[发明专利]产品推荐方法、装置、设备及存储介质

权利要求书

1.一种产品推荐方法，其特征在于，包括：

获取待推荐数据，所述待推荐数据包括图像数据和文字数据；

提取所述文本数据的第一特征向量和所述图像数据的第二特征向量；

对所述第一特征向量和所述第二特征向量进行相关度计算，得到各所述第一特征向量对应的注意力权重值以及各所述第二特征向量对应的注意力权重值；

基于所述第一特征向量、所述第二特征向量、所述第一特征向量对应的注意力权重值和所述第二特征向量对应的注意力权重值，得到目标特征向量；

基于各所述目标特征向量确定推荐产品。

2.根据权利要求1所述的产品推荐方法，其特征在于，所述对所述第一特征向量和所述第二特征向量进行相关度计算，得到各所述第一特征向量对应的注意力权重值以及各所述第二特征向量对应的注意力权重值，包括：

基于预设的神经网络对所述第一特征向量进行学习，得到所述第一特征向量的学习向量，基于预设的神经网络对所述第二特征向量进行学习，得到所述第二特征向量的学习向量；

从所述第一学习向量或所述第二学习特征向量中抽取一个目标学习向量，分别计算所述目标学习向量与除所述目标学习向量之外的其他学习特征向量之间的注意力权重值。

3.根据权利要求1所述的产品推荐方法，其特征在于，所述基于所述第一特征向量、所述第二特征向量、所述第一特征向量对应的注意力权重值和所述第二特征向量对应的注意力权重值，得到目标特征向量，包括：

获取所述第一特征向量对应的第一学习向量，并根据所述第一学习向量，以及所述第一学习向量关联的各注意力权重值，计算所述第一特征向量对应的价值向量；

获取所述第二特征向量对应的第二学习向量，并根据所述第二学习向量，以及所述第二学习向量关联的各注意力权重值，计算所述第二特征向量对应的价值向量；

将各所述价值向量进行融合，得到目标特征向量。

4.根据权利要求1所述的产品推荐方法，其特征在于，所述基于所述目标特征向量确定推荐产品，包括：

获取目标特征向量对应的数据标签；

获取所述待推荐数据关联的目标用户，及所述目标用户对应的用户行为数据对所述数据标签进行筛选，确定目标产品标签；

根据所述目标产品标签中的产品类型，产品价格，向所述目标用户推荐产品。

5.根据权利要求4所述的产品推荐方法，其特征在于，所述确定所述待推荐数据来源的目标用户，并基于用户行为数据对所述数据标签进行筛选，确定目标产品标签之后，还包括：

基于所述目标用户对应的用户关系网搜寻与所述目标用户关联的邻居用户；

若搜寻到与所述目标用户对应的邻居用户，则获取所述邻居用户的行为产品标签；

基于所述目标产品标签与所述行为产品标签的相似度对所述目标产品标签进行更新。

6.根据权利要求5所述的产品推荐方法，其特征在于，所述基于所述目标产品标签与所述行为产品标签的相似度对所述目标产品标签进行更新，包括：

基于所述目标产品标签与所述行为产品标签的相似度对所述行为产品标签进行筛选，确定目标行为产品标签；

确定所述目标行为产品标签对应的邻居用户与所述目标用户的亲密度；

基于所述亲密度对对应的所述目标产品标签进行加权，并对加权后的目标产品标签进行更新。

7.根据权利要求6所述的产品推荐方法，其特征在于，所述基于所述亲密度对对应的所述目标产品标签进行加权，并对加权后的目标产品标签进行更新，包括：

根据所述亲密度对对应的所述目标产品标签进行加权；

基于加权后的目标产品标签对所述目标产品标签进行排序，实现对目标产品标签的排序更新；

执行根据所述目标产品标签中的产品类型，产品价格，向所述目标用户推荐产品。