[发明专利]物品推荐方法、装置和计算机可读存储介质

说明书

本公开涉及一种物品推荐方法、装置和计算机可读存储介质，涉及大数据处理技术领域。该方法包括：据各用户的历史购物记录，计算相应的句子向量作为各用户的购物特征向量；根据各用户的社交属性，生成各用户的社交特征向量；以各社交特征向量为输入，以各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向量变换模型，得到目标用户的购物特征向量；根据目标用户的购物特征向量确定推荐物品。本公开的技术方案能够增强物品推荐的扩展性、扩大适用范围，并提高物品推荐的准确率、降低成本。

技术领域

本公开涉及大数据处理技术领域，特别涉及一种物品推荐方法、物品推荐装置和计算机可读存储介质。

背景技术

近年来，电子商务与社交网络的界限越来越模糊。许多电子商务网站都支持使用社交网站的账户登录。也就是说，用户可以使用他们的社交网络身份在电子商务网站上进行登录，也可以在社交网站上分享购买的物品信息和电子商务物品网页的链接。利用这种联系可以向在电子商务网站购物的社交网络用户推荐物品。

相关技术根据用户在社交网站上的行为及其在电子商务网站上的行为，通过人工生成用户特征，从而进行物品推荐。

发明内容

本公开的发明人发现上述相关技术中存在如下问题：只能针对曾经在电子商务网站上购买过物品的用户进行物品推荐，导致相关技术的适用范围小、扩展性差；靠人工生成的用户特征受主观因素影响大，导致物品推荐不准确、人工成本高。针对上述问题中的至少一个问题，本公开提出了一种适用范围广、扩展性强的物品推荐技术方案。

根据本公开的一些实施例，提供了一种物品推荐方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

根据本公开的另一些实施例，提供一种物品推荐装置，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。