[发明专利]物品推荐方法、装置、计算机设备及存储介质

权利要求书

1.一种物品推荐方法，其特征在于，所述方法包括：

根据多个样本物品中两两样本物品之间的至少一个协同过滤分数，获取不同样本物品的多个特征中两两特征之间的至少一个相似度；

根据所述至少一个相似度，获取所述多个特征的特征向量，不同特征的特征向量之间的距离用于表示不同特征之间的相似度；

基于所述多个特征的特征向量，确定至少一个目标物品的物品向量；

根据所述至少一个目标物品的物品向量进行物品推荐；

所述根据多个样本物品中两两样本物品之间的至少一个协同过滤分数，获取不同样本物品的多个特征中两两特征之间的至少一个相似度包括：

根据不同样本物品的多个特征中两两特征之间的至少一个预估相似度以及所述多个特征对应的多个预估权重，获取所述多个样本物品中两两样本物品之间的至少一个物品相似度；

根据所述至少一个物品相似度和所述至少一个协同过滤分数，获取目标函数值；

若所述目标函数值大于目标阈值，基于梯度下降算法更新所述至少一个预估相似度和所述多个预估权重，基于更新后的至少一个预估相似度和多个预估权重迭代执行获取目标函数值的步骤，直到目标函数值小于或等于目标阈值；

若所述目标函数值小于或等于目标阈值，将本次迭代采用的至少一个预估相似度确定为所述多个特征中两两特征之间的至少一个相似度，将本次迭代采用的多个预估权重确定为所述多个特征对应的多个权重。

2.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个物品相似度和所述至少一个协同过滤分数，获取目标函数值包括：

将所述至少一个物品相似度与所述至少一个协同过滤分数之间的均方误差确定为所述目标函数值。

3.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个相似度，获取所述多个特征的特征向量包括：

根据所述至少一个相似度，构建特征网络结构图，所述特征网络结构图包括与所述多个特征对应的多个节点，不同节点之间的连线用于表示与所述不同节点所对应的两特征之间的相似度；

对所述特征网络结构图进行随机游走，得到多个特征序列，每个特征序列中相邻的元素为相连的节点所对应的各个特征；

基于所述多个特征序列训练词向量模型，通过所述词向量模型获取所述多个特征的特征向量。

4.根据权利要求1所述的方法，其特征在于，所述基于所述多个特征的特征向量，确定至少一个目标物品的物品向量包括：

对每个目标物品，确定所述目标物品所包括的至少一个目标特征；

从所述多个特征的特征向量中，获取所述至少一个目标特征的特征向量；

根据所述至少一个目标特征的特征向量，获取所述目标物品的物品向量。

5.根据权利要求4所述的方法，其特征在于，所述根据所述至少一个目标特征的特征向量，获取所述目标物品的物品向量包括：

对所述至少一个目标特征的特征向量分别进行加权均值池化和加权最大池化，得到所述至少一个目标特征的池化向量；

将所述至少一个目标特征的池化向量进行拼接处理，得到所述目标物品的物品向量。

6.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个目标物品的物品向量进行物品推荐包括：

基于所述多个特征的特征向量，确定所述多个样本物品的物品向量；

根据各个样本物品的物品向量以及各个目标物品的物品向量，获取各个目标物品与各个样本物品之间的物品相似度；

将各个目标物品分别推荐给物品相似度大于第一相似度阈值的样本物品所对应的用户。

7.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个目标物品的物品向量进行物品推荐包括：

对任一用户，确定与所述用户的互动行为对应的至少一个物品；

从各个目标物品的物品向量以及各个样本物品的物品向量中，获取所述至少一个物品的物品向量；

根据所述至少一个物品的物品向量，生成所述用户的用户向量，基于所述用户向量对所述用户进行物品推荐。