[发明专利]对象推荐方法及装置、电子设备及存储介质

说明书

本申请公开了一种对象推荐方法，包括：获取用户当前的搜索内容；基于用户的历史操作数据，确定待推荐的对象集合；基于搜索内容和对象的特征信息，确定对象集合中对象的用户关联度；特征信息至少包括：购买频率；根据对象的热度，确定对象的惩罚因子；其中，热度与惩罚因子负相关；基于惩罚因子和用户关联度，确定对象的匹配系数；匹配系数用于表征对象与用户需求的匹配程度；基于匹配系数，选择至少一个对象进行推荐。如此，基于用户历史数据和对象热度进行推荐，不依赖固定模型，可以抑制数据类型的限制，提高不同类型对象中的适应性，通过惩罚因子表征对象热度，得到的匹配系数可用于优先推荐热度偏低的冷门对象，适用于冷门对象推荐场景。

技术领域

本发明涉及信息技术领域，尤其涉及一种对象推荐方法及装置、电子设备及存储介质。

背景技术

在商品、服务等对象的购买场景中，存在销量小但种类较多的冷门对象由于总量巨大，导致累积起来的总收益超过主流对象的现象，称为长尾效应。目前针对长尾效应下的长尾产品推荐方案是通过利用图注意力网络进行推荐，需要利用到已经训练好的网络模型。这类方案中的模型对数据类型的依赖较强，相同网络模型在不同数据领域中得到的结果相差可能很大，导致固定模型在不同类型数据间的可迁移性和适应性较差。

发明内容

有鉴于此，本发明提供一种对象推荐方法及装置、电子设备及存储介质。

本发明的技术方案是这样实现的：

第一方面，本发明实施例提供一种对象推荐方法，包括：

获取用户当前的搜索内容；

基于所述用户的历史操作数据，确定待推荐的对象集合；

基于所述搜索内容和对象的特征信息，确定所述对象集合中对象的用户关联度；所述特征信息至少包括：购买频率；

根据所述对象的热度，确定所述对象的惩罚因子；其中，所述热度与所述惩罚因子负相关；

基于所述惩罚因子和所述用户关联度，确定所述对象的匹配系数；所述匹配系数用于表征所述对象与用户需求的匹配程度；

基于所述匹配系数，选择至少一个对象进行推荐。

进一步地，所述基于所述用户的历史操作数据，确定待推荐的对象集合，包括：

基于所述用户的历史操作数据，确定所述用户的已购买对象；

根据所述搜索内容和所述已购买对象，确定与所述搜索内容相关的对象，形成待推荐的对象集合。

进一步地，所述基于所述搜索内容和对象的特征信息，确定所述对象集合中对象的用户关联度，包括：

基于所述搜索内容，确定搜索关键词；

根据所述对象的特征信息和所述搜索关键词，确定所述对象集合中对象的用户关联度。

进一步地，所述根据所述对象的特征信息和所述搜索关键词，确定所述对象集合中对象的用户关联度，包括：

根据所述对象的特征信息和所述搜索关键词，确定所述对象与用户的匹配程度；

基于所述匹配程度的高低对所述对象集合中的对象进行排序；

对排序后的对象进行赋值，作为对象的用户关联度，其中，赋值的大小与所述对象与用户的匹配程度呈正相关。

进一步地，所述方法还包括：

根据知识图谱，确定所述搜索关键词的关联词；

所述根据所述对象的特征信息和所述搜索关键词，确定所述对象与用户的匹配程度，包括：

根据所述搜索关键词和所述关联词，以及所述对象的特征信息，确定所述对象与用户的匹配程度。

进一步地，所述基于所述惩罚因子和所述用户关联度，确定所述对象的匹配系数，包括：

确定所述惩罚因子与所述用户关联度的乘积为所述对象的匹配系数。