[发明专利]物品推荐方法、装置和计算机可读存储介质

权利要求书

1.一种物品推荐方法，包括：

根据各用户的历史购物记录，计算相应的句子向量作为所述各用户的购物特征向量；

根据所述各用户的社交属性，生成所述各用户的社交特征向量；

以各所述社交特征向量为输入，以各所述购物特征向量为输出，训练向量变换模型；

根据目标用户的社交特征向量和所述向量变换模型，得到所述目标用户的购物特征向量；

根据所述目标用户的购物特征向量确定推荐物品。

2.根据权利要求1所述的物品推荐方法，其中，所述确定推荐物品包括：

根据所述各用户的历史购物记录中的各物品ID，计算相应的词向量作为所述各物品的物品特征向量；

根据所述目标用户的购物特征向量与所述各物品的物品特征向量之间的相似度，确定所述推荐物品。

3.根据权利要求1所述的物品推荐方法，其中，所述计算相应的句子向量包括：

将所述历史购物记录中包含的物品ID和用户ID作为词标记；

将所述历史购物记录作为输入句子输入para2vec模型，所述para2vec模型的滑动上下文窗口始终包括所述用户ID，以计算出所述历史购物记录相应的句子向量。

4.根据权利要求2所述的物品推荐方法，其中，所述计算相应的词向量包括：

按照所述历史购物记录中各物品的购买顺序，将所有物品ID组合为物品序列；

将所述物品序列中与目标物品ID相邻的物品ID确定为所述目标物品ID的上下文；

将所述物品序列输入item2vec模型，以计算各物品相应的词向量。

5.根据权利要求1所述的物品推荐方法，其中，

所述社交属性包括人口统计特征、用户发表文本的语言特征和用户发表文本的时间分布中的至少一项。

6.根据权利要求1所述的物品推荐方法，其中，所述训练向量变换模型包括：

构建多个映射函数，各所述映射函数分别能够将用户的社交特征向量映射为所述用户的购物特征向量中的各元素；

训练所述多个映射函数作为所述向量变换模型。

7.根据权利要求2所述的物品推荐方法，其中，

所述相似度为通过计算所述目标用户的购物特征向量与所述各物品的物品特征向量之间的夹角的余弦值确定。

8.一种物品推荐装置，包括：

购物特征向量获取模块，用于根据各用户的历史购物记录，计算相应的句子向量作为所述各用户的购物特征向量；

社交特征向量获取模块，用于根据所述各用户的社交属性，生成所述各用户的社交特征向量；

模型训练模块，用于以各所述社交特征向量为输入，以各所述购物特征向量为输出，训练向量变换模型；

特征向量转换模块，用于根据目标用户的社交特征向量和所述向量变换模型，得到所述目标用户的购物特征向量；

推荐物品确定模块，用于根据所述目标用户的购物特征向量确定推荐物品。

9.根据权利要求8所述的物品推荐装置，其中，

所述推荐物品确定模块根据所述各用户的历史购物记录中的各物品ID，计算相应的词向量作为所述各物品的物品特征向量，根据所述目标用户的购物特征向量与所述各物品的物品特征向量之间的相似度，确定所述推荐物品。

10.根据权利要求8所述的物品推荐装置，其中，

所述购物特征向量获取模块将所述历史购物记录中包含的物品ID和用户ID作为词标记，将所述历史购物记录作为输入句子输入para2vec模型，所述para2vec模型的滑动上下文窗口始终包括所述用户ID，以计算出所述历史购物记录相应的句子向量。