[发明专利]一种物品推荐的方法、装置、设备及存储介质

权利要求书

1.一种物品推荐方法，其特征在于，包括：

将用户信息和待推荐物品的属性信息输入到预先训练的深度神经网络模型中，确定所述待推荐物品的模型分数；

根据所述待推荐物品的热度类型和/或所述待推荐物品的属性信息，确定所述待推荐物品的修正分数；

根据所述待推荐物品的模型分数和所述修正分数，从所述待推荐物品中为所述用户选择目标物品。

2.根据权利要求1所述的方法，其特征在于，根据所述待推荐物品的热度类型和所述待推荐物品的属性信息，确定所述待推荐物品的修正分数，包括：

根据所述待推荐物品的热度类型，确定所述待推荐物品的召回分数；

根据所述待推荐物品的属性信息，确定所述待推荐物品的打压分数；

根据所述待推荐物品的召回分数和所述打压分数，确定所述待推荐物品的修正分数。

3.根据权利要求2所述的方法，其特征在于，根据所述待推荐物品的热度类型，确定所述待推荐物品的召回分数，包括：

根据待推荐物品的热度类型，确定所述候选物品数据表所属的目标召回数据表；其中，所述热度类型由所述待推荐物品的点击量和点击时间确定；

根据所述目标召回数据表，确定所述待推荐物品的召回分数。

4.根据权利要求2所述的方法，其特征在于，根据所述待推荐物品的属性信息，确定所述待推荐物品的打压分数，包括：

若根据所述待推荐物品的属性信息，确定所述待推荐物品属于库存不足数据表，则根据所述待推荐物品的库存量确定所述待推荐物品的库存打压分数。

5.根据权利要求2所述的方法，其特征在于，根据所述待推荐物品的属性信息，确定所述待推荐物品的打压分数，包括：

若根据所述待推荐物品的属性信息，确定所述待推荐物品属于黑名单数据表，则根据所述待推荐物品的评分确定所述待推荐物品的评分打压分数。

6.一种物品推荐装置，其特征在于，包括：

模型分数确定模块，用于将用户信息和待推荐物品的属性信息输入到预先训练的深度神经网络模型中，确定所述待推荐物品的模型分数；

修正分数确定模块，用于根据所述待推荐物品的热度类型和/或所述待推荐物品的属性信息，确定所述待推荐物品的修正分数；

目标物品选择模块，用于根据所述待推荐物品的模型分数和所述修正分数，从所述待推荐物品中为所述用户选择目标物品。

7.根据权利要求6所述的装置，其特征在于，所述修正分数确定模块，包括：

召回分数确定单元，用于根据所述待推荐物品的热度类型，确定所述待推荐物品的召回分数；

打压分数确定单元，用于根据所述待推荐物品的属性信息，确定所述待推荐物品的打压分数；

修正分数获得单元，用于根据所述待推荐物品的召回分数和所述打压分数，确定所述待推荐物品的修正分数。

8.根据权利要求7所述的装置，其特征在于，所述召回分数确定单元，具体用于：

根据待推荐物品的热度类型，确定所述候选物品数据表所属的目标召回数据表；其中，所述热度类型由所述待推荐物品的点击量和点击时间确定；

根据所述目标召回数据表，确定所述待推荐物品的召回分数。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5中任一所述的物品推荐方法。

10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-5中任一所述的物品推荐方法。