[发明专利]产品推荐方法、装置、介质及电子设备

说明书

本公开涉及人工智能和大数据领域，揭示了一种产品推荐方法、装置、介质及电子设备。该方法包括：在关系知识图谱中遍历，得到多类关系路径；获取各类关系路径包括的关系路径的数量；根据关系路径的数量，构建与各类关系路径对应的矩阵；对与各类关系路径对应的矩阵进行调整，得到调整后矩阵；对调整后矩阵进行拼接，得到拼接矩阵；根据拼接矩阵对模型进行训练，得到产品推荐模型，并对初始权重值进行调整，得到最终权重值；基于产品推荐模型向目标用户推荐目标产品；根据关系路径的数量和各类关系路径对应的最终权重值，确定目标类关系路径；基于目标类关系路径对应的原因信息，输出推荐理由。此方法可实现精准推荐，使推荐结果具有可解释性。

技术领域

本公开涉及人工智能和大数据技术领域，特别涉及一种产品推荐方法、装置、介质及电子设备。

背景技术

推荐系统是先进互联网中不可或缺的重要技术。因为互联网时代信息产生的速度爆炸性增长，靠用户自己去检索来获取信息的效率十分低下，所以效果好的推荐系统可以大大提升用户获取信息的效率，也可以为内容平台带来更高的收益。知识图谱的图结构中隐藏着丰富的信息，传统的基于协同过滤等方式的推荐系统往往不能挖掘出其中的信息，因此推荐精准度较低，推荐效果十分有限。

发明内容

在人工智能和大数据技术领域，为了解决上述技术问题，本公开的目的在于提供一种产品推荐方法、装置、介质及电子设备。

根据本公开的一方面，提供了一种产品推荐方法，所述方法包括：

在用户与产品的关系知识图谱中进行遍历，得到与各个用户和产品对相对应的多类关系路径，其中，每一类关系路径包括至少一条关系路径；

针对所述每一类关系路径，进行路径计数，得到各类关系路径所包括的关系路径的数量；

根据各类关系路径所包括的关系路径的数量，构建与各类关系路径相对应的矩阵；

根据与各类关系路径对应的初始权重值，对与各类关系路径相对应的矩阵内的元素进行调整，得到调整后矩阵；

对各类关系路径对应的调整后矩阵进行拼接，得到拼接矩阵；

根据所述拼接矩阵对神经网络模型进行训练，得到产品推荐模型，并对与各类关系路径对应的初始权重值进行调整，得到最终权重值；

基于所述产品推荐模型向目标用户推荐目标产品；

根据所述目标用户与所述目标产品所对应的各类关系路径所包括的关系路径的数量和各类关系路径对应的最终权重值，确定目标类关系路径；

基于所述目标类关系路径对应的原因信息，生成推荐理由，并将所述推荐理由输出。

根据本公开的另一方面，提供了一种产品推荐装置，所述装置包括：

遍历模块，被配置为在用户与产品的关系知识图谱中进行遍历，得到与各个用户和产品对相对应的多类关系路径，其中，每一类关系路径包括至少一条关系路径；

计数模块，被配置为针对所述每一类关系路径，进行路径计数，得到各类关系路径所包括的关系路径的数量；

构建模块，被配置为根据各类关系路径所包括的关系路径的数量，构建与各类关系路径相对应的矩阵；

矩阵调整模块，被配置为根据与各类关系路径对应的初始权重值，对与各类关系路径相对应的矩阵内的元素进行调整，得到调整后矩阵；

拼接模块，被配置为对各类关系路径对应的调整后矩阵进行拼接，得到拼接矩阵；

训练和调整模块，被配置为根据所述拼接矩阵对神经网络模型进行训练，得到产品推荐模型，并对与各类关系路径对应的初始权重值进行调整，得到最终权重值；