[发明专利]一种物品推荐方法和装置

说明书

本发明公开了一种物品推荐方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取业务场景数据，其中，业务场景数据中包含待推荐物品；判断业务场景数据中是否包含种子用户，其中，种子用户为已经对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，获取种子用户对应的相似用户，确定相似用户为可扩展用户；若否，则基于知识图谱，获取待推荐物品对应的相似物品，确定相似物品对应的邻居用户为可扩展用户；将待推荐物品推荐至可扩展用户。该实施方式对于有种子用户的业务场景和无种子用户的业务场景，能够采用不同的方式确定可扩展人群，提升物品推荐的准确性，商家和用户的体验较好。

技术领域

本发明涉及计算机技术领域，尤其涉及一种物品推荐方法和装置。

背景技术

随着线上购物平台的不断发展，物品推荐系统成为电子商务中的重要组成部分。在物品推荐的过程中，将对某物品感兴趣的用户称为种子用户，通过种子用户进行人群扩展，获得可扩展用户，向可扩展用户推荐该物品。现有技术，可以采用判别式模型和图标签传播方法进行人群扩展。

但是，判别式模型和图标签传播方法适用于有种子用户的情况。在种子用户很少或者无种子用户的情况下，需要依赖人工规则来构建正负样本，会带来噪声问题，导致扩展人群不足或不准确，降低物品推荐的准确性，并且带给商家和用户不好的体验。以及，现有技术没有充分利用物品以及用户之间丰富的关联关系。

发明内容

有鉴于此，本发明实施例提供一种物品推荐方法和装置，对于有种子用户的业务场景和无种子用户的业务场景，能够采用不同的方式确定可扩展人群，提升物品推荐的准确性，商家和用户的体验较好。

为实现上述目的，根据本发明实施例的一个方面，提供了一种物品推荐方法。

本发明实施例的一种物品推荐方法，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。

可选地，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。

可选地，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。

可选地，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。