[发明专利]物品推荐方法、装置、介质及计算机设备

权利要求书

1.一种物品推荐方法，所述方法包括：

获取用户行为数据，所述用户行为数据包括多个账户的物品访问数据；

根据所述用户行为数据进行特征提取得到多个特征向量；

根据所述特征向量、所述物品访问数据以及预设的推荐模型得到各个账户对应的物品推荐列表；

当接收到当前账户提交的物品推荐请求时，根据各个账户对应的物品推荐列表获取与所述物品推荐请求匹配的物品推荐列表；

将与所述物品推荐请求匹配的物品推荐列表反馈至所述当前账户的终端展示。

2.根据权利要求1所述的方法，其特征在于，所述根据所述用户行为数据进行特征提取得到多个特征向量，包括：

根据所述用户行为数据确定各个账户对应的第一特征向量以及各个物品对应的第二特征向量；

所述物品访问数据包括被访问的物品数据，所述根据所述特征向量、所述物品访问数据以及预设的推荐模型得到各个账户对应的物品推荐列表，包括：

根据所述第一特征向量、所述第二特征向量以及所述推荐模型确定各个账户之间的第一相似度以及各个物品之间的第二相似度；

根据所述第一相似度、所述第二相似度以及各物品数据确定各个账户对应的物品推荐列表。

3.根据权利要求2所述的方法，其特征在于，所述用户行为数据还包括用户关系数据，所述获取用户行为数据，包括：

获取第三方社交平台上所述各个账户的用户关系数据；

所述根据所述用户行为数据确定各个账户对应的第一特征向量以及各个物品对应的第二特征向量，包括：

根据各个账户的物品访问数据以及预先训练的特征提取模型确定各个账户对应的第三特征向量以及各个物品对应的第二特征向量；

根据所述用户关系数据以及所述第三特征向量确定所述第一特征向量。

4.根据权利要求3所述的方法，其特征在于，所述根据各个账户的物品访问数据以及预先训练的特征提取模型确定各个账户对应的第三特征向量以及各个物品对应的第二特征向量，包括：

根据预先训练的特征提取模型将所述物品访问数据映射成用户信息向量以及物品信息向量；

对所述用户信息向量以及所述物品信息向量分别进行降维处理，得到所述第三特征向量以及所述第二特征向量。

5.根据权利要求2所述的方法，其特征在于，所述根据所述第一相似度、所述第二相似度以及各物品数据确定各个账户对应的物品推荐列表，包括：

根据所述第一相似度、所述第二相似度以及各物品数据确定各个账户对应的初始推荐列表：

获取第一预设时间段内各个账户的物品访问数据；

根据所述第一预设时间段内各个账户的物品访问数据更新所述初始推荐列表，得到各个账户对应的物品推荐列表。

6.根据权利要求1所述的方法，其特征在于，所述根据各个账户对应的物品推荐列表获取与所述物品推荐请求匹配的物品推荐列表，包括：

提取所述物品推荐请求中的待推荐物品信息；

根据所述当前账户以及所述各个账户对应的物品推荐列表获取候选推荐列表，所述候选推荐列表为候选推荐列表；

根据预先训练的排序模型对所述候选推荐列表进行排序，得到与所述物品推荐请求匹配的物品推荐列表。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

利用所述用户行为数据训练初始排序模型；

所述方法还包括：

获取第二预设时间段内各个账户的物品访问数据；

利用所述第二预设时间段内各个账户的物品访问数据得到新的模型参数；

根据所述初始排序模型以及所述新的模型参数得到新的排序模型；

所述根据预先训练的排序模型对所述候选推荐列表进行排序，得到与所述物品推荐请求匹配的物品推荐列表，包括：

根据所述新的排序模型对所述候选推荐列表进行排序，得到与所述物品推荐请求匹配的物品推荐列表。