[发明专利]一种物品推荐方法、装置、设备及计算机可读存储介质

权利要求书

1.一种物品推荐方法，其特征在于，包括：

对接收到的物品推荐请求进行解析，得到请求端身份信息和待推荐的目标物品；

将所述请求端身份信息和所述目标物品输入到通过增加冲量项的对比散度算法训练得到的目标受限玻尔兹曼机协同过滤推荐模型中；

利用所述目标受限玻尔兹曼机协同过滤推荐模型根据所述请求端身份信息获取目标请求端对应的历史评分集，并根据所述历史评分集对所述目标物品进行评分操作，得到所述目标请求端关于所述目标物品的评分结果；

根据所述评分结果生成所述目标物品关于所述目标请求端的推荐结果，并输出所述推荐结果。

2.根据权利要求1所述的物品推荐方法，其特征在于，将所述请求端身份信息和所述目标物品输入到通过增加冲量项的对比散度算法训练得到的目标受限玻尔兹曼机协同过滤推荐模型中，包括：

将所述请求端身份信息和所述目标物品输入到所述目标受限玻尔兹曼机协同过滤推荐模型中；其中，所述目标受限玻尔兹曼机协同过滤推荐模型为结合增加冲量项的对比散度算法和MapReduce算法并行迭代训练得到。

3.根据权利要求1所述的物品推荐方法，其特征在于，根据所述评分结果生成所述目标物品关于所述目标请求端的推荐结果，包括：

获取预设推荐评分阈值；

判断所述评分结果是否满足所述预设推荐评分阈值；

若是，则生成将所述目标物品推荐给所述目标请求端的推荐结果；

若否，则生成不将所述目标物品推荐给所述目标请求端的推荐结果。

4.根据权利要求1至3任一项所述的物品推荐方法，其特征在于，利用所述目标受限玻尔兹曼机协同过滤推荐模型根据所述请求端身份信息获取目标请求端对应的历史评分集，包括：

利用所述目标受限玻尔兹曼机协同过滤推荐模型获取所述目标请求端关于所述目标物品所属目标物品类别的历史评分集。

5.一种物品推荐装置，其特征在于，包括：

请求解析模块，用于对接收到的物品推荐请求进行解析，得到请求端身份信息和待推荐的目标物品；

输入模块，用于将所述请求端身份信息和所述目标物品输入到通过增加冲量项的对比散度算法训练得到的目标受限玻尔兹曼机协同过滤推荐模型中；

评分结果获得模块，用于利用所述目标受限玻尔兹曼机协同过滤推荐模型根据所述请求端身份信息获取目标请求端对应的历史评分集，并根据所述历史评分集对所述目标物品进行评分操作，得到所述目标请求端关于所述目标物品的评分结果；

推荐结果输出模块，用于根据所述评分结果生成所述目标物品关于所述目标请求端的推荐结果，并输出所述推荐结果。

6.根据权利要求5所述的物品推荐装置，其特征在于，所述输入模块具体为将所述请求端身份信息和所述目标物品输入到所述目标受限玻尔兹曼机协同过滤推荐模型中的模块；其中，所述目标受限玻尔兹曼机协同过滤推荐模型为结合增加冲量项的对比散度算法和MapReduce算法并行迭代训练得到。

7.根据权利要求5所述的物品推荐装置，其特征在于，所述推荐结果输出模块包括推荐结果生成子模块，所述推荐结果生成子模块包括：

阈值获取单元，用于获取预设推荐评分阈值；

判断单元，用于判断所述评分结果是否满足所述预设推荐评分阈值；

第一推荐结果生成单元，用于当确定所述评分结果满足所述预设推荐评分阈值时，生成将所述目标物品推荐给所述目标请求端的推荐结果；

第二推荐结果生成单元，用于当确定所述评分结果不满足所述预设推荐评分阈值时，生成不将所述目标物品推荐给所述目标请求端的推荐结果。

8.根据权利要求5至7任一项所述的物品推荐装置，其特征在于，所述评分结果获得模块包括历史评分集获得子模块，

所述历史评分集获得子模块具体为利用所述目标受限玻尔兹曼机协同过滤推荐模型获取所述目标请求端关于所述目标物品所属目标物品类别的历史评分集的模块。