[发明专利]商家推荐方法、装置、电子设备及可读存储介质

说明书

本公开公开了一种商家推荐方法、装置、电子设备及可读存储介质。所述方法，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。由此解决了现有的推荐方法的准确性欠佳的技术问题。取得了提高推荐商家的准确性的有益效果。

技术领域

本公开涉及机器学习技术领域，具体涉及一种商家推荐方法、装置、电子设备及可读存储介质。

背景技术

随着互联网以及机器学习技术的快速发展，越来越多的电子商务平台等通过推荐系统给用户推荐满足其需求的个性化推荐商家。而推荐系统一般会针对当前用户，对各个备选商家进行排序，以确定最终的推荐商家。

目前在机器学习模型推荐场景中的应用已经取得了一定效果，例如FNN(Feedforward Neural Network，前馈神经网络)、RNN(Recurrent Neural Network，循环神经网络)和DNN(Deep Neural Networks，深度神经网络)网络上取得了一定的效果。目前业内也有将序列信息加入到Xgb(eXtreme Gradient Boosting，极端梯度提升)和DNN中进行推荐的方法，但是需要单独训练RNN然后将RNN学习到的特征输入到DNN中，而在分别单独训练机器学习模型时两个模型的训练坐标系可能不一样，从而容易导致学习到的用户序列信息在机器学习模型中训练无效，进而影响推荐结果准确性。由此可见，现有推荐方案仍然存在推荐结果准确性欠佳的问题。

发明内容

本公开提供一种商家推荐方法、装置、电子设备及可读存储介质，以部分或全部解决现有技术中商家推荐过程相关的上述问题。

依据本公开第一方面，提供了一种商家推荐方法，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。

根据本公开的第二方面，提供了一种商家推荐装置，包括：

点击序列信息获取模块，用于获取目标用户的点击序列信息；

推荐评分获取模块，用于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；

目标推荐商家获取模块，用于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。

根据本公开的第三方面，提供了一种电子设备，包括：

处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现前述的商家推荐方法。

根据本公开的第四方面，提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述的商家推荐方法。