一种物品推荐方法和装置制造方法及图纸

本发明专利技术公开了一种物品推荐方法和装置，涉及深度学习技术领域。该方法的一具体实施方式包括：根据各个历史用户的行为序列生成所述各个历史用户的物品序列和时间序列，从而根据所述各个历史用户的物品序列和时间序列构建有向图；基于所述有向图中的边权重对所述有向图中的边进行裁剪，得到优化有向图；基于所述优化有向图生成各个节点的向量，计算所述各个节点对应的物品之间的相似度，从而筛选出所述各个物品的相似物品；根据所述各个物品的相似物品向目标用户推送物品推荐列表。该实施方式能够解决推荐结果的准确性不够高的技术问题。够解决推荐结果的准确性不够高的技术问题。够解决推荐结果的准确性不够高的技术问题。

【技术实现步骤摘要】
一种物品推荐方法和装置


[0001]本专利技术涉及深度学习
，尤其涉及一种物品推荐方法和装置。

技术介绍

[0002]现有系统一般根据类目匹配、产品词匹配等方式向用户推荐相似物品，但由于同一个类目/产品词下物品众多，如果不区分物品之间的相似关系无法将最相似的物品推荐给用户。
[0003]在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：
[0004]传统召回算法有其简单、可解释性强的优点，但是也有自身的局限性。协同过滤和矩阵分解都没有加入用户、物品和上下文相关的特征，也没有考虑用户行为之间的相关性。目前的embedding算法(如word2vec，item2vec等序列模型)捕捉的是用户行为序列之间的相关性，忽略了图网络结构中节点之间的关系，也未考虑点击的时间间隔对边权重影响，同时忽略了非相邻点击的关系，导致推荐结果的准确性不够高。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供一种物品推荐方法和装置，以解决推荐结果的准确性不够高的技术问题。
[0006]为实现上述目的，根据本专利技术实施例的一个方面，提供了一种物品推荐方法，包括：
[0007]根据各个历史用户的行为序列生成所述各个历史用户的物品序列和时间序列，从而根据所述各个历史用户的物品序列和时间序列构建有向图；其中，所述行为序列中的元素表示用户行为指向的物品，所述时间序列中的元素表示物品的用户行为发生时间，所述有向图中的节点表示所述物品序列中的物品，边方向表示两个邻接节点对应的物品在所述物品序列中的先后顺序，边权重表示两个邻接节点对应的物品的用户行为发生时间间隔；
[0008]基于所述有向图中的边权重对所述有向图中的边进行裁剪，得到优化有向图；
[0009]基于所述优化有向图生成各个节点的向量，计算所述各个节点对应的物品之间的相似度，从而筛选出所述各个物品的相似物品；
[0010]根据所述各个物品的相似物品向目标用户推送物品推荐列表。
[0011]可选地，根据所述各个历史用户的物品序列和时间序列构建有向图，包括：
[0012]对于每个历史用户，根据所述历史用户的物品序列和时间序列确定各个边的邻接节点以及计算所述各个边的权重；
[0013]将相同的边的权重累加；
[0014]根据所述各个边的邻接节点和所述各个边的权重构建有向图。
[0015]可选地，根据所述历史用户的物品序列和时间序列确定各个边的邻接节点以及计算所述各个边的权重，包括：
[0016]根据所述历史用户的物品序列确定各个边的邻接节点；
[0017]根据所述历史用户的时间序列并采用时间衰减方式，计算所述各个边的权重；
[0018]其中，所述两个邻接节点对应的物品在所述时间序列中的用户行为时间间隔越小，所述边权重越大，所述两个邻接节点对应的物品在所述时间序列中的用户行为时间间隔越大，所述边权重越小。
[0019]可选地，根据所述历史用户的时间序列并采用时间衰减方式，计算所述各个边的权重，包括：
[0020]采用以下公式计算所述各个边的权重：
[0021][0022]其中，v
i
、v
j
表示节点i和节点j，t
i
、t
j
表示节点i和节点j对应的物品的用户行为发生时间。
[0023]可选地，基于所述有向图中的边权重对所述有向图中的边进行裁剪，得到优化有向图，包括：
[0024]对所述有向图中的各个边的权重进行排序，过滤掉权重排序靠后的边或者权重小于权重阈值的边；
[0025]或者，
[0026]基于节点的各个邻接边权重，计算所述节点的各个邻接边权重与节点出度的比值，过滤掉邻接边权重与节点出度的比值小于比例阈值的邻接边。
[0027]可选地，基于所述优化有向图生成各个节点的向量，计算所述各个节点对应的物品之间的相似度，包括：
[0028]对所述优化有向图进行随机游走，生成随机游走序列；
[0029]根据所述随机游走序列生成各个节点的向量；
[0030]根据所述各个节点的向量计算各个节点之间的相似度，从而得到所述各个节点对应的物品之间的相似度。
[0031]可选地，对所述优化有向图进行随机游走，生成随机游走序列，包括：
[0032]基于哈希将所述优化有向图划分为多个子图；
[0033]分别对所述多个子图进行随机游走，从而生成随机游走序列。
[0034]可选地，基于哈希将所述优化有向图划分为多个子图，包括：
[0035]分别对所述优化有向图的各个边分配随机数；
