[发明专利]母婴内容推荐方法、装置及可读存储介质

权利要求书

1.一种母婴内容推荐方法，其特征在于，应用于服务器，所述服务器中配置有婴幼儿属性预测模型，所述方法包括：

获取待预测用户的嵌入化矩阵表示，所述嵌入化矩阵表示中包括有与该待预测用户关联的商品数据；

将所述嵌入化矩阵表示输入到所述婴幼儿属性预测模型中，输出预测结果，所述预测结果包括该待预测用户的至少一种婴幼儿属性；

所述婴幼儿属性预测模型包括输入层、卷积层、池化层、全连接层以及输出层，所述将所述嵌入化矩阵表示输入到所述婴幼儿属性预测模型中，输出预测结果的步骤，包括：

将所述嵌入化矩阵表示通过所述输入层输入到所述卷积层；

通过所述卷积层对所述嵌入化矩阵表示进行卷积运算，向所述池化层输出对应的特征图；

通过所述池化层将所述特征图转换为对应的多维向量后输出到所述全连接层，其中，所述全连接层的节点与所述池化层的节点连接；

所述全连接层使用全部节点对所述特征图进行计算，并将计算结果输出至分段线性函数进行计算处理后，向所述输出层输出对应的计算处理结果；

所述输出层将所述计算处理结果输入到softmax分类函数中计算出每种婴幼儿属性类别的概率值；

选择概率值最高的婴幼儿属性作为预测结果；

基于所述预测结果向该待预测用户推荐对应的母婴内容。

2.根据权利要求1所述的母婴内容推荐方法，其特征在于，在所述获取待预测用户的嵌入化矩阵的步骤之前，所述方法还包括：

配置所述婴幼儿属性预测模型，其中，所述婴幼儿属性预测模型包括输入层、卷积层、池化层、全连接层以及输出层；

所述配置所述婴幼儿属性预测模型的方式，包括：

获取训练样本，所述训练样本包括具有婴幼儿属性的多个用户；

使用所述训练样本对所述婴幼儿属性预测模型进行训练，训练过程包括：

对所述训练样本进行处理，得到待输入的嵌入化矩阵表示；

将所述嵌入化矩阵表示通过所述输入层输入到所述卷积层；

通过所述卷积层对所述嵌入化矩阵表示进行卷积运算，向所述池化层输出对应的特征图；

通过所述池化层将所述特征图转换为对应的多维向量后输出到所述全连接层，其中，所述全连接层的节点与所述池化层的节点连接；

所述全连接层随机丢弃预定比例的节点对所述特征图进行计算，并将计算结果输出至分段线性函数进行计算处理，向所述输出层输出计算处理结果；

所述输出层将所述计算处理结果输入到softmax分类函数中计算出每种婴幼儿属性类别的概率值；

在上述训练过程中，根据所述每种婴幼儿属性类别的概率值和对应用户的婴幼儿属性计算交叉熵损失值，并根据所述交叉熵损失值使用随机梯度下降算法更新所述婴幼儿属性预测模型的各层参数，直到所述交叉熵损失值满足训练终止条件时，停止训练，输出目标模型参数和计算图；

根据所述目标模型参数和计算图得到训练完成的所述婴幼儿属性预测模型。

3.根据权利要求2所述的母婴内容推荐方法，其特征在于，所述对所述训练样本进行处理，得到待输入的嵌入化矩阵表示的步骤，包括：

针对具有婴幼儿属性的每个用户，获取具有与该用户关联的商品数据，所述商品数据包括商品浏览数据、商品收藏数据、商品购买数据中的其中一种或者多种组合，所述商品浏览数据、商品收藏数据、商品购买数据分别包括商品名称和对应的商品属性；

对所述商品数据进行过滤，并分别对过滤后的商品数据中的商品名称和对应的商品属性进行数值化处理，生成字典文件，所述字典文件包括各个商品的商品名称编码和商品属性编码；

对所述字典文件进行处理后得到待输入的嵌入化矩阵表示。

4.根据权利要求3所述的母婴内容推荐方法，其特征在于，所述对所述商品数据进行过滤的方式，包括：

将所述商品数据中商品名称和商品属性的出现次数小于预设次数的商品进行过滤。