[发明专利]一种物品推荐方法、装置、计算机设备及存储介质

说明书

本申请提供涉及人工智能技术领域，尤其涉及一种物品推荐方法、装置、计算机设备及存储介质。该方法包括：获得待推荐用户的多个特征；其中，所述多个特征用于表示待推荐用户的用户特征和与所述待推荐用户关联的物品特征；根据所述多个特征，从多个用户分群中，确定所述待推荐用户所属的目标用户分群；其中，每个用户分群是多个样本用户中针对目标物的行为序列满足共性条件的样本用户进行聚类获得的，每个样本用户是针对目标物具有转化行为的用户；为所述待推荐用户推荐所述目标用户分群关联的目标物。

技术领域

本申请涉及计算机技术领域，尤其涉及人工智能技术领域，提供一种物品推荐方法、装置、计算机设备及存储介质。

背景技术

随着人工智能技术不断发展，人工智能技术在智能推荐领域应用也越来越广泛，比如利用人工智能为用户推荐商品、有针对性地投放广告等。

目前，推荐方法一般是采用协同过滤，具体包括基于用户的协同过滤和基于物品的协同过滤，基于用户协同过滤过多依赖用户自身的属性进行推荐，而基于物品的协同过滤又过多地依赖物品的信息，协同过滤的方法均过于依赖单某个方面的信息进行推荐，导致为用户推荐的物品与用户实际想要的物品相差甚远，推荐准确性不高。

发明内容

本申请实施例提供一种物品推荐方法、模型生成方法及、装置、计算机设备及存储介质，用于提高物品推荐的准确性。

第一方面，提供一种物品推荐方法，包括：

获得待推荐用户的多个特征；其中，所述多个特征用于表示待推荐用户的用户特征和与所述待推荐用户关联的物品特征；

根据所述多个特征，从多个用户分群中，确定所述待推荐用户所属的目标用户分群；其中，每个用户分群是多个样本用户中针对目标物的行为序列满足共性条件的样本用户进行聚类获得的，每个样本用户是针对目标物具有转化行为的用户；

为所述待推荐用户推荐所述目标用户分群关联的目标物。

第二方面，提供一种物品推荐装置，包括：

获得模块，用于获得待推荐用户的多个特征；其中，所述多个特征用于表示待推荐用户的用户特征和与所述待推荐用户关联的物品特征；

确定模块，用于根据所述多个特征，从多个用户分群中，确定所述待推荐用户所属的目标用户分群；其中，每个用户分群是多个样本用户中针对目标物的行为序列满足共性条件的样本用户进行聚类获得的，每个样本用户是针对目标物具有转化行为的用户；

推荐模块，用于为所述待推荐用户推荐所述目标用户分群关联的目标物。

在一种可能的实施例中，所述多个用户分群中每个用户分群是通过如下步骤确定的：

获得多个样本用户中各个样本用户分别针对每类目标物的行为序列；

针对每类目标物，确定多个行为序列的共同序列模式；其中，所述共同序列模式是指在多个行为序列中出现次数满足预设次数，且长度满足预设长度的子序列；

针对多类目标物，将存在共同序列模式的样本用户划分为一个用户分群。

在一种可能的实施例中，所述多个用户分群中每个用户分群是通过如下步骤确定的：

获得每个样本用户针对各类目标物的行为序列；

针对每个样本用户，确定多个行为序列的共同序列模式；其中，所述共同序列模式是指在多个行为序列中出现次数满足预设次数，且长度满足预设长度的子序列；

针对多个样本用户，将存在相同的共同序列模式的样本用户划分为一个用户分群。

在一种可能的实施例中，多个行为序列的共同序列模式通过如下步骤获得的：