[发明专利]一种推荐物品的方法和装置

权利要求书

1.一种推荐物品的方法，其特征在于，所述方法包括：

获取目标用户的属性数据和多个候选物品的属性数据，所述目标用户的属性数据包括目标用户的标识，每一候选物品的属性数据包括对应候选物品的标识；

将所述目标用户的属性数据和所述多个候选物品的属性数据进行处理，生成目标数据集，所述目标数据集包括所述目标用户的标识及对应的目标第一交互节点列表、所述多个候选物品中每一候选物品的标识及对应的目标第二交互节点列表，所述目标第一交互节点列表用于表示所述目标用户与其他用户或物品的交互信息，第一交互节点列表包括从用户出发N步内能够到达的节点，所述目标第二交互节点列表用于表示候选物品与其他物品或用户的交互信息，第二交互节点列表包括从物品出发N步内能够到达的节点，其中，N为一个或多个正整数；

将所述目标数据集输入打分模型，得到所述目标用户对所述多个候选物品的打分，其中，所述打分模型根据多个用户的属性数据、多个物品的属性数据以及打分数据训练得到的，所述多个用户中每一用户的属性数据包括对应的用户的标识，所述多个物品中每一物品的属性数据包括对应的物品的标识，所述打分数据包括所述多个用户中每一用户对所述多个物品中一个或多个物品的打分；

根据所述目标用户对所述多个候选物品的打分，确定目标推荐物品。

2.根据权利要求1所述的方法，其特征在于，所述目标用户的属性数据还包括以下数据中的一种或多种：性别、身高、体重、年龄、职业、收入、爱好、教育情况，每一候选物品的属性数据还包括以下数据中的一种或多种：品牌、颜色、尺寸、价格、评论、口味、保质期、图标。

3.根据权利要求1所述的方法，其特征在于，所述将所述目标用户的属性数据和所述多个候选物品的属性数据进行处理，生成目标数据集，包括：

根据所述目标用户的标识，在预先记录的多个用户中每一用户的标识对应的目标第一交互节点列表中，确定所述目标用户对应的目标第一交互节点列表，且根据每一候选物品的标识，在预先记录的多个候选物品中每一候选物品的标识对应的目标第二交互节点列表中，确定每一候选物品对应的目标第二交互节点列表；

根据所述目标用户的标识、所述目标用户对应的目标第一交互节点列表、每一候选物品的标识、以及每一候选物品对应的目标第二交互节点列表，生成目标数据集。

4.根据权利要求1所述的方法，其特征在于，所述打分模型包括特征学习模型、反馈学习模型和神经网络模型；

其中，所述将所述目标数据集输入打分模型，得到所述目标用户对所述多个候选物品的打分，包括：

将所述目标数据集中的目标用户的标识和候选物品j的标识输入所述特征学习模型，得到所述目标用户对应的特征向量和所述候选物品j对应的特征向量，且将所述目标数据集中的所述目标用户对应的目标第一交互节点列表和所述候选物品j对应的目标第二交互节点列表，输入所述反馈学习模型，得到所述目标用户对应的隐式反馈和所述候选物品j对应的隐式反馈，其中，所述物品j为所述多个候选物品中的任一候选物品；

将所述目标用户对应的特征向量、所述候选物品j对应的特征向量、所述目标用户对应的隐式反馈和所述候选物品j对应的隐式反馈，输入神经网络模型，得到所述目标用户对候选物品j的打分。