[发明专利]用于基于FastText模型向用户推荐商品的方法、装置、电子设备及存储介质

权利要求书

1.一种用于基于FastText模型向用户推荐商品的方法，包括：

将所述用户正在浏览的第一商品的商品向量和特征向量组合为最终向量；以及

利用相似度算法根据所述最终向量确定与所述第一商品相似的多个推荐商品，

其中，所述商品向量是利用FastText模型中的Word2Vec模块，根据与所述第一商品相关的一个或多个商品浏览序列生成的；以及

所述特征向量是利用FastText模型中的Ngrams模块，根据与所述第一商品相关的特征信息生成的。

2.根据权利要求1所述的方法，其中，所述特征信息包括标题信息和属性信息。

3.根据权利要求2所述的方法，其中，所述特征向量是利用FastText模型中的Ngrams模块，根据与所述第一商品相关的特征信息，通过以下操作生成的：

根据所述特征信息中的标题信息和属性信息分别确定与所述标题信息相对应的一个或多个标题向量和与所述属性信息相对应的一个或多个属性向量；以及

用所述一个或多个标题向量和所述一个或多个属性向量的组合来生成所述第一商品的特征向量。

4.根据权利要求1所述的方法，其中，所述相似度算法包括余弦相似度算法和皮尔逊相似度算法。

5.根据权利要求1所述的方法，其中，利用相似度算法根据所述最终向量确定与所述第一商品相似的多个推荐商品包括：

利用所述相似度算法确定与所述最终向量相似的多个向量；以及

确定与所述多个向量相对应的多个推荐商品。

6.根据权利要求1所述的方法，其中，所述商品向量是利用FastText模型中的Word2Vec模块，根据与所述第一商品相关的一个或多个商品浏览序列，通过以下操作生成的：

根据所述一个或多个商品浏览序列确定所述第一商品的上下文关系；以及

根据所述上下文关系来生成所述第一商品的商品向量。

7.一种基于FastText模型获取特征向量的方法，包括：

利用FastText模型中的Ngrams模块根据与用户正在浏览的第一商品相关的特征信息生成与所述特征信息相对应的多个向量；以及

用所述多个向量的组合生成所述第一商品的特征向量。

8.根据权利要求7所述的方法，其中，所述特征信息包括标题信息和属性信息。

9.根据权利要求8所述的方法，其中，利用FastText模型中的Ngrams模块根据与用户正在浏览的第一商品相关的特征信息生成与所述特征信息相对应的多个向量包括：

利用FastText模型中的Ngrams模块根据所述特征信息中的标题信息和属性信息分别生成与所述标题信息相对应的一个或多个标题向量和与所述属性信息相对应的一个或多个属性向量作为与所述特征信息相对应的多个向量。

10.一种用于基于FastText模型向用户推荐商品的装置，包括：

组合模块，被配置为将所述用户正在浏览的第一商品的商品向量和特征向量组合为最终向量；以及

确定模块，被配置为利用相似度算法根据所述最终向量确定与所述第一商品相似的多个推荐商品，

其中，所述商品向量是利用FastText模型中的Word2Vec模块，根据与所述第一商品相关的一个或多个商品浏览序列生成的；以及

所述特征向量是利用FastText模型中的Ngrams模块，根据与所述第一商品相关的特征信息生成的。

11.根据权利要求10所述的装置，其中，所述特征信息包括标题信息和属性信息。