[发明专利]一种物品推荐方法及装置

说明书

本发明公开了一种物品推荐方法及装置，涉及计算机技术领域。该方法的一具体实施方式包括：从样本集中选择正负训练样本；循环执行以下步骤，训练用于物品推荐的判别器，直至达到训练停止准则：根据正负训练样本分别指示的属性特征和行为特征，计算正负训练样本的距离以及负训练样本的判别参数，判别参数指示了负训练样本作为正训练样本的概率；根据距离和判别参数，从训练样本集中重新选择正训练样本及其相关的负训练样本；根据重新选择的正负训练样本，训练判别器；利用判别器从待推荐样本集中确定待推荐正样本，将待推荐正样本对应的物品推荐给用户。该实施方式提高了判别器的预测准确度，从而提高了利用判别器进行物品推荐的准确度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种物品推荐方法及装置。

背景技术

推荐系统作为电子商务的一种智能应用，能够帮助用户获取基于用户需求和偏好的产品。具体来说，推荐系统可基于训练出的用户行为模型，为用户推荐其偏好的产品。其中，用户行为模型可基于多种类型的模型训练生成。

判别器作为用户行为模型的一种，在对判别器进行训练时，一般从包含正负训练样本的样本集中，随机选择多个正负训练样本对，并根据随机选择的正负样本对来训练判别器。其中，训练样本集中的正训练样本对应于曝光且被点击的物品，负训练样本对应于曝光但未被点击的物品。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

样本集一般基于用户的历史反馈数据所生成，而用户的历史反馈数据往往具有极大的稀疏性，使得样本集中负训练样本的数量远远大于正训练样本的数量，而随机选择的正负训练样本对不能反映负训练样本相对于正训练样本的相关性，从而影响判别器的训练效果，使得判别器的预测准确度较低，进而导致推荐的物品的准确度较低。

发明内容

有鉴于此，本发明实施例提供一种物品推荐方法及装置，能够根据正训练样本与负训练样本之间的距离，选择与正训练样本相关的负训练样本，并利用选择出的正训练样本和负训练样本对判别器进行训练，以提高判别器的预测准确性，从而提高物品推荐的准确性。

为实现上述目的，根据本发明实施例的一个方面，提供了一种物品推荐方法。

本发明实施例的一种物品推荐方法包括：获取样本集，所述样本集中的训练样本指示了物品的属性特征和用户针对所述物品的行为特征；

从所述样本集中选择正训练样本和负训练样本，其中，所述正训练样本对应的物品被曝光且被点击，所述负训练样本对应的物品被曝光且未被点击；

循环执行以下步骤，训练用于物品推荐的判别器，直至达到训练停止准则：

根据所述正训练样本和所述负训练样本分别指示的所述属性特征和所述行为特征，计算所述正训练样本与所述负训练样本之间的距离；

计算所选择的负训练样本的判别参数，所述判别参数指示了所述负训练样本作为正训练样本的概率；

根据所述距离和所述判别参数，从所述训练样本集中重新选择正训练样本以及与重新选择的正训练样本相关的负训练样本；

根据重新选择的正训练样本和负训练样本，训练所述判别器；

利用所述判别器从待推荐样本集中确定出待推荐正样本，并将所述待推荐正样本对应的物品推荐给用户。

可选地，

所述根据所述距离和所述判别参数，从所述训练样本集中重新选择正训练样本以及与重新选择的正训练样本相关的负训练样本，包括：

将所述距离、所述判别参数以及所述判别参数对应的负训练样本作为用于选择样本的生成器的输入，以对所述生成器进行优化；

利用优化后的生成器，选择所述正训练样本以及与重新选择的正训练样本相关的负训练样本。