[发明专利]用于向用户推荐项目的方法、装置和存储介质

权利要求书

1.一种用于向用户推荐项目的推荐模型训练方法，包括：

获取多个样本，所述多个样本中的每一个包括用户特征、项目组和与所述项目组相对应的标签，所述项目组包括二个或更多个项目，所述标签指示所述用户是否选中所述项目组；

为所述项目组中的每个项目生成各自的项目嵌入向量；

对生成的多个所述项目嵌入向量进行加权平均以得到所述项目组的综合嵌入向量；

基于所述用户特征生成所述用户的用户嵌入向量；以及

使用得到的所述综合嵌入向量、所述用户的用户嵌入向量和所述与所述项目组相对应的标签来训练用以向所述用户推荐项目的推荐模型。

2.根据权利要求1所述的方法，其中所述为所述项目组中的每个项目生成各自的项目嵌入向量包括：针对所述每个项目的特征进行编码得到每个项目的项目特征嵌入向量，和基于所述项目特征嵌入向量生成每个项目各自的项目嵌入向量。

3.根据权利要求2所述的方法，其中所述针对所述每个项目的特征进行编码得到每个项目的项目特征嵌入向量包括：针对各个项目基于相同的编码词表来针对所述每个项目的特征进行编码得到每个项目的项目特征嵌入向量。

4.根据权利要求1所述的方法，其中所述推荐模型包括针对所述用户的第一神经网络结构，所述第一神经网络结构包括一个或多个激活函数层。

5.根据权利要求1所述的方法，其中所述推荐模型包括针对所述项目组中的每个项目的相应第二神经网络结构，每个第二神经网络结构包括一个或多个激活函数层。

6.根据权利要求1所述的方法，其中所述对生成的多个所述项目嵌入向量进行加权平均以得到所述项目组的综合嵌入向量包括：对生成的多个所述项目嵌入向量进行算数平均以得到所述项目组的综合嵌入向量。

7.根据权利要求1所述的方法，其中所述对生成的多个所述项目嵌入向量进行加权平均以得到所述项目组的综合嵌入向量包括：以经训练得到的权重作为各个项目嵌入向量的权重，对生成的多个所述项目嵌入向量进行加权平均以得到所述项目组的综合嵌入向量。

8.根据权利要求1所述的方法，其中使用得到的所述综合嵌入向量、所述用户的用户嵌入向量和所述与所述项目组相对应的标签来训练所述推荐模型包括：

对所述综合嵌入向量和所述用户的用户嵌入向量进行点积运算得到点积结果；

基于所述点积结果与所述项目组相对应的标签计算损失函数；以及

对所述推荐模型中的参数进行调整以使所述损失函数收敛。

9.根据权利要求8所述的方法，其中基于所述点积结果与所述项目组相对应的标签计算损失函数包括：

对所述点积结果进行归一化，和基于经归一化的点积结果与所述项目组相对应的标签计算损失函数。

10.根据权利要求1-9中任一项所述的方法，其中所述项目包括商品、电影和文章。

11.一种用于向用户推荐项目的方法，包括：

获取目标用户的目标用户特征和待推荐项目的项目特征；和

使用推荐模型基于所述目标用户特征和所述项目特征确定向目标用户推荐该项目的概率；

其中，在使用所述推荐模型之前，所述方法还包括：

获取多个样本，所述多个样本中的每一个包括样本用户特征、项目组和与所述项目组相对应的标签，所述项目组包括二个或更多个项目，所述标签指示所述样本用户是否选中所述项目组；

为所述项目组中的每个样本项目生成各自的项目嵌入向量；

对生成的多个所述项目嵌入向量进行加权平均以得到所述项目组的综合嵌入向量；

基于所述样本用户特征生成所述样本用户的用户嵌入向量；

使用得到的所述综合嵌入向量、所述样本用户的用户嵌入向量和所述与所述项目组相对应的标签来训练所述推荐模型。