[0036]采用哈希函数对所述各个边对应的随机数进行计算，分别得到所述各个边的哈希键；
[0037]将哈希键相同的边分配至同一个计算节点，以使所述哈希键相同的边生成一个子图。
[0038]可选地，分别对所述多个子图进行随机游走，从而生成随机游走序列，包括：
[0039]对于每个计算节点，执行node2vec操作，以对分配至所述计算节点的边生成的子图进行随机游走，从而生成随机游走序列。
[0040]可选地，根据所述随机游走序列生成各个节点的向量，包括：
[0041]将所述随机游走序列输入到词向量模型中，以输出各个节点的向量。
[0042]可选地，筛选出所述各个物品的相似物品，包括：
[0043]对于每个物品，根据所述物品与其他物品之间的相似度，筛选出与所述物品同类目的近似物品和/或与所述物品跨类目的相关物品。
[0044]可选地，根据所述各个物品的相似物品向目标用户推送物品推荐列表，包括：
[0045]根据目标用户的近期浏览记录确定各个近期浏览物品的感兴趣权重；其中，所述各个近期浏览物品的感兴趣权重按照时间衰减方式依次下降；
[0046]根据所述各个近期浏览物品对应的相似物品的相似度和感兴趣权重，分别计算所述各个近期浏览物品对应的相似物品的推荐分数；
[0047]筛选出排序靠前的相似物品或者推荐分数大于等于分数阈值的相似物品作为推荐物品，从而向所述目标用户推送物品推荐列表。
[0048]另外，根据本专利技术实施例的另一个方面，提供了一种物品推荐装置，包括：
[0049]构建模块，用于根据各个历史用户的行为序列生成所述各个历史用户的物品序列和时间序列，从而根据所述各个历史用户的物品序列和时间序列构建有向图；其中，所述行为序列中的元素表示用户行为指向的物品，所述时间序列中的元素表示物品的用户行为发生时间，所述有向图中的节点表示所述物品序列中的物品，边方向表示两个邻接节点对应的物品在所述物品序列中的先后顺序，边权重表示两个邻接节点对应的物品的用户行为发生时间间隔；
[0050]裁剪模块，用于基于所述有向图中的边权重对所述有向图中的边进行裁剪，得到优化有向图；
[0051]计算模块，用于基于所述优化有向图生成各个节点的向量，计算所述各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物品推荐方法，其特征在于，包括：根据各个历史用户的行为序列生成所述各个历史用户的物品序列和时间序列，从而根据所述各个历史用户的物品序列和时间序列构建有向图；其中，所述行为序列中的元素表示用户行为指向的物品，所述时间序列中的元素表示物品的用户行为发生时间，所述有向图中的节点表示所述物品序列中的物品，边方向表示两个邻接节点对应的物品在所述物品序列中的先后顺序，边权重表示两个邻接节点对应的物品的用户行为发生时间间隔；基于所述有向图中的边权重对所述有向图中的边进行裁剪，得到优化有向图；基于所述优化有向图生成各个节点的向量，计算所述各个节点对应的物品之间的相似度，从而筛选出所述各个物品的相似物品；根据所述各个物品的相似物品向目标用户推送物品推荐列表。2.根据权利要求1所述的方法，其特征在于，根据所述各个历史用户的物品序列和时间序列构建有向图，包括：对于每个历史用户，根据所述历史用户的物品序列和时间序列确定各个边的邻接节点以及计算所述各个边的权重；将相同的边的权重累加；根据所述各个边的邻接节点和所述各个边的权重构建有向图。3.根据权利要求2所述的方法，其特征在于，根据所述历史用户的物品序列和时间序列确定各个边的邻接节点以及计算所述各个边的权重，包括：根据所述历史用户的物品序列确定各个边的邻接节点；根据所述历史用户的时间序列并采用时间衰减方式，计算所述各个边的权重；其中，所述两个邻接节点对应的物品在所述时间序列中的用户行为时间间隔越小，所述边权重越大，所述两个邻接节点对应的物品在所述时间序列中的用户行为时间间隔越大，所述边权重越小。4.根据权利要求3所述的方法，其特征在于，根据所述历史用户的时间序列并采用时间衰减方式，计算所述各个边的权重，包括：采用以下公式计算所述各个边的权重：其中，v
i
、v
j
表示节点i和节点j，t
i
、t
j
表示节点i和节点j对应的物品的用户行为发生时间。5.根据权利要求1所述的方法，其特征在于，基于所述有向图中的边权重对所述有向图中的边进行裁剪，得到优化有向图，包括：对所述有向图中的各个边的权重进行排序，过滤掉权重排序靠后的边或者权重小于权重阈值的边；或者，基于节点的各个邻接边权重，计算所述节点的各个邻接边权重与节点出度的比值，过滤掉邻接边权重与节点出度的比值小于比例阈值的邻接边。6.根据权利要求1所述的方法，其特征在于，基于所述优化有向图生成各个节点的向
量，计算所述各个节点对应的物品之间的相似度，包括：对所述优化有向图进行随机游走，生成随机游走序列；根据所述随机游走序列生成各个节点的向量；根据所述各个节点的向量计算各个节点之间的相似度，从而得到所述各个节点对应的物品之间的相似度。7.根据权利要求6所述的方法，其特征在于，对所述优化有向图进行随机游走，生成随机游走序列，包括：基于哈希将所述优化有向图划...

【专利技术属性】
技术研发人员：王永杰，张乐中，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：