[发明专利]物品推荐方法、装置、存储介质及设备

说明书

本申请公开了一种物品推荐方法、装置、存储介质及设备，属于人工智能技术领域。该方法包括：获取历史交易数据，历史交易数据用于记录不同用户购买过的物品；根据历史交易数据，生成第一网络和第二网络；第一网络用于表征不同用户的物品偏好，第一网络通过图结构记录了购买过相同物品的用户；第二网络用于表征物品之间的关联关系，第二网络通过图结构记录了被相同用户购买过的物品；对第一网络和第二网络进行特征映射，得到不同用户的物品偏好特征和不同物品的关联关系特征；获取待推荐用户的用户属性特征和候选物品的物品属性特征；根据物品偏好特征、关联关系特征、用户属性特征和物品属性特征进行物品推荐。本申请提升了物品推荐的精准度。

技术领域

本申请涉及人工智能技术领域，特别涉及一种物品推荐方法、装置、存储介质及设备。

背景技术

互联网的出现和普及给用户带来了海量信息，满足了用户在信息时代的信息需求。然而，随着信息量的大幅增长，用户在面对海量信息时，已经无法迅速从中获得有价值的信息，为了解决这一难题，推荐系统应运而生。特别是随着在线购物在人群中的风靡，推荐系统更是成为电子商务中不可替代的重要组成部分。其中，推荐系统推荐的物品越精准，用户的满意度便越高，即推荐结果越符合用户预期。所以，为了确保用户体验，如何进行物品推荐，以提升物品推荐的精准度，便成为了本领域技术人员亟待解决的一个问题。

发明内容

本申请实施例提供了一种物品推荐方法、装置、存储介质及设备，能够提升物品推荐的精准度。所述技术方案包括如下内容。

一方面，提供了一种物品推荐方法，所述方法包括：

获取历史交易数据，所述历史交易数据用于记录不同用户购买过的物品；

根据所述历史交易数据，生成第一网络和第二网络；其中，所述第一网络用于表征不同用户的物品偏好，且所述第一网络通过图结构记录了购买过相同物品的用户；所述第二网络用于表征物品之间的关联关系，且所述第二网络通过图结构记录了被相同用户购买过的物品；

对所述第一网络进行特征映射，得到不同用户的物品偏好特征；以及，对所述第二网络进行特征映射，得到不同物品的关联关系特征；

获取待推荐用户的用户属性特征和候选物品的物品属性特征；根据所述物品偏好特征、所述关联关系特征、所述用户属性特征和所述物品属性特征，向所述待推荐用户进行候选物品推荐。

在一种可能的实现方式中，所述物品为游戏道具；所述用户属性特征至少包括：游戏运营特征、付费特征和社交特征；所述道具属性特征至少包括：游戏数值特征、图片特征和文本特征。

另一方面，提供了一种物品推荐装置，所述装置包括：

第一获取模块，被配置为获取历史交易数据，所述历史交易数据用于记录不同用户购买过的物品；

生成模块，被配置为根据所述历史交易数据，生成第一网络和第二网络；其中，所述第一网络用于表征不同用户的物品偏好，且所述第一网络通过图结构记录了购买过相同物品的用户；所述第二网络用于表征物品之间的关联关系，且所述第二网络通过图结构记录了被相同用户购买过的物品；

特征映射模块，被配置为对所述第一网络进行特征映射，得到不同用户的物品偏好特征；以及，对所述第二网络进行特征映射，得到不同物品的关联关系特征；

第二获取模块，被配置为获取待推荐用户的用户属性特征和候选物品的物品属性特征；

推荐模块，被配置为根据所述物品偏好特征、所述关联关系特征、所述用户属性特征和所述物品属性特征，向所述待推荐用户进行候选物品推荐。

在一种可能的实现方式中，所述第一网络中的一个节点代表一个用户，所述第一网络中的任意一条边用于连接购买过相同物品的两个用户；所述第二网络中的一个节点代表一个物品，所述第二网络中的任意一条边用于连接被相同用户购买过的两个道具。