[发明专利]物品信息推荐方法、装置和电子设备

权利要求书

1.一种物品信息推荐方法，其特征在于，包括：

获取多个待推荐物品信息；

将用户信息和多个所述待推荐物品信息输入推荐模型，输出物品分数；

根据所述物品分数确定目标推荐物品信息；

其中，所述推荐模型是根据初始推荐模型的第一损失值和基于所述初始推荐模型的自监督任务的第二损失值对所述初始推荐模型进行优化得到；

所述初始推荐模型包括预训练语言模型和物品深度神经网络，所述初始推荐模型的自监督任务包括通过训练样本集合对所述预训练语言模型和所述物品深度神经网络进行自监督学习。

2.根据权利要求1所述的物品信息推荐方法，其特征在于，所述初始推荐模型由双塔结构和二分类网络组成，所述双塔结构的左塔包括用户深度神经网络和预训练语言模型，所述双塔结构的右塔包括所述预训练语言模型和物品深度神经网络；

所述根据初始推荐模型的第一损失值和基于所述初始推荐模型的自监督任务的第二损失值对所述初始推荐模型进行优化，包括：

根据所述第一损失值和所述第二损失值，计算第三损失值；

在所述第三损失值未达到预设阈值时，调整所述用户深度神经网络、所述预训练语言模型、所述物品深度神经网络和所述二分类网络的模型参数，并继续执行得到第一损失值和第二损失值的步骤；

在所述第三损失值达到预设阈值时，确定所述初始推荐模型为所述推荐模型。

3.根据权利要求2所述的物品信息推荐方法，其特征在于，所述初始推荐模型的第一损失值是通过如下步骤得到，包括：

构建主任务数据集，所述主任务数据集的主任务数据均具有主任务数据标签，所述主任务数据包括用户特征数据、用户查询数据、物品标题数据和物品特征数据；

将所述用户特征数据、所述用户查询数据、所述物品标题数据和所述物品特征数据按照预设规则输入至所述用户深度神经网络、所述预训练语言模型和所述物品深度神经网络，并根据输出结果确定交互信息向量；

将所述交互信息向量输入所述二分类网络，输出分类结果；

根据所述分类结果和所述主任务数据标签计算第一损失值。

4.根据权利要求3所述的物品信息推荐方法，其特征在于，所述物品标题数据包括第一物品标题数据和第二物品标题数据，所述物品特征数据包括第一物品特征数据和第二物品特征数据；

所述构建主任务数据集的步骤，包括：

获取满足预设条件的第一主任务数据，并设置所述第一主任务数据的主任务数据标签为正样本，所述第一主任务数据包括所述用户特征数据、所述用户查询数据、所述第一物品标题数据和所述第一物品特征数据；

根据所述第一主任务数据确定满足预设条件的第二主任务数据，并设置所述第二主任务数据的主任务数据标签为负样本，所述第二主任务数据包括所述用户特征数据、所述用户查询数据、所述第二物品标题数据和所述第二物品特征数据；

根据所述第一主任务数据、所述第二主任务数据和对应的主任务数据标签生成所述主任务数据集。

5.根据权利要求4所述的物品信息推荐方法，其特征在于，所述第二主任务数据包括常规样本数据和难样本数据；

所述根据所述第一主任务数据确定满足预设条件的第二主任务数据，并设置所述第二主任务数据的主任务数据标签为负样本的步骤，包括：

根据所述第一物品特征数据和所述第一物品标题数据确定第一物品种类；

确定与所述第一物品种类一致的物品对应的常规样本第二物品标题数据和常规样本第二物品特征数据；

根据所述用户特征数据、所述用户查询数据、所述常规样本第二物品标题数据和所述常规样本第二物品特征数据生成所述主任务数据标签为负样本的常规样本数据；

确定与所述第一物品标题数据文字相似度达到预设阈值范围的难样本第二物品标题数据和对应的难样本第二物品特征数据；

根据所述用户特征数据、所述用户查询数据、所述难样本第二物品标题数据和所述难样本第二物品特征数据生成所述主任务数据标签为负样本的难样本数据。