[发明专利]一种物品选取方法、装置、终端设备及存储介质

权利要求书

1.一种物品选取方法，其特征在于，包括：

获取候选物品，根据所述候选物品的点击序列生成各所述候选物品的第一特征向量，根据所述候选物品的标题生成各所述候选物品的第二特征向量；

从所述候选物品中确定样本物品，根据所述样本物品的第一特征向量和第二特征向量对选取模型进行训练；

将所述候选物品中除所述样本物品外的物品作为待选取物品，将所述待选取物品的第一特征向量和第二特征向量输入训练完成的选取模型；

根据训练完成的选取模型的输出物品和所述样本物品，确定目标物品。

2.根据权利要求1所述的方法，其特征在于，所述获取候选物品，包括：

根据第一预设时段内，与包含热点词的搜索词对应的搜索结果中被点击的物品，确定热点物品；

针对各物品品类，确定包含的热点物品的数量与品类总数量的第一比值，和/或，确定包含的热点物品的销量与品类总数量的第二比值；

根据所述第一比值和/或所述第二比值，从各所述物品品类中筛选出候选品类，并将所述候选品类下的物品作为候选物品。

3.根据权利要求1所述的方法，其特征在于，所述根据所述候选物品的点击序列生成各所述候选物品的第一特征向量，包括：

获取第二预设时段内各用户端对所述候选物品的点击序列；

根据各所述点击序列构建物品知识图谱，并基于所述物品知识图谱确定样本点击流；

基于第一向量模型，根据所述样本点击流生成各所述候选物品的第一特征向量。

4.根据权利要求1所述的方法，其特征在于，所述根据所述候选物品的标题生成各所述候选物品的第二特征向量，包括：

将各所述候选物品的标题进行预处理，得到重构标题；

基于第二向量模型，根据各所述重构标题生成各所述候选物品的第二特征向量。

5.根据权利要求1所述的方法，其特征在于，所述从所述候选物品中确定样本物品，包括：

从所述候选物品中确定第一样本物品，其中所述第一样本物品的被点击次数高于第一阈值；

从所述候选物品中确定第二样本物品，其中所述第二样本物品在历史热点时段内销量高于第二阈值。

6.根据权利要求5所述的方法，其特征在于，所述根据所述样本物品的第一特征向量和第二特征向量对选取模型进行训练，包括：

将所述样本物品划分为训练样本和测试样本；

利用所述训练样本的第一特征向量和第二特征向量对所述选取模型进行初始训练，且所述训练样本中第一样本物品的训练权重高于第二样本物品；

利用所述测试样本的第一特征向量和第二特征向量对初始训练完成的选取模型进行测试，并于测试通过时确定所述选取模型训练完成。

7.根据权利要求1所述的方法，其特征在于，还包括：

根据所述候选物品的下述至少一项数据，确定所述候选物品的第三特征向量：所属价格区间、好评率和同品类物品的销量；

相应的，所述根据所述样本物品的第一特征向量和第二特征向量对选取模型进行训练，包括：根据所述样本物品的第一特征向量、第二特征向量和第三特征向量对选取模型进行训练；

所述将所述待选取物品的第一特征向量和第二特征向量输入训练完成的选取模型，包括：将所述待选取物品的第一特征向量、第二特征向量和第三特征向量输入训练完成的选取模型。

8.一种物品选取装置，其特征在于，包括：

特征生成模块，用于获取候选物品，根据所述候选物品的点击序列生成各所述候选物品的第一特征向量，根据所述候选物品的标题生成各所述候选物品的第二特征向量；

模型训练模块，用于从所述候选物品中确定样本物品，根据所述样本物品的第一特征向量和第二特征向量对选取模型进行训练；

模型应用模块，用于将所述候选物品中除所述样本物品外的物品作为待选取物品，将所述待选取物品的第一特征向量和第二特征向量输入训练完成的选取模型；

选取模块，用于根据训练完成的选取模型的输出物品和所述样本物品，确定目标物品。