物品推荐方法、装置、终端设备及存储介质.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CN112766995A(43)申请公布日2021.05.07(21)申请号201910999087.0(22)申请日2019.10.21(71)申请人招商证券股份有限公司地址518000广东省深圳市福田区益田路江苏大厦A座38至45层(72)发明人陈建蒋怡玥卢家阳郑继翔曾凡林王超(74)专利代理机构深圳中一联合知识产权代理有限公司44414代理人叶思(51)Int.Cl.G06Q30/02(2012.01)权利要求书2页说明书9页附图4页(54)发明名称物品推荐方法、装置、终端设备及存储介质(57)摘要本申请适用于计算机技术领域，提供了物品推荐方法，包括：获取预设时间段内用户的购买行为特征；根据购买行为特征，构建每个目标时间窗对应的用户时序特征；将每个目标时间窗对应的用户时序特征输入到预设推荐模型，输出每个目标时间窗对应的初步推荐结果；将各个目标时间窗对应的初步推荐结果进行加权平均，得到物品推荐结果。通过动态追踪用户偏好随时间的变化，预设推荐模型结合线性模型的记忆能力和DNN模型的泛化能力，解决了现有物品推荐方法个性化程度低、物品推荐结果准确度不够的问题。CN112766995ACN112766995A权利要求书1/2页1.一种物品推荐方法，其特征在于，包括：获取预设时间段内用户的购买行为特征；根据所述购买行为特征，构建每个目标时间窗对应的用户时序特征，其中多个所述目标时间窗包含于所述预设时间段内；将每个所述目标时间窗对应的所述用户时序特征输入到预设推荐模型，输出每个所述目标时间窗对应的初步推荐结果；将各个所述目标时间窗对应的所述初步推荐结果进行加权平均，得到物品推荐结果。2.如权利要求1所述的物品推荐方法，其特征在于，所述根据所述购买行为特征，构建每个目标时间窗对应的用户时序特征之前，还包括：利用滑动时间窗口对所述预设时间段进行分割，得到多个所述目标时间窗。3.如权利要求2所述的物品推荐方法，其特征在于，所述利用滑动时间窗口对所述预设时间段进行分割，得到多个所述目标时间窗，包括：获取所述预设时间段与待推荐时间的时间间隔，所述待推荐时间为待向所述用户推荐物品的时间点或时间段；将所述滑动时间窗口每次以所述时间间隔向所述预设时间段的时间方向前移动，直到所述滑动时间窗口移动至所述预设时间段之前为止，得到多个所述目标时间窗。4.如权利要求1所述的物品推荐方法，其特征在于，将每个所述目标时间窗对应的所述用户时序特征输入到预设推荐模型，输出每个所述目标时间窗对应的初步推荐结果，包括：将负样本随机采样划分为若干个集合，其中所述负样本为所述用户未购买过的物品，每个所述集合对应一个所述预设推荐模型；将第一用户时序特征输入到所述每个所述集合的预设推荐模型中，输出所述第一用户时序特征对应的多个第一结果，其中所述第一用户时序特征为所述用户时序特征中的一个；对所述多个第一结果进行加权平均，得到所述第一用户时序特征对应目标时间窗的所述初步推荐结果。5.如权利要求4所述的物品推荐方法，其特征在于，每个所述预设推荐模型包括wide模型和deep模型，所述将第一用户时序特征输入到所述每个所述集合的预设推荐模型中，输出所述第一用户时序特征对应的多个第一结果，包括：将所述第一用户时序特征输入到每个所述预设推荐模型的所述wide模型，得到多个第二结果；将所述第一用户时序特征输入到每个所述预设推荐模型的所述deep模型，得到多个第三结果；对每个所述第二结果和对应的所述第三结果进行加权得到多个所述第一结果。6.如权利要求5所述的物品推荐方法，其特征在于，所述将所述第一用户时序特征输入到每个所述预设推荐模型的所述wide模型，得到多个第二结果，包括：对所述第一用户时序特征中的任意两个特征进行交叉，得到多个交叉特征；将所述交叉特征以及所述第一用户时序特征作为每个所述wide模型的输入，输出多个所述第二结果。7.如权利要求5所述的物品推荐方法，其特征在于，所述将所述第一用户时序特征输入2CN112766995A权利要求书2/2页到每个所述预设推荐模型的所述deep模型，得到多个第三结果，包括：对所述第一用户时序特征进行独热编码，得到稀疏特征；通过嵌入层对所述稀疏特征进行密集化，得到多个降维特征；将所述降维特征作为每个所述deep模型的输入，输出多个所述第三结果。8.一种物品推荐装置，其特征在于，包括：获取模块，用于获取预设时间段内用户的购买行为特征；构建模块，用于根据所述购买行为特征，构建每个目标时间窗对应的用户时序特征，其中多个所述目标时间窗包含于所述预设时间段内；输出模块，用于将每个所述目标时间窗对应的所述用户时序特征输入到预设推荐模型，输出每个所述目标时间窗对应的初步推荐结果；加权模块，用于将各