物品推荐方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例公开了一种物品推荐方法、装置、电子设备及存储介质，该方法包括：在接收到当前用户的推荐请求时，获取当前用户的历史行为数据；通过图表征模型确定历史行为数据中的第一物品和第二物品的向量表征，得到历史第一物品向量和历史第二物品向量；根据历史第一物品向量和历史第二物品向量，确定当前用户对应的用户向量；根据用户向量和多个待推荐物品对应的物品向量，对多个待推荐物品进行排序，得到物品推荐列表，待推荐物品包括第一物品或第二物品，物品推荐列表包括物品和第二物品；将物品推荐列表发送至所述当前用户的用户终端。本申请实施例实现了对第一物品和第二物品的联合推荐，满足了用户对第一物品和第二物品的联合需求。

【技术实现步骤摘要】
物品推荐方法、装置、电子设备及存储介质
本申请实施例涉及互联网
，特别是涉及一种物品推荐方法、装置、电子设备及存储介质。
技术介绍
目前，具有关联关系的第一物品和第二物品的推荐是相对隔离的两个业务，第一物品推荐主要满足用户对第一物品成品的需求，而第二物品推荐主要满足用户对第一物品原材料的需求。现有技术中，在向用户进行物品推荐时，只能单独推荐第一物品类物品或者第二物品类物品，即在第一物品项目下推荐第一物品类物品，在第二物品类项目下推荐第二物品类物品，而如果用户在第一物品项目下没有找到合适的第一物品时有可能会再去第二物品类项目下查找第二物品类物品，这样就导致用户的搜索时间较长，不能满足用户对第一物品和第二物品的联合需求。
技术实现思路
本申请实施例提供一种物品推荐方法、装置、电子设备及存储介质，可以实现对第一物品和第二物品的联合推荐，减少用户的搜索时间。为了解决上述问题，第一方面，本申请实施例提供了一种物品推荐方法，包括：在接收到当前用户的推荐请求时，获取当前用户的历史行为数据；通过图表征模型确定所述历史行为数据中的第一物品和第二物品的向量表征，得到历史第一物品向量和历史第二物品向量，其中，所述第一物品和第二物品之间具有关联关系，所述图表征模型是基于第一物品和第二物品的异构图进行训练得到的；根据所述历史第一物品向量和历史第二物品向量，确定所述当前用户对应的用户向量；根据所述用户向量和多个待推荐物品对应的待推荐物品向量，对多个待推荐物品进行排序，得到物品推荐列表，所述待推荐物品包括第一物品或第二物品，所述物品推荐列表包括物品和第二物品；将所述物品推荐列表发送至所述当前用户的用户终端。第二方面，本申请实施例提供了一种物品推荐装置，包括：历史数据获取模块，用于在接收到当前用户的推荐请求时，获取当前用户的历史行为数据；向量表征模块，用于通过图表征模型确定所述历史行为数据中的第一物品和第二物品的向量表征，得到历史第一物品向量和历史第二物品向量，其中，所述第一物品和第二物品之间具有关联关系，所述图表征模型是基于第一物品和第二物品的异构图进行训练得到的；用户向量确定模块，用于根据所述历史第一物品向量和历史第二物品向量，确定所述当前用户对应的用户向量；推荐列表生成模块，用于根据所述用户向量和多个待推荐物品对应的待推荐物品向量，对多个待推荐物品进行排序，得到物品推荐列表，所述待推荐物品包括第一物品或第二物品，所述物品推荐列表包括物品和第二物品；推荐列表发送模块，用于将所述物品推荐列表发送至所述当前用户的用户终端。第三方面，本申请实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例所述的物品推荐方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时本申请实施例公开的物品推荐方法的步骤。本申请实施例提供的物品推荐方法、装置、电子设备及存储介质，通过在接收到当前用户的推荐请求时，获取当前用户的历史行为数据，通过图表征模型确定历史行为数据中的第一物品和第二物品的向量表征，得到历史第一物品向量和历史第二物品向量，根据历史第一物品向量和历史第二物品向量确定当前用户对应的用户向量，根据用户向量和多个待推荐物品对应的待推荐物品向量，对多个待推荐物品进行排序，得到物品推荐列表，由于用户向量是基于当前用户的历史行为数据中的第一物品和第二物品对应的向量得到的，同时包含了第一物品和第二物品的信息，基于用户向量和物品向量生成的物品推荐列表同时包含了第一物品和第二物品，实现了对第一物品和第二物品的联合推荐，满足了用户对第一物品和第二物品的联合需求，可以减少用户对第一物品和第二物品的搜索查找时间。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例一的物品推荐方法的流程图；图2是本申请实施例中的一个菜品和食材的异构图的示例图；图3是本申请实施例中的训练图表征模型的示意图；图4是本申请实施例二的物品推荐装置的结构示意图；图5是本申请实施例三的电子设备的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。实施例一本实施例提供的一种物品推荐方法，如图1所示，该方法包括：步骤110至步骤150。步骤110，在接收到当前用户的推荐请求时，获取当前用户的历史行为数据。当前用户使用用户终端打开第一物品项目或者第二物品项目，或者当前用户使用用户终端搜索第一物品或第二物品时，用户终端接收到当前用户的推荐请求，并将推荐请求发送至执行物品推荐方法的电子设备，所述电子设备接收到当前用户的推荐请求，这时所述电子设备从数据库中获取当前用户的历史行为数据。所述历史行为数据可以包括当前用户历史上点击或下单的第一物品和第二物品，所述历史行为数据优选是历史成单数据，这样更加符合当前用户对第一物品和第二物品的兴趣偏好。所述电子设备可以是服务器。步骤120，通过图表征模型确定所述历史行为数据中的第一物品和第二物品的向量表征，得到历史第一物品向量和历史第二物品向量，其中，所述第一物品和第二物品之间具有关联关系，所述图表征模型是基于第一物品和第二物品的异构图进行训练得到的。其中，图表征模型是一种基于深度学习的图表示模型。所述异构图是关于第一物品和第二物品的异构图，是基于第一物品和第二物品的关联关系建立的。示例性的，所述第一物品可以是菜品，所述第二物品可以是食材，关于菜品和食材的异构图是基于菜谱数据中菜品和食材的关联关系建立的。示例性的，所述第一物品还可以是运营商提供的资费套餐，第二物品可以是资费套餐内的各个单品；第一物品还可以是打包后得到的联合物品，第二物品可以是各个单品，例如，第一物品可以是护肤品套装，第二物品可以是护肤品套装中的各个单品。在通过图表征模型确定历史行为数据中的第一物品和第二物品的向量表征之前，图表征模型已通过基于第一物品和第二物品的异构图训练完成，这时可以通过训练完成的图表征模型来确定所述异构图中每一第一物品和第二物品的向量表征。为了对当前用户感兴趣的物品进行向量表示，以得到用户向量，首先对当前用户的历史行为数据中的第一物品和第二物品分别进行向量表征，这时，确定所述历史行为数据中的第一物品和第二物品在异构图中的位置，并基于第一物品和第二物品在异构图中的位置，本文档来自技高网...

