[发明专利]一种产品推荐方法、装置及设备

权利要求书

1.一种产品推荐方法，包括：

获取预设时长内用户的行为，所述行为包括用户信息、近期交互的产品序列信息及远期交互的产品序列信息；

获取多个待预测产品信息；

对每个待预测产品信息，将所述待预测产品信息和所述用户信息进行组合，生成对应的第一信息；

对所述近期交互的产品序列信息进行特征提取，对所述远期交互的产品序列信息进行向量转换，将提取的特征信息、向量转换后的所述远期交互的产品序列信息与所述第一信息进行级联，生成对应的第二信息；

根据各所述第二信息在所述多个待预测产品信息中选择推荐的产品信息。

2.根据权利要求1所述的产品推荐方法，对所述近期交互的产品序列信息进行特征提取，包括：

将所述近期交互的产品序列信息进行独热编码；

将独热编码后的所述近期交互的产品序列信息转换为第一词向量；

对所述第一词向量进行卷积运算和最大池化运算，得到所述近期交互的产品序列信息的特征信息。

3.根据权利要求2所述的产品推荐方法，所述对所述第一词向量进行卷积运算和最大池化运算，得到所述近期交互的产品序列信息的特征信息，包括：

采用特征提取模型对所述第一词向量进行卷积运算和最大池化运算，得到所述近期交互的产品序列信息的特征信息；

其中，所述特征提取模型在训练时，对训练样本进行卷积运算之后，对训练样本进行最大池化运算之前，还对训练样本进行随机块丢弃操作。

4.根据权利要求1所述的产品推荐方法，对所述远期交互的产品序列信息进行向量转换，包括：

将所述远期交互的产品序列信息进行独热编码；

将独热编码后的所述远期交互的产品序列信息转换为第二词向量；

计算所述第二词向量的平均值，得到向量转换后的所述远期交互的产品序列信息。

5.根据权利要求1-4任一项所述的产品推荐方法，将提取的特征信息、向量转换后的所述远期交互的产品序列信息与所述第一信息进行级联，生成对应的第二信息，包括：

将所述第一信息进行独热编码；

将独热编码后的所述第一信息转换为第三词向量；

将近期交互的产品序列信息的特征信息、向量转换后的远期交互的产品序列信息及所述第三词向量进行级联，生成对应的第二信息。

6.根据权利要求1所述的产品推荐方法，所述根据各所述第二信息在所述多个待预测产品信息中选择推荐的产品信息，包括：

将各所述第二信息输入自注意力模型，得到对应的第三信息，

将各所述第三信息输入产品点击概率模型，得到对应的点击概率；

根据各点击概率在所述多个待预测产品信息中选择推荐的产品信息。

7.根据权利要求1所述的产品推荐方法，所述近期交互的产品序列信息包括近期交互的产品ID序列，所述远期交互的产品序列信息包括远期交互的产品ID序列，

在对所述近期交互的产品序列信息进行特征提取，对所述远期交互的产品序列信息进行向量转换之前，还包括：

确定所述近期交互的产品ID序列的长度及所述远期交互的产品ID序列的长度；

若所述近期交互的产品ID序列/远期交互的产品ID序列的长度小于预设长度，在所述近期交互的产品ID序列/远期交互的产品ID序列的末端补零；

若所述近期交互的产品ID序列/远期交互的产品ID序列的长度大于预设长度，从所述近期交互的产品ID序列/远期交互的产品ID序列的始端移除预设长度之外的产品ID。

8.根据权利要求1所述的产品推荐方法，在所述获取预设时长内用户的行为之后，还包括：

删除所述近期交互的产品序列信息中最近一次交互的产品信息。