[发明专利]物品推荐方法、装置、设备以及存储介质

权利要求书

1.一种物品推荐方法，其特征在于，包括：

获取第一物品集；

根据用户的第一历史操作信息，从所述第一物品集中选取适于向所述用户推荐的物品，以得到第二物品集；

将所述第二物品集中的物品推荐给所述用户。

2.根据权利要求1所述的物品推荐方法，其特征在于，所述获取第一物品集的步骤包括：

从一个或多个数据源获取热门物品，以得到所述第一物品集。

3.根据权利要求1所述的物品推荐方法，其特征在于，所述从第一物品集中选取适于向所述用户推荐的物品的步骤包括：

基于协同过滤的方式，从所述第一物品集中选取适于向所述用户推荐的物品。

4.根据权利要求1所述的物品推荐方法，其特征在于，所述从所述第一物品集中选取适于向所述用户推荐的物品的步骤包括：

根据所述第一历史操作信息，确定所述用户的偏好物品；

计算所述第一物品集中的物品与所述偏好物品之间的第一相似度；

选取第一相似度排名靠前的第一预定数量的物品，以得到所述第二物品集。

5.根据权利要求4所述的物品推荐方法，其特征在于，所述确定用户的偏好物品的步骤包括：

根据所述第一历史操作信息，确定第三物品集，所述第三物品集包括一个或多个历史操作物品；

从所述第三物品集中选取操作次数超过第一预定阈值的历史操作物品作为所述偏好物品。

6.根据权利要求4所述的物品推荐方法，其特征在于，所述确定用户的偏好物品的步骤包括：

根据所述第一历史操作信息，选取操作次数超过第二预定阈值的历史操作物品，得到第四物品集；

计算所述第四物品集中任意两个历史操作物品间的第二相似度；

将第二相似度超过第三预定阈值的历史操作物品合并为同一物品，得到第五物品集，其中，合并后的物品的操作次数为合并前各历史操作物品的操作次数之和；

从所述第五物品集中选取操作次数排名靠前的第二预定数量的历史操作物品作为所述偏好物品。

7.根据权利要求5或6所述的物品推荐方法，其特征在于，还包括：

对属于现象级物品的历史操作物品的操作次数进行降权处理。

8.根据权利要求1所述的物品推荐方法，其特征在于，所述将第二物品集中的物品推荐给所述用户的步骤包括：

确定所述第二物品集中至少部分物品的推荐度；

选取推荐度排名靠前的第三预定数量的物品，推荐给所述用户。

9.根据权利要求8所述的物品推荐方法，其特征在于，所述确定第二物品集中至少部分物品的推荐度的步骤包括：

根据所述用户的第二历史操作信息，将所述用户和所述至少部分物品分别映射到同一语义空间，以得到所述用户的第一特征向量表示和所述至少部分物品中每个所述物品的第二特征向量表示；

计算所述第一特征向量表示和所述第二特征向量表示之间的第三相似度，作为所述推荐度。

10.根据权利要求8所述的物品推荐方法，其特征在于，所述确定第二物品集中至少部分物品的推荐度的步骤包括：

利用预先训练好的排序模型，为所述至少部分物品中的每个所述物品生成排序分，作为所述推荐度。

11.根据权利要求10所述的物品推荐方法，其特征在于，还包括：

根据一个或多个用户的第三历史操作信息，构建一个或多个训练样本，每个所述训练样本包括对应于一个或多个维度的样本特征；

使用一个或多个所述训练样本训练梯度提升决策树模型，以得到所述排序模型，所述排序模型用于为所述物品生成排序分。