[发明专利]物品推荐方法、装置、终端设备及存储介质

权利要求书

1.一种物品推荐方法，其特征在于，包括：

获取预设时间段内用户的购买行为特征；

根据所述购买行为特征，构建每个目标时间窗对应的用户时序特征，其中多个所述目标时间窗包含于所述预设时间段内；

将每个所述目标时间窗对应的所述用户时序特征输入到预设推荐模型，输出每个所述目标时间窗对应的初步推荐结果；

将各个所述目标时间窗对应的所述初步推荐结果进行加权平均，得到物品推荐结果。

2.如权利要求1所述的物品推荐方法，其特征在于，所述根据所述购买行为特征，构建每个目标时间窗对应的用户时序特征之前，还包括：

利用滑动时间窗口对所述预设时间段进行分割，得到多个所述目标时间窗。

3.如权利要求2所述的物品推荐方法，其特征在于，所述利用滑动时间窗口对所述预设时间段进行分割，得到多个所述目标时间窗，包括：

获取所述预设时间段与待推荐时间的时间间隔，所述待推荐时间为待向所述用户推荐物品的时间点或时间段；

将所述滑动时间窗口每次以所述时间间隔向所述预设时间段的时间方向前移动，直到所述滑动时间窗口移动至所述预设时间段之前为止，得到多个所述目标时间窗。

4.如权利要求1所述的物品推荐方法，其特征在于，将每个所述目标时间窗对应的所述用户时序特征输入到预设推荐模型，输出每个所述目标时间窗对应的初步推荐结果，包括：

将负样本随机采样划分为若干个集合，其中所述负样本为所述用户未购买过的物品，每个所述集合对应一个所述预设推荐模型；

将第一用户时序特征输入到所述每个所述集合的预设推荐模型中，输出所述第一用户时序特征对应的多个第一结果，其中所述第一用户时序特征为所述用户时序特征中的一个；

对所述多个第一结果进行加权平均，得到所述第一用户时序特征对应目标时间窗的所述初步推荐结果。

5.如权利要求4所述的物品推荐方法，其特征在于，每个所述预设推荐模型包括wide模型和deep模型，所述将第一用户时序特征输入到所述每个所述集合的预设推荐模型中，输出所述第一用户时序特征对应的多个第一结果，包括：

将所述第一用户时序特征输入到每个所述预设推荐模型的所述wide模型，得到多个第二结果；

将所述第一用户时序特征输入到每个所述预设推荐模型的所述deep模型，得到多个第三结果；

对每个所述第二结果和对应的所述第三结果进行加权得到多个所述第一结果。

6.如权利要求5所述的物品推荐方法，其特征在于，所述将所述第一用户时序特征输入到每个所述预设推荐模型的所述wide模型，得到多个第二结果，包括：

对所述第一用户时序特征中的任意两个特征进行交叉，得到多个交叉特征；

将所述交叉特征以及所述第一用户时序特征作为每个所述wide模型的输入，输出多个所述第二结果。

7.如权利要求5所述的物品推荐方法，其特征在于，所述将所述第一用户时序特征输入到每个所述预设推荐模型的所述deep模型，得到多个第三结果，包括：

对所述第一用户时序特征进行独热编码，得到稀疏特征；

通过嵌入层对所述稀疏特征进行密集化，得到多个降维特征；

将所述降维特征作为每个所述deep模型的输入，输出多个所述第三结果。

8.一种物品推荐装置，其特征在于，包括：

获取模块，用于获取预设时间段内用户的购买行为特征；

构建模块，用于根据所述购买行为特征，构建每个目标时间窗对应的用户时序特征，其中多个所述目标时间窗包含于所述预设时间段内；

输出模块，用于将每个所述目标时间窗对应的所述用户时序特征输入到预设推荐模型，输出每个所述目标时间窗对应的初步推荐结果；

加权模块，用于将各个所述时间窗对应的所述初步推荐结果进行加权平均，得到物品推荐结果。