[发明专利]商家推荐方法、装置、电子设备及可读存储介质

权利要求书

1.一种商家推荐方法，其特征在于，包括：

获取目标用户的点击序列信息；

根据所述点击序列信息，通过预设的推荐模型，获取每个备选商家的推荐评分；

基于所述备选商家的推荐评分，获取所述目标用户的目标推荐商家并推送至所述目标用户；

其中，所述推荐模型为通过对双层循环神经网络模型和深度神经网络模型进行联合训练后得到的组合模型，所述双层循环神经网络模型包括第一层级循环神经网络模型和第二层级循环神经网络模型，且所述第二层级循环神经网络模型的输入数据包括所述第一层级循环神经网络模型的输出数据。

2.根据权利要求1所述的方法，其特征在于，所述根据所述点击序列信息，通过预设的推荐模型，获取每个备选商家的推荐评分的步骤，包括：

将所述点击序列信息输入所述双层循环神经网络模型，并获取所述双层循环神经网络模型的输出向量；

根据所述输出向量以及所述备选商家的特征信息，通过所述深度神经网络模型，获取每个所述备选商家的推荐评分。

3.根据权利要求1所述方法，其特征在于，所述点击序列信息包括第一特征序列和第二特征序列；所述第一特征序列中包括菜品特征，所述第二特征序列中包括商家特征、用户特征和用户商家交叉特征中的至少一种。

4.根据权利要求3所述的方法，其特征在于，所述将所述点击序列信息输入所述双层循环神经网络模型，并获取所述双层循环神经网络模型的输出向量的步骤，包括：

将所述第一特征序列输入所述第一层级循环神经网络模型，并获取所述第一层级循环神经网络模型的第一输出向量；

将所述第一输出向量和所述第二特征序列输入所述第二层级循环神经网络模型，并获取所述第二层级循环神经网络模型的第二输出向量，作为所述双层循环神经网络模型的输出向量。

5.根据权利要求4所述的方法，其特征在于，所述将所述第一输出向量和所述第二特征序列输入所述第二层级循环神经网络模型，并获取所述第二层级循环神经网络模型的第二输出向量，作为所述双层循环神经网络模型的输出向量的步骤，包括：

基于预设的编码矩阵，以及所述第一输出向量和所述第二特征序列中的每个离散特征相对于所述编码矩阵的坐标，获取所述离散特征相对于所述编码矩阵的第一嵌入向量；

根据每个离线特征的第一嵌入向量，以及所述第一输出向量和所述第二特征序列中的连续特征，获取所述第一输出向量和所述第二特征序列的第二嵌入向量；

将所述第二嵌入向量输入所述第二层级循环神经网络模型，并获取所述第二层级循环神经网络模型的第二输出向量，作为所述双层循环神经网络模型的输出向量。

6.根据权利要求1-5中任一项所述的方法，其特征在于，所述第一层级循环神经网络模型和所述第二层级循环神经网络模型均包括动态长短期记忆网络模型。

7.根据权利要求1-5中任一项所述的方法，其特征在于，所述获取目标用户的点击序列信息的步骤，包括：

获取所述目标用户在预设时间段内点击商家的特征信息，并基于所述特征信息构建所述目标用户的点击序列信息。

8.根据权利要求1-5中任一项所述的方法，其特征在于，在所述根据所述点击序列信息，通过预设的推荐模型，获取每个备选商家的推荐评分的步骤之前，还包括：

根据预设的训练样本数据，联合训练由所述双层循环神经网络模型和所述深度神经网络模型组合得到的推荐模型；

其中，在每次训练过程中，所述双层循环神经网络模型的输入数据包括所述训练样本数据中的样本序列信息，所述深度神经网络模型的输入数据包括所述双层循环神经网络模型的输出数据，所述样本序列信息对应的样本商家的特征序列，以及所述样本商家对应的标签值。