[发明专利]产品推荐的方法、装置、计算机设备及可读存储介质

摘要

本发明适用于计算机领域，提供了一种产品推荐方法。所述方法包括：提取待推荐产品及与待推荐用户有历史交互的产品的特征信息；获取与所述产品有历史交互关系的用户，并将用户与产品组合生成样本集；利用深度学习对预测函数集成模型进行训练，以获取待推荐用户的隐因子向量、待推荐产品的隐因子向量并确定预测函数集成模型；根据待推荐用户的隐因子向量、待推荐产品的隐因子向量以及预测函数集成模型计算用户对各产品的预测交互矩阵；根据所述预测交互矩阵对各产品进行排序，将排序靠前的产品推荐给待推荐用户。本发明实施例提供的产品推荐方法，利用了产品的多模态数据如图像、文本等，提高了对特征信息的利用率，从而提高了产品推荐的效果。

主权项

1.一种产品推荐的方法，其特征在于，所述方法包括以下步骤：根据待推荐的产品集合以及待推荐用户历史交互的产品集合中各产品的多模态数据提取所述各产品的特征信息，所述各产品的多模态数据包括各产品的可视化图像信息以及各产品的文本信息，所述各产品的特征信息包括各产品的图像信息隐因子向量以及文本信息隐因子向量；获取与所述待推荐的各产品以及所述待推荐用户历史交互的各产品有过交互关系的样本用户，并与所述待推荐的各产品以及所述待推荐用户历史交互的各产品组合生成样品集合，所述样品集合还包括样本用户与所述推荐的各产品以及待推荐用户历史交互的各产品之间的交互数据；根据所述样本集合利用深度学习对含有可变参数的预测函数集成模型进行训练，以确定待推荐户的隐因子向量、待推荐产品的隐因子向量以及所述预测函数集成模型中的可变参数，所述预测函数集成模型包括基于产品隐因子向量的传统矩阵分解模型、基于可视化图像信息的矩阵分解模型以及基于文本信息的矩阵分解模型；根据所述待推荐用户的隐因子向量、待推荐的隐因子向量以及利用深度学习训练出的含有确定参数的预测函数集成模型计算待推荐用户对各待推荐的产品的预测交互矩阵，所述预测交互矩阵中各数值的大小表示所述待推荐用户对所述各待推荐的产品的偏好概率；根据所述预测交互矩阵对所述待推荐的产品集合中各产品进行排序，并将排序靠前的产品推荐给所述待推荐用户。