[发明专利]物品推荐方法、装置、终端设备及存储介质

说明书

本申请适用于计算机技术领域，提供了物品推荐方法，包括：获取预设时间段内用户的购买行为特征；根据购买行为特征，构建每个目标时间窗对应的用户时序特征；将每个目标时间窗对应的用户时序特征输入到预设推荐模型，输出每个目标时间窗对应的初步推荐结果；将各个目标时间窗对应的初步推荐结果进行加权平均，得到物品推荐结果。通过动态追踪用户偏好随时间的变化，预设推荐模型结合线性模型的记忆能力和DNN模型的泛化能力，解决了现有物品推荐方法个性化程度低、物品推荐结果准确度不够的问题。

技术领域

本申请属于计算机技术领域，尤其涉及物品推荐方法、装置、终端设备及存储介质。

背景技术

目前的物品推荐方法主要基于规则推荐和算法推荐，其中规则推荐中的规则设定比较主观，且存在规则抽取难、耗时以及个性化程度低的问题，而目前的算法推荐存在物品推荐结果准确度不够的问题。

发明内容

本申请实施例提供了物品推荐方法、装置、终端设备及存储介质，可以解决现有物品推荐方法的物品推荐结果准确度不够的问题。

第一方面，本申请实施例提供了一种物品推荐方法，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。

本申请实施例通过获取预设时间段内的用户的购买行为特征，将预设时间段分割为多个目标时间窗，根据所述购买行为特征，构建每个所述目标时间窗对应的用户时序特征，充分的挖掘了用户对物品偏好的时序信息，动态追踪用户偏好随时间的变化；将每个时间窗对应的所述用户时序特征输入到预设推荐模型，分别输出对应目标时间窗的初步推荐结果，将每个目标时间窗的所述初步推荐结果进行加权平均，得到物品推荐结果，从而通过预设推荐模型中线性模型的记忆能力和DNN模型的泛化能力，根据用户偏好推荐最符合用户需求的物品给用户，解决了现有物品推荐方法个性化程度低、物品推荐结果准确度不够的问题。

第二方面，本申请实施例提供了一种物品推荐装置，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。

第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面中任一项所述的物品推荐方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的物品推荐方法。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的物品推荐方法。

可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

附图说明