[发明专利]推荐系统召回的方法及装置

权利要求书

1.一种推荐系统召回的方法，其特征在于，包括：

对用户特征进行离散化和向量化处理，得到用户特征的多个用户离散特征向量；将用户特征的多个用户离散特征向量，输入到多层全连接神经网络，得到用户特征的深度学习输出向量；对用户特征的多个用户离散特征向量进行向量累加，得到用户特征的线性输出向量；对用户特征的深度学习输出向量和线性输出向量进行向量拼接，得到用户特征的输出总向量；

对项目特征进行离散化和向量化处理，得到项目特征的多个项目离散特征向量；将项目特征的多个项目离散特征向量，输入到多层全连接神经网络，得到项目特征的深度学习输出向量；对项目特征的多个项目离散特征向量进行向量累加，得到项目特征的线性输出向量；对项目特征的深度学习输出向量和线性输出向量进行向量拼接，得到项目特征的输出总向量；

将用户特征的输出总向量和项目特征的输出总向量，进行点积相乘，得到用户特征与项目特征之间匹配度的计算模型；

将召回目标用户的用户特征和召回目标项目的项目特征，输入到所述计算模型，得到召回目标用户的用户特征与召回目标项目的项目特征之间的匹配度；

根据召回目标用户的用户特征与召回目标项目的项目特征之间的匹配度，进行召回操作。

2.如权利要求1所述的方法，其特征在于，按如下公式对用户特征的多个用户离散特征向量进行向量累加，得到用户特征的线性输出向量：

其中，U_FM表示用户特征的线性输出向量；U_i表示第i个用户离散特征向量；m表示用户离散特征向量的数量。

3.如权利要求1所述的方法，其特征在于，按如下公式对项目特征的多个项目离散特征向量进行向量累加，得到项目特征的线性输出向量：

其中，I_FM表示项目特征的线性输出向量；I_j表示第j个项目离散特征向量；n表示项目离散特征向量的数量。

4.如权利要求1所述的方法，其特征在于，按如下公式对用户特征的深度学习输出向量和线性输出向量进行向量拼接，得到用户特征的输出总向量：

其中，U_FM表示用户特征的线性输出向量；U_Deep表示用户特征的深度学习输出向量；U表示用户特征的输出总向量；表示向量拼接操作。

5.如权利要求1所述的方法，其特征在于，按如下公式对项目特征的深度学习输出向量和线性输出向量进行向量拼接，得到项目特征的输出总向量：

其中，I_FM表示项目特征的线性输出向量；I_Deep表示项目特征的深度学习输出向量；I分别表示项目特征的输出总向量；表示向量拼接操作。

6.如权利要求1所述的方法，其特征在于，按如下公式将用户特征的输出总向量和项目特征的输出总向量，进行点积相乘，得到用户特征与项目特征之间匹配度的计算模型：

其中，Score表示用户特征与项目特征之间的匹配度的计算模型；U_i和I_i分别表示第i个用户离散特征向量和第j个项目离散特征向量；m和n分别表示用户离散特征向量和项目离散特征向量的数量；其中，U_FM和I_FM分别表示用户特征的线性输出向量和项目特征的线性输出向量，U_Deep和I_Deep分别表示用户特征的深度学习输出向量和项目特征的深度学习输出向量，U和I分别表示用户特征的输出总向量和项目特征的输出总向量，表示向量拼接操作；其中，U_i和I_j分别表示第i个用户离散特征向量和第j个项目离散特征向量。