[发明专利]推荐方法、装置、服务器及存储介质在审

专利信息
申请号: 202010245938.5 申请日: 2020-03-31
公开(公告)号: CN111475720A 公开(公告)日: 2020-07-31
发明(设计)人: 李宁;汤彪;祝升;张敏;高泽洲 申请(专利权)人: 北京三快在线科技有限公司
主分类号: G06F16/9535 分类号: G06F16/9535
代理公司: 北京三高永信知识产权代理有限责任公司 11138 代理人: 唐述灿
地址: 100080 北京市海*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 推荐 方法 装置 服务器 存储 介质
【权利要求书】:

1.一种推荐方法,其特征在于,所述方法包括:

获取目标用户帐号对应的目标行为序列,其中,行为序列是由用户帐号下用户历史行为所构成的序列;

从所述目标行为序列中提取n个中间特征向量,其中,不同中间特征向量用于表征所述目标行为序列中不同子行为序列对应的行为意图,所述子行为序列是由连续的用户历史行为所构成的序列;

根据n个所述中间特征向量生成目标特征向量,所述目标特征向量用于表征所述目标用户帐号的行为意图,且所述目标特征向量用于向所述目标用户帐号进行推荐。

2.根据权利要求1所述的方法,其特征在于,所述从所述目标行为序列中提取n个中间特征向量,包括:

根据预设划分规则对所述目标行为序列进行划分,得到n个所述子行为序列;

对n个所述子行为序列进行特征提取,得到n个所述中间特征向量。

3.根据权利要求2所述的方法,其特征在于,所述目标行为序列是历史浏览行为所构成的序列,所述预设划分规则包括浏览时间划分规则和浏览对象划分规则中的至少一种。

4.根据权利要求3所述的方法,其特征在于,所述预设划分规则为所述浏览时间划分规则;

所述根据预设划分规则对所述目标行为序列进行划分,包括:

响应于第m条用户历史行为的产生时间与第m+1条用户历史行为的产生时间之间的时间间隔小于预设时间阈值,则将所述第m条用户历史行为和所述第m+1条用户历史行为划分至同一子行为序列;

响应于所述第m条用户历史行为的产生时间与所述第m+1条用户历史行为的产生时间之间的时间间隔大于所述预设时间阈值,则将所述第m条用户历史行为和所述第m+1条用户历史行为划分至不同子行为序列。

5.根据权利要求3所述的方法,其特征在于,所述预设划分规则为所述浏览对象划分规则;

所述根据预设划分规则对所述目标行为序列进行划分,包括:

响应于第m条用户历史行为对应的浏览对象属性和第m+1条用户历史行为对应的浏览对象属性之间的相似度高于预设相似度阈值,则将所述第m条用户历史行为和所述第m+1条用户历史行为划分至同一子行为序列;

响应于所述第m条用户历史行为对应的浏览对象属性和所述第m+1条用户历史行为对应的浏览对象属性之间的相似度低于所述预设相似度阈值,则将所述第m条用户历史行为和所述第m+1条用户历史行为划分至不同子行为序列。

6.根据权利要求2所述的方法,其特征在于,所述子行为序列中包含的所述用户历史行为采用向量化表示;

所述对n个所述子行为序列进行特征提取,得到n个所述中间特征向量,包括如下至少一种:

对所述子行为序列中各条用户历史行为对应的向量进行总和池化sum pooling处理,得到所述子行为序列对应的所述中间特征向量;

对所述子行为序列中各条用户历史行为对应的向量进行最大池化max pooling处理,得到所述子行为序列对应的所述中间特征向量;

将所述子行为序列中各条用户历史行为对应的向量输入基于注意力机制的深度神经网络DNN,得到所述DNN输出的所述中间特征向量;

将所述子行为序列中各条用户历史行为对应的向量输入基于注意力机制的循环神经网络RNN,得到所述RNN输出的所述中间特征向量。

7.根据权利要求1至6任一所述的方法,其特征在于,所述根据n个所述中间特征向量生成目标特征向量,包括如下至少一种:

对n个所述中间特征向量进行sum pooling处理,得到n个所述中间特征向量对应的所述目标特征向量;

对n个所述中间特征向量进行max pooling处理,得到n个所述中间特征向量对应的所述目标特征向量;

将n个所述中间特征向量输入基于注意力机制的DNN,得到所述DNN输出的所述目标特征向量;

将n个所述中间特征向量输入基于注意力机制的RNN,得到所述RNN输出的所述目标特征向量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京三快在线科技有限公司,未经北京三快在线科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010245938.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top