[发明专利]物品推荐的方法和装置

权利要求书

1.一种物品推荐的方法，其特征在于，包括：

获取用户的位置信息；

确定与所述位置信息匹配的待推荐物品集合；

根据所述待推荐物品集合和预设物品推荐模型，确定所述用户对应的待推荐物品组合；

基于所述待推荐物品组合对所述用户进行物品推荐。

2.根据权利要求1所述的方法，其特征在于，确定与所述位置信息匹配的待推荐物品集合，包括：

根据所述位置信息，确定所述位置信息对应的环境信息和文化信息；

根据所述环境信息和文化信息，确定与所述位置信息匹配的待推荐物品集合；

其中，所述环境信息，包括：温度信息、气象信息；所述文化信息，包括：语言信息、特色信息。

3.根据权利要求1所述的方法，其特征在于，确定与所述位置信息匹配的待推荐物品集合，包括：

获取具备相同或相似位置信息的好友提示信息；根据所述好友提示信息，确定好友推荐物品；

和/或，获取与所述用户查询的物品在相同或相似位置信息的评论信息；

根据所述评论信息和/或所述好友推荐物品，确定与所述位置信息匹配的待推荐物品集合。

4.根据权利要求1所述的方法，其特征在于，确定与所述位置信息匹配的待推荐物品集合，包括：

根据预设物品池，确定与所述位置信息匹配的特色物品；

向用户展示所述特色物品的视频信息；

接收用户对所述视频信息的反馈信息；

根据所述反馈信息，生成优惠物品组合；

对所述优惠物品组合中的物品进行筛选，确定与所述位置信息匹配的待推荐物品集合。

5.根据权利要求1所述的方法，其特征在于，根据所述待推荐物品集合和预设物品推荐模型，确定所述用户对应的待推荐物品组合之前，包括：

建立所述用户对应的属性数据；

根据所述属性数据，训练预设物品推荐模型。

6.根据权利要求5所述的方法，其特征在于，所述属性数据，至少包括如下之一：用户画像属性数据、物品画像属性数据、上下文属性数据。

7.根据权利要求5或6所述的方法，其特征在于，根据所述属性数据，训练预设物品推荐模型，包括：

初始化深度神经网络的模型参数；

将所述属性数据和历史数据标签输入到所述深度神经网络前向传播层，结合自定义损失函数，更新所述深度神经网络输出层的损失值和误差值；

根据损失值和误差值，确定所述输出层的线性系数和偏倚系数的梯度；

反向计算所述深度神经网络隐藏层误差值，获取隐藏层线性系数和偏倚系数的梯度；

根据所述输出层和所述隐藏层的线性系数和偏倚系数的梯度，确定所述自定义损失函数处于收敛状态的模型参数；

根据所述模型参数，生成预设物品推荐模型。

8.根据权利要求7所述的方法，其特征在于，所述深度神经网络所采用的模型为DeepFM模型；

其中，在所述DeepFM模型中，因子分解机和前向传播层共享嵌入层矩阵。

9.一种物品推荐的装置，其特征在于，包括：

信息获取模块，用于获取用户的位置信息；

集合确定模块，用于确定与所述位置信息匹配的待推荐物品集合；

组合确定模块，用于根据所述待推荐物品集合和预设物品推荐模型，确定所述用户对应的待推荐物品组合；

推荐模块，用于基于所述待推荐物品组合对所述用户进行物品推荐。

10.一种物品推荐的电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。

11.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。