产品推荐方法、装置、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CN112200623A(43)申请公布日2021.01.08(21)申请号202011036837.3(22)申请日2020.09.27(71)申请人深圳市其乐游戏科技有限公司地址518000广东省深圳市前海深港合作区临海大道59号海运中心主塔楼13楼-13112(72)发明人张攀陈伦广林培圻陈伟健魏新宇(74)专利代理机构深圳市恒程创新知识产权代理有限公司44542代理人张小容(51)Int.Cl.G06Q30/06(2012.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书2页说明书13页附图4页(54)发明名称产品推荐方法、装置、设备及存储介质(57)摘要本发明公开了一种产品推荐方法，所述产品推荐方法包括：获得用户的用户信息和待选产品数据，待选产品数据包括多个待选产品以及每个待选产品的历史信息，然后对用户信息和待选产品数据进行预处理，以获得预处理数据，并将预处理数据输入训练得到的推荐模型，以获得每个待选产品的推荐评分，其中，推荐模型包括循环神经单元，循环神经单元用于根据预处理数据获得偏好特征，最后根据每个待选产品的推荐评分，输出推荐结果。本发明公开了一种产品推荐装置、设备及存储介质，能够使输出的推荐结果与用户的喜好更加匹配，从而提高推荐效果。CN112200623ACN112200623A权利要求书1/2页1.一种产品推荐方法，其特征在于，所述产品推荐方法包括以下步骤：获得用户的用户信息和待选产品数据，所述待选产品数据包括多个待选产品以及每个待选产品的历史信息；对所述用户信息和所述待选产品数据进行预处理，以获得预处理数据；将所述预处理数据输入训练得到的推荐模型，以获得每个所述待选产品的推荐评分，其中，所述推荐模型包括循环神经单元，所述循环神经单元用于根据所述预处理数据获得偏好特征；根据每个所述待选产品的推荐评分，输出推荐结果。2.如权利要求1所述的产品推荐方法，其特征在于，在所述将所述预处理数据输入训练得到的推荐模型，以获得每个所述待选产品的推荐评分的步骤之前，所述产品推荐方法还包括：获取用户样本、待选产品样本集和历史订单样本集；对所述用户样本、所述待选产品样本集和历史订单样本集进行预处理，以获得预处理数据样本；将所述预处理数据样本输入原始推荐模型，对所述原始推荐模型进行训练，以获得训练好的推荐模型，其中，所述原始推荐模型包括循环神经单元，所述循环神经单元用于根据所述预处理数据样本获得偏好特征。3.如权利要求1所述的产品推荐方法，其特征在于，所述对所述用户信息和所述待选产品数据进行预处理，以获得预处理数据的步骤，包括：根据所述用户信息和所述待选产品数据，获得用户信息特征和每个待选产品的特征矩阵，每个待选产品的特征矩阵包括每个待选产品的评论特征和每个待选产品的信息特征；根据每个待选产品的评论特征，获得每个待选产品的每条评论的第一评论矩阵；对所述每条评论的第一评论矩阵进行过滤，获得每条评论的第二评论矩阵；基于所述用户信息特征、每个待选产品的信息特征、每个待选产品的特征矩阵和每条评论的第二评论矩阵，获得所述预处理数据。4.如权利要求3所述的产品推荐方法，其特征在于，根据所述用户信息和所述待选产品数据，获得每个待选产品的特征矩阵的步骤，包括：对所述用户信息进行特征提取，获得用户信息特征；对所述待选产品数据进行特征提取，获得每个待选产品的信息特征、每个待选产品的历史评分特征和每个待选产品的评论特征；根据所述每个待选产品的信息特征、每个待选产品的历史评分特征和每个待选产品的评论特征，获得每个待选产品的特征矩阵。5.如权利要求3所述的产品推荐方法，其特征在于，所述推荐模型还包括注意力网络和因子分解机网络；所述预处理数据还包括用户特征向量和每个待选产品的信息特征向量；所述将所述预处理数据输入训练得到的推荐模型，以获得匹配所述用户的每个待选产品的推荐评分的步骤，包括：通过所述循环神经单元对所述每个待选产品的特征矩阵进行评分，获得所述用户的偏好信息；通过所述注意力网络对所述用户特征信息、所述用户的偏好信息以及所述每条评论的2CN112200623A权利要求书2/2页第二评论矩阵进行合并，获得每条评论的偏好评分；通过所述因子分解机网络对所述偏好信息、所述每条评论的偏好评分、所述用户特征向量和所述每个待选产品的信息特征向量进行处理，获得每个待选产品的推荐评分。6.如权利要求5所述的产品推荐方法，其特征在于，所述推荐结果包括推荐评分最高的K个所述待选产品，所述K为大于或等于1的正整数；所述根据每个所述待选产品的推荐评分，输出推荐结果的步骤之后，所述方法还包括：将所述K个待选产品的偏好评分最高的M条评论确定为推荐解释，所述M为大于或等于1