[发明专利]确定用户对物品的兴趣度的方法与装置、设备和存储介质

权利要求书

1.一种确定用户对物品的兴趣度的方法，其特征在于，包括：

根据目标用户的行为的分类，获取所述目标用户的每个分类行为的分类行为信息表示；

获取记录多个物品实体之间的行为或联系的信息，根据所述信息确定所述信息的关系数据；

根据所述关系数据，将所述多个物品实体中的一个物品实体作为源物品实体，从所述源物品实体出发沿着所述多个物品实体两两之间的关系随机游走预定跳数，到达目的物品实体，其中，将随机游走所经过的位于所述源物品实体与所述目的物品实体之间的物品实体作为中间物品实体，所述跳数指的是根据所述多个物品实体两两之间的关系，从所述多个物品实体中的一个物品实体到与当前物品实体具有直接或间接关系的另一物品实体所经过的关系的条数；

将所述源物品实体、所述中间物品实体和所述目的物品实体的实体表示按照所随机游走的顺序形成物品实体表示序列；

将预定个数的所述物品实体表示序列输入词向量转换模型，以得到每个目标物品实体的向量表示，并将所述向量表示作为候选物品的信息表示；

根据所述目标用户的分类行为的分类行为信息表示和所述候选物品的信息表示，确定所述目标用户对所述候选物品的兴趣度。

2.根据权利要求1所述的方法，其特征在于，所述分类行为信息表示为分类行为向量序列，所述根据目标用户的行为的分类，获取所述目标用户的每个分类行为的分类行为信息表示包括：

确定作为所述目标用户的每个分类行为的行为对象的一个或多个物品；

分别获取与每个分类行为相对应的所述一个或多个物品中每个物品的向量表示；

对于每个分类行为，将相对应的所述一个或多个物品的向量表示按照该分类行为发生的时间顺序形成向量序列，作为该分类行为的分类行为向量序列。

3.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户的分类行为的分类行为信息表示和所述候选物品的信息表示，确定所述目标用户对所述候选物品的兴趣度包括：

根据所述目标用户的分类行为的分类行为信息表示和所述候选物品的信息表示，确定所述目标用户对所述候选物品进行每个分类行为的相应概率；

根据所述目标用户对所述候选物品进行每个分类行为的相应概率，确定所述目标用户对所述候选物品的兴趣度。

4.根据权利要求3所述的方法，其特征在于，所述根据所述目标用户对所述候选物品进行每个分类行为的相应概率，确定所述目标用户对所述候选物品的兴趣度包括：

对所述目标用户对所述候选物品进行每个分类行为的相应概率求加权和，并将得到的结果作为所述目标用户对所述候选物品的兴趣度。

5.根据权利要求3所述的方法，其特征在于，所述根据所述目标用户对所述候选物品进行每个分类行为的相应概率，确定所述目标用户对所述候选物品的兴趣度包括：

对所述目标用户对所述候选物品进行每个分类行为的相应概率求加权和，以得到初始兴趣度；

根据所述候选物品的历史数据，确定所述候选物品的兴趣度修正值；

对所述初始兴趣度和所述兴趣度修正值求加权和，并将得到的结果作为所述目标用户对所述候选物品的兴趣度。

6.根据权利要求3所述的方法，其特征在于，所述根据所述目标用户的分类行为的分类行为信息表示和所述候选物品的信息表示，确定所述目标用户对所述候选物品进行每个分类行为的相应概率包括：

根据所述目标用户的分类行为的分类行为信息表示，得到所述目标用户的信息表示；

根据所述目标用户的信息表示和所述候选物品的信息表示，确定所述目标用户对所述候选物品进行每个分类行为的相应概率。

7.根据权利要求3所述的方法，其特征在于，所述分类行为信息表示为分类行为向量序列，所述候选物品的信息表示为所述候选物品的向量表示，所述根据所述目标用户的分类行为的分类行为信息表示和所述候选物品的信息表示，确定所述目标用户对所述候选物品进行每个分类行为的相应概率包括：

将所述目标用户的分类行为的分类行为向量序列和所述候选物品的向量表示作为分类行为概率预测模型的输入，通过所述分类行为概率预测模型得到所述相应概率。