[发明专利]一种产品的推荐方法、装置、电子设备及其存储介质

说明书

本发明公开了一种产品的推荐方法、装置、电子设备及其存储介质。方法包含：获取交易对象的对象信息、多个候选产品的产品信息和交易对象与产品的交互信息；对交易对象的对象信息、多个候选产品的产品信息和交易对象与产品的交互信息进行特征提取，得到目标特征信息；获取交易对象对各候选产品的关注权重，并基于各候选产品对应的关注权重和目标特征信息确定推荐结果。本发明采用改进的PNN网络结合注意力机制，与传统机器学习FFM算法进行融合得到推荐结果，并对推荐结果加入权重策略，获取最终的目标推荐结果，使得推荐出来的产品更能够满足客户的需求。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种产品的推荐方法、装置、电子设备及其存储介质。

背景技术

当今社会互联网的快速发展给我们带来便利的同时，还给人们带来一种信息负载严重的难题，推荐系统的出现是解决这个信息过载难题的有效方法。

目前，推荐系统一般采用基于传统的机器学习推荐算法和深度学习推荐算法，但目前的推荐系统筛选出的信息多而且杂乱，并不能实现产品精准化推荐，使得推荐系统推荐出来的产品无法满足用户的需求。

发明内容

本发明提供一种产品的推荐方法、装置、电子设备及其存储介质，解决了推荐结果不准确的问题。

根据本发明的一方面，提供了一种产品的推荐方法，包括：

获取交易对象的对象信息、多个候选产品的产品信息和交易对象与产品的交互信息；

对交易对象的对象信息、多个候选产品的产品信息和交易对象与产品的交互信息进行特征提取，得到目标特征信息；

获取交易对象对各候选产品的关注权重，并基于各候选产品对应的关注权重和目标特征信息确定推荐结果。

可选的，对交易对象的对象信息、多个候选产品的产品信息和交易对象与产品的交互信息进行特征提取，得到目标特征信息，包括：

基于第一特征提取模块对交易对象的对象信息、多个候选产品的产品信息和交易对象与产品的交互信息进行特征提取，得到第一特征信息；

基于第二特征提取模块对多个候选产品的产品信息和交易对象与产品的交互信息进行特征提取，得到第二特征信息；

基于特征拼接模块对第一特征信息和第二特征信息进行特征拼接，得到目标特征信息。

可选的，第一特征提取模块包括：第一特征提取单元、第二特征提取单元、注意力单元、特征拼接单元和第三特征提取单元；

基于第一特征提取模块对交易对象的对象信息、多个候选产品的产品信息和交易对象与产品的交互信息进行特征提取，得到第一特征信息，包括：

将交易对象的对象信息输入至第一特征提取单元，得到对象特征信息；

将多个候选产品的产品信息和交易对象与产品的交互信息输入到第二特征提取单元，得到产品特征信息；

将产品特征信息输入至注意力单元，得到注意力特征信息；

将对象特征信息和注意力特征信息进行特征拼接处理，得到第一拼接特征信息；

将第一拼接特征信息输入至第三特征提取单元，得到第一特征信息。

可选的，第一特征提取模块还包括：特征乘积单元，分别与第一特征提取单元、第二特征提取单元、注意力单元连接；

方法还包括：

将对象特征信息和产品特征信息进行拼接，得到第二拼接特征信息，将第二拼接特征信息与注意力特征信息输入至特征乘积单元进行乘积处理，得到交互特征信息；