[发明专利]一种物品推荐方法和装置

权利要求书

1.一种物品推荐方法，其特征在于，包括：

获取业务场景数据，其中，所述业务场景数据中包含待推荐物品；

判断所述业务场景数据中是否包含种子用户，其中，所述种子用户为已经对所述待推荐物品进行操作的用户；

若是，则基于知识图谱和图神经网络算法，获取所述种子用户对应的相似用户，确定所述相似用户为可扩展用户；

若否，则基于所述知识图谱，获取所述待推荐物品对应的相似物品，确定所述相似物品对应的邻居用户为可扩展用户；

将所述待推荐物品推荐至所述可扩展用户。

2.根据权利要求1所述的方法，其特征在于，所述基于知识图谱和图神经网络算法，获取所述种子用户对应的相似用户，包括：

基于所述知识图谱对应的用户关系图，将所述种子用户作为正样本、非种子用户作为负样本，并结合用户的画像数据，利用图神经网络算法进行模型训练，获得所述种子用户对应的特征向量和所述非种子用户对应的特征向量；

根据所述种子用户对应的特征向量和所述非种子用户对应的特征向量，计算所述种子用户与所述非种子用户之间的相似值；

根据计算的所述种子用户与所述非种子用户之间的相似值，从所述非种子用户中，选择所述种子用户对应的相似用户；其中，

所述非种子用户为所述用户关系图中所述种子用户之外的用户，且所述非种子用户的数量为一个或多个。

3.根据权利要求1所述的方法，其特征在于，所述基于所述知识图谱，获取所述待推荐物品对应的相似物品，确定所述相似物品对应的邻居用户为可扩展用户，包括：

判断所述待推荐物品是否在所述知识图谱对应的用户物品关系图中；

若是，则基于所述用户物品关系图和图神经网络算法，获取所述相似物品；

若否，则基于所述用户物品关系图，并根据所述待推荐物品的特定属性标签，获取所述相似物品；

从所述用户物品关系图中，获取所述相似物品对应的邻居用户，确定所述邻居用户为所述可扩展用户。

4.根据权利要求3所述的方法，其特征在于，所述基于所述用户物品关系图和图神经网络算法，获取所述相似物品，包括：

基于所述用户物品关系图，并结合用户的画像数据和物品的属性数据，利用图神经网络算法进行模型训练，获得所述待推荐物品对应的特征向量和其他物品对应的特征向量；

根据所述待推荐物品对应的特征向量和所述其他物品对应的特征向量，计算所述待推荐物品与所述其他物品之间的相似值；

根据计算的所述待推荐物品与所述其他物品之间的相似值，从所述其他物品中，选择所述待推荐物品对应的相似物品；其中，

所述其他物品为所述用户物品关系图中所述待推荐物品之外的物品，且所述其他物品的数量为一个或多个。

5.根据权利要求3所述的方法，其特征在于，所述基于所述用户物品关系图，并根据所述待推荐物品的特定属性标签，获取所述相似物品，包括：

根据物品的属性数据，从所述用户物品关系图中，选择具有所述特定属性标签的物品，确定选择的物品为所述相似物品。

6.根据权利要求1至5任一所述的方法，其特征在于，所述知识图谱是按照如下过程构建的：

获取用户历史行为数据；

根据所述用户历史行为数据，获取用户与物品之间的关系；

根据所述用户历史行为数据中的用户订单数据，获取用户与地址之间的关系、以及物品与地址之间的关系；

根据所述用户与物品之间的关系、所述用户与地址之间的关系和所述物品与地址之间的关系，构建以用户、物品和地址为节点的知识图谱。

7.根据权利要求6所述的方法，其特征在于，在构建以用户、物品和地址为节点的知识图谱之后，所述方法还包括：

将用户的画像数据添加至所述知识图谱中，以及，将物品的属性数据添加至所述知识图谱中。