[发明专利]一种物品推荐方法、装置、设备及计算机可读存储介质

权利要求书

1.一种物品推荐方法，其特征在于，包括：

利用两层自适应注意力网络，从用户历史评论和目标物品对应的物品历史评论中获取用户对所述目标物品的偏好信息；其中，所述偏好信息包括可见偏好信息和不可见偏好信息；

利用评论驱动的视觉注意力网络结合所述偏好信息，计算所述目标物品的图像向量表示；

获取原用户向量表示，并将所述原用户向量表示与所述偏好信息结合，得到目标用户向量表示；

获取所述目标物品对应的原物品向量表示，并将所述原物品向量表示与所述图像向量表示结合，得到目标物品向量表示；

对所述目标用户向量表示和所述目标物品向量表示进行相似度评分计算，得到评分计算结果；

根据所述评分计算结果向所述用户进行物品推荐；

其中，所述利用评论驱动的视觉注意力网络结合所述偏好信息，计算所述目标物品的图像向量表示，包括：利用评论驱动的视觉注意力网络结合将预测用户评论作为弱监督信号得到的偏好信息，计算所述图像向量表示；其中，所述预测用户评论为通过包括所述两层自适应注意力网络和评论驱动的视觉注意力网络的物品推荐模型训练得到；

所述利用评论驱动的视觉注意力网络结合将预测用户评论作为弱监督信号得到的偏好信息，计算所述图像向量表示，包括：利用VGG-19网络对目标物体的图像进行区域划分，得到各图像区域；获取各所述图像区域的区域向量表示；结合将所述预测用户评论作为弱监督信号得到的偏好信息和各所述区域向量表示，分别计算各所述区域向量表示对应的第三权重值；对各所述区域向量表示和对应的第三权重值进行加权计算，得到所述图像向量表示。

2.根据权利要求1所述的物品推荐方法，其特征在于，利用两层自适应注意力网络，从用户历史评论和目标物品对应的物品历史评论中获取用户对所述目标物品的偏好信息，包括：

利用所述两层自适应注意力网络对所述用户历史评论和所述原物品向量表示进行计算，得到所述用户历史评论中与所述目标物品的第一相关信息；

利用所述两层自适应注意力网络对所述物品历史评论和所述原用户向量表示进行计算，得到所述物品历史评论中与所述用户的第二相关信息；

结合所述第一相关信息和所述第二相关信息得到所述用户对所述目标物品的偏好信息。

3.根据权利要求2所述的物品推荐方法，其特征在于，利用所述两层自适应注意力网络对所述用户历史评论和所述原物品向量表示进行计算，得到所述用户历史评论中与所述目标物品的第一相关信息，包括：

分别获取所述用户历史评论的每个评论中各单词的词向量表示；

将所述原物品向量表示与各所述词向量表示转换到同一空间；

利用所述两层自适应注意力网络对所述原物品向量表示和各所述词向量表示进行计算，得到各所述词向量表示分别对应的第一权重值；

对每个评论中各所述词向量表示和对应的第一权重值进行加权计算，得到每个评论的句子向量表示；

将所述原物品向量表示与各所述句子向量表示转换到同一空间；

利用所述两层自适应注意力网络对所述原物品向量表示和各所述句子向量表示进行计算，得到各所述句子向量表示分别对应的第二权重值；

对各所述句子向量表示和对应的第二权重值进行加权计算，得到所述第一相关信息。

4.根据权利要求1至3任一项所述的物品推荐方法，其特征在于，对所述目标用户向量表示和所述目标物品向量表示进行相似度评分计算，得到评分计算结果，包括：

对所述目标用户向量表示和所述目标物品向量表示进行相似度评分计算，得到所述用户对所述目标物品感兴趣的概率值；

根据所述评分计算结果向所述用户进行物品推荐，包括：

对多个所述目标物品的概率值进行大小排序，将概率值高于预设值的目标物品推荐给所述用户。