簇心的词向量作为所述第一摘要信息。5.根据权利要求4所述的方法，其特征在于，所述对所述词向量进行k‑means聚类，包括：随机选取k个聚类中心作为簇心；计算所述词向量集合中所有点到所述k个簇心的欧式距离；根据上述欧式距离，形成以所述k个簇心为中心的k个簇群；在所述k个簇群中重新计算簇心，并根据重新计算出的簇心，更新所述簇群，直到完成迭代。2CN113781160A权利要求书2/2页6.根据权利要求1所述的方法，其特征在于，在所述通过环形图注意力网络模型将所述用户与拟推荐商品进行匹配之前，所述方法还包括：训练矩阵分类模型，并将所述用户画像和用户购买商品的历史行为输入至所述矩阵分类模型中，以获取所述用户的兴趣点向量和支付能力向量，其中，所述训练矩阵分类模型，包括：基于所述用户画像，形成用户兴趣点矩阵POI；基于所述用户购买商品的历史行为，形成用户支付能力矩阵PA；计算所述用户x对拟推荐商品y的预测值Fx,y：TFx,y＝POIx*PAy；使用最小化目标函数来学习POI和PA，选择随机梯度下降作为优化器，达到收敛条件，获取训练好的矩阵分解模型。7.根据权利要求6所述的方法，其特征在于，所述通过环形图注意力网络模型将所述用户与拟推荐商品进行匹配，包括：基于所述用户的兴趣点向量和支付能力向量，形成用户序列数据集；将所述用户序列数据集中分为多个预设长度的短序列，并将每一个所述短序列构建成一个环形图；将所述短序列中的每个行为设置有一个对