[发明专利]物品推荐方法、系统、电子设备及存储介质

说明书

本申请公开了物品推荐及模型训练方法、系统、电子设备及存储介质，涉及人工智能领域。具体实现方案为：采用预先训练的用户点击物品的任务模型和待推荐的物品库中各物品的至少两个特征信息，构建物品特征表达数据库；采用预先训练的用户点击物品的任务模型和用户的至少两个特征信息，获取用户的特征表达；根据用户的特征表达和物品特征表达数据库，获取要推荐的N个物品的标识；基于N个物品的标识，向用户推荐N个物品的相关信息。本申请的技术方案，通过预先训练好的用户点击物品的任务模型来实现物品推荐，能够有效地降低计算量，避免计算错误，提高推荐准确性。而且能够有效地提高物品推荐的智能性，提升物品推荐效率。

技术领域

本申请涉及计算机技术领域，尤其涉及人工智能，具体涉及一种物品推荐及模型训练方法、系统、电子设备及存储介质。

背景技术

互联网发展到今天，衍生出各种互联网产品，如电商之类的购物平台的出现，改变了人们的生活方式，增强了购物的便利性。

在各种互联网应用产品中，用户可以自主选择自己感兴趣的物品，也可以由系统向用户推荐物品。例如，现有的物品推荐系统中，可以采用协同过滤推荐的方式。如业界常用的有基于物品的协同过滤推荐itemCF或者基于用户的协同过滤推荐userCF。itemCF使用两个物品之间共同感兴趣用户重合数量来衡量两个物品之间的相似度，再根据用户历史物品推荐相似的候选物品。userCF使用两个用户之间共同感兴趣的物品的重合数量来衡量两个用户之间的相似度，再根据相似用户群喜爱的物品对目标用户推荐候选物品。

但是，在用户数量或者物品数量都较多的时候，上述推荐方案的计算量代价非常大，容易造成计算错误，导致推荐方案的物品推荐准确性较差。

发明内容

为了解决上述技术问题，本申请提供一种物品推荐及模型训练方法、系统、电子设备及存储介质，用于提高物品推荐的准确性。

一方面，本申请提供一种物品推荐方法，包括：

采用预先训练的用户点击物品的任务模型和待推荐的物品库中各物品的至少两个特征信息，构建物品特征表达数据库；

采用所述预先训练的用户点击物品的任务模型和用户的至少两个特征信息，获取用户的特征表达；

根据所述用户的特征表达和所述物品特征表达数据库，获取要推荐的N个物品的标识；

基于所述N个物品的标识，向所述用户推荐所述N个物品的相关信息。

进一步可选地，如上所述的方法中，根据所述用户的特征表达和所述物品特征表达数据库，获取要推荐的N个物品的标识，包括：

在所述物品特征表达数据库中，检索出与所述用户的特征表达最相关的N个物品的特征表达；

获取所述N个物品的特征表达对应的所述N个物品的标识。

进一步可选地，如上所述的方法中，预先训练的所述用户点击物品的任务模型包括召回任务模块和点击率预估任务模块，且所述召回任务模块与所述点击率预估任务模块之间经过联合训练。

另一方面，本申请还提供了一种用户点击物品的任务模型的训练方法，包括：

采集数条训练数据，各所述训练数据中包括训练用户的至少两个训练特征信息、训练物品的至少两个训练特征信息以及所述训练用户对所述训练物品的点击交互信息；

采用所述数条训练数据，对所述用户点击物品的任务模型中的召回任务模块和点击率预估任务模块进行联合训练。

进一步可选地，如上所述的方法中，采用所述数条训练数据，对所述用户点击物品的任务模型中的召回任务模块和点击率预估任务模块进行联合训练，包括：

对于各条所述训练数据，将所述训练用户的至少两个特征信息进行嵌入表达后拼接，得到训练用户的组合特征表达；