【技术保护点】
1.一种物品推荐方法，其特征在于，包括：/n在接收到当前用户的推荐请求时，获取当前用户的历史行为数据；/n通过图表征模型确定所述历史行为数据中的第一物品和第二物品的向量表征，得到历史第一物品向量和历史第二物品向量，其中，所述第一物品和第二物品之间具有关联关系，所述图表征模型是基于第一物品和第二物品的异构图进行训练得到的；/n根据所述历史第一物品向量和历史第二物品向量，确定所述当前用户对应的用户向量；/n根据所述用户向量和多个待推荐物品对应的待推荐物品向量，对多个待推荐物品进行排序，得到物品推荐列表，所述待推荐物品包括第一物品或第二物品，所述物品推荐列表包括第一物品和第二物品；/n将所述物品推荐列表发送至所述当前用户的用户终端。/n

【技术特征摘要】
1.一种物品推荐方法，其特征在于，包括：
在接收到当前用户的推荐请求时，获取当前用户的历史行为数据；
通过图表征模型确定所述历史行为数据中的第一物品和第二物品的向量表征，得到历史第一物品向量和历史第二物品向量，其中，所述第一物品和第二物品之间具有关联关系，所述图表征模型是基于第一物品和第二物品的异构图进行训练得到的；
根据所述历史第一物品向量和历史第二物品向量，确定所述当前用户对应的用户向量；
根据所述用户向量和多个待推荐物品对应的待推荐物品向量，对多个待推荐物品进行排序，得到物品推荐列表，所述待推荐物品包括第一物品或第二物品，所述物品推荐列表包括第一物品和第二物品；
将所述物品推荐列表发送至所述当前用户的用户终端。


2.根据权利要求1所述的方法，其特征在于，在所述通过图表征模型确定所述历史行为数据中的第一物品和第二物品的向量表征之前，还包括：
确定第一物品和第二物品的关联关系，并确定所述关联关系的置信度；
根据所述关联关系和所述置信度，构建第一物品和第二物品的异构图；
根据所述异构图，确定训练图表征模型的正样例对，并确定与所述正样例对对应的负样例对；
根据所述正样例对和与正样例对对应的负样例对，对所述图表征模型进行训练，使得正样例对的相似度大于负样例对的相似度，得到训练完成的图表征模型。


3.根据权利要求2所述的方法，其特征在于，根据所述关联关系和所述置信度，构建第一物品和第二物品的异构图，包括：
选取所述置信度大于预设阈值的关联关系；
根据选取到的关联关系中的第一物品和第二物品，分别构建第一物品节点和第二物品节点，并将关联关系的置信度作为所述第一物品节点和第二物品节点之间的边，得到第一物品和第二物品的异构图。


4.根据权利要求2所述的方法，其特征在于，所述确定所述关联关系的置信度，包括：
在一个第一物品对应的多种关联关系组合中，分别统计该第一物品关联的每一种第二物品的威尔逊置信度，得到该第一物品与每一种第二物品的关联关系的置信度，所述关联关系组合包括第一物品与多个第二物品的关联关系，所述多个第二物品组成第一物品。


5.根据权利要求2所述的方法，其特征在于，根据所述异构图，确定训练图表征模型的正样例对，并确定与所述正样例对对应的负样例对，包括：
从所述异构图中选择一个节点，作为开始游走节点；
从所述开始游走节点开始在所述异构图中进行随机游走；
根据游走路径进行采样，得到与所述开始游走节点对应的正样例，所述开始游走节点和所述正样例组成正样例对；
根据所述正样例的节点类型，在所述异构图中具有所述节点类型的节点中进行全局负采样，得到多个负样例，...

【专利技术属性】
技术研发人员：杨林，张海超，胡懋地，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11