[发明专利]产品推荐方法、装置、系统、介质和程序产品

权利要求书

1.一种产品推荐方法，包括：

获取用户的历史操作信息，所述历史操作信息包括对预设对象的历史选中信息和对预设对象中产品的历史交易信息；

根据所述历史选中信息，确定所述用户选中预设的多类对象中每类对象的第一概率值；

根据所述历史交易信息，确定所述用户购买所述每类对象中产品的第二概率值；

根据所述第一概率值和所述第二概率值，确定针对所述每类对象的评估值权重；以及

根据针对所述每类对象的评估值权重，确定向所述用户推荐的所述多类对象中的产品。

2.根据权利要求1所述的方法，其中，确定所述用户点击所述预设的多类对象中每类对象的第一概率值包括：

根据所述历史选中信息，经由预设循环神经网络模型得到所述用户选中所述多类对象包括的每个对象的选中概率值；以及

根据选中属于同类对象的各对象的选中概率值，确定对每类对象的第一预测概率。

3.根据权利要求2所述的方法，其中，历史选中信息包括被选中对象的标识；经由预设循环神经网络模型得到所述用户选中所述多类对象包括的每个对象的选中概率值包括：

根据所述历史选中信息，确定预设知识图谱中所述历史选中信息的关联信息，所述关联信息包括所述被选中对象的关联对象的标识；

根据所述历史选中信息和所述关联信息，确定所述预设循环神经网络模型的输入信息；以及

以所述输入信息作为所述预设循环神经网络模型的输入，输出得到所述用户选中所述每个对象的选中概率值。

4.根据权利要求2或3所述的方法，其中，所述历史选中信息还包括用户标识，所述经由预设循环神经网络模型得到所述用户选中所述多类对象包括的每个对象的选中概率值还包括：

根据所述用户标识和预设知识图谱，确定所述用户的属性信息；以及

根据所述历史选中信息和所述用户的属性信息，确定所述预设循环神经网络模型的输入信息。

5.根据权利要求3所述的方法，其中，所述预设循环神经网络模型为波纹网络模型。

6.根据权利要求1所述的方法，其中，确定所述用户购买所述每类对象中产品的第二概率值包括：

获取所述用户的属性信息；以及

根据所述历史交易信息和所述用户的属性信息，经由预设推荐模型确定所述用户购买所述每类对象中产品的第二概率值，

其中，所述预设推荐模型根据针对多个用户的训练样本训练得到。

7.根据权利要求1所述的方法，其中，确定针对所述每类对象的评估值权重包括：

确定所述每类对象的第一概率值和第二概率值的加权和，作为所述每类对象的加权和；以及

根据所述多类对象中各自的加权和，确定针对所述每类对象的评价值权重。

8.根据权利要求7所述的方法，其中，所述历史选中信息包括选中时间，所述历史交易信息包括交易时间；确定所述每类产品的第一概率值和第二概率值的加权和包括：

根据所述选中时间，确定所述第一概率值的第一加权权重；

根据所述交易时间，确定所述第二概率值的第二加权权重；以及

根据所述第一加权权重和所述第二加权权重，针对所述每类对象确定所述第一概率值和所述第二概率值的加权和，

其中，所述第一加权权重随着所述选中时间与当前时刻之间间距的增大而减小，且所述第二加权权重随着所述交易时间与当前时刻之间间距的增大而减小。

9.根据权利要求7所述的方法，其中，根据所述多类对象中各自的加权和，确定针对所述每类对象的评估值权重包括：

确定所述每类对象的加权和与预设值的和，作为所述每类对象的初始权重；以及

确定所述每类对象的初始权重针对所述多类对象的归一化值为针对所述每类对象的评估值权重。