[发明专利]物品推荐方法、元网络处理方法、装置、存储介质和设备

权利要求书

1.一种物品推荐方法，其特征在于，所述方法包括：

获取物品的属性信息和物品交互对象的对象标识；

通过元拉伸网络对所述属性信息进行特征提取，获得拉伸向量；以及，通过元偏移网络对所述对象标识进行特征提取，获得偏移向量；所述元拉伸网络是基于拉伸参数和表示所述物品的属性嵌入向量的变量所构成的、用于对所述属性信息进行特征提取的元网络，所述元偏移网络是基于偏移参数和表示所述物品交互对象的对象标识嵌入向量的变量所构成的、用于对所述对象标识进行特征提取的元网络；

将所述物品的向量化的物品标识和所述拉伸向量进行特征交叉，并将所得的交叉特征向量与所述偏移向量进行融合，得到融合特征向量；

基于所述融合特征向量、向量化的所述属性信息和目标对象的向量化的对象信息确定推荐概率；

在所述推荐概率满足推荐条件时向所述目标对象推荐所述物品。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

通过嵌入层对所述属性信息进行向量化处理，得到属性嵌入向量；

所述通过元拉伸网络对所述属性信息进行特征提取，获得拉伸向量包括：

将所述属性嵌入向量输入至元拉伸网络；

通过所述元拉伸网络对所述属性嵌入向量进行处理，获得拉伸向量。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

通过所述嵌入层对所述物品标识进行向量化处理，得到物品标识嵌入向量；

所述将所述物品的向量化的物品标识和所述拉伸向量进行特征交叉包括：

将所述物品标识嵌入向量与所述拉伸向量进行特征交叉。

4.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：

获取目标对象的对象信息；

通过所述嵌入层对所述对象信息进行向量化处理，得到对象嵌入向量；

所述基于所述融合特征向量、向量化的所述属性信息和目标对象的向量化的对象信息确定推荐概率包括：

基于所述融合特征向量、所述属性嵌入向量和所述对象嵌入向量确定推荐概率。

5.根据权利要求4所述的方法，其特征在于，所述对象信息包括目标对象标识和目标对象特征信息；所述通过所述嵌入层对所述对象信息进行向量化处理，得到对象嵌入向量包括：

通过所述嵌入层对所述目标对象标识进行向量化处理，得到目标对象标识嵌入向量；以及，通过所述嵌入层对所述目标对象特征信息进行向量化处理，得到目标对象特征嵌入向量；

其中，所述对象嵌入向量包括所述目标对象标识嵌入向量和所述目标对象特征嵌入向量。

6.根据权利要求5所述的方法，其特征在于，所述基于所述融合特征向量、所述属性嵌入向量和所述对象嵌入向量确定推荐概率包括：

通过推荐模型对融合特征向量、所述属性嵌入向量、所述目标对象标识嵌入向量和所述目标对象特征嵌入向量进行计算，得到推荐概率。

7.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

通过嵌入层对所述对象标识进行向量化处理，得到对象标识嵌入向量；

所述通过元偏移网络对所述对象标识进行特征提取，获得偏移向量包括：

将所述对象标识嵌入向量输入至元偏移网络；

通过所述元偏移网络对所述对象标识嵌入向量进行处理，获得偏移向量。