[发明专利]一种推荐方法及相关装置

说明书

一种推荐方法，可以应用于人工智能领域，包括：获取第一特征表示、第二特征表示以及目标信息；第一特征表示和第二特征表示分别对应于用户和物品的属性信息，第一物品为目标供应商提供的物品，目标信息与目标供应商历史上的物品曝光数量有关；根据第一特征表示以及第二特征表示，得到第一推荐分数；根据目标信息，更新推荐分数，得到更新后的第一推荐分数；更新后的第一推荐分数与目标供应商的物品曝光数量负相关；第一推荐分数用于向第一用户进行物品推荐。本申请通过表示供应商的物品曝光数量的信息(目标信息)来调整推荐分数，在每次推荐之后更新目标信息用于下一次推荐过程使用，在考虑供应商的公平性的情况下，实现了在线推荐。

技术领域

本申请涉及人工智能领域，尤其涉及一种推荐方法及相关装置。

背景技术

人工智能(artificialintelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

出于社会和经济方面的考虑，公平性问题在推荐系统中变得不可忽视。在多利益相关者推荐系统中，有几个不同的参与者，包括用户、物品、供应商等。供应商在市场中往往占据了非常重要的角色，如何保证供应商的公平性是推荐系统迫切需要解决的问题。

在推荐系统供应商公平性问题中一般考虑两种公平的角度：比例公平性(proportion fairness，PF)，PF提出基于平等(equity)的概念，即认为不同的供应商天然处于不公平的地位，需要根据现有的资源来公平地分配资源给不同的供应商。直观上，如果一个供应商的效用增加百分比不超过另一个供应商减少的百分比，PF倾向于认为该资源分配是公平分配的。

如何设计一个在线的，并且效率较高的供应商公平性算法仍然是一个需要解决的问题。

发明内容

本申请提供了一种推荐方法，可以在考虑供应商的公平性的情况下，实现了在线推荐。

第一方面，本申请提供了一种推荐方法，所述方法包括：获取第一特征表示、第二特征表示以及目标信息；其中，所述第一特征表示对应于第一用户的属性信息，所述第二特征表示对应于第一物品的属性信息，所述第一物品为目标供应商提供的物品，所述目标信息与所述目标供应商历史上的物品曝光数量有关；根据所述第一特征表示以及所述第二特征表示，通过推荐模型，得到向所述第一用户进行所述第一物品的推荐的第一推荐分数；根据所述目标信息，更新所述推荐分数，得到更新后的第一推荐分数；其中，所述更新后的第一推荐分数与所述目标供应商的物品曝光数量负相关；根据所述第一推荐分数，向所述第一用户进行物品推荐。

通过部署一个用于表示供应商的物品曝光数量的信息(目标信息)来调整推荐模型得到的推荐分数，并在每次推荐之后更新目标信息用于下一次推荐过程使用，在考虑供应商的公平性的情况下，实现了在线推荐。

在一种可能的实现中，所述方法还包括：根据所述物品推荐的推荐结果，通过动量梯度法，更新所述目标信息，得到更新后的目标信息；所述目标信息与所述目标供应商的物品曝光数量有关；获取第三特征表示和第四特征表示；其中，所述第三特征表示对应于第二用户的属性信息，所述第四特征表示对应于第二物品的属性信息；所述第二物品对应于所述目标供应商；根据所述第三特征表示以及所述第四特征表示，通过推荐模型，得到向所述第二用户进行所述第二物品的推荐的第二推荐分数；根据所述更新后的目标信息，更新所述第二推荐分数，得到更新后的第二推荐分数；其中，所述更新后的第二推荐分数与所述目标供应商的物品曝光数量负相关；根据所述第二推荐分数，对所述第二用户进行物品推荐。动量梯度法是一个在线算法，能较好适配到现实场景；该在线算法能保证其收敛并且运行速度能达到20ms级别，能较好适用于现实的场景。