[发明专利]物品推荐方法、装置及计算机存储介质

说明书

本申请公开了一种物品推荐方法、装置及存储介质，属于信息推荐领域。所述方法包括：根据目标用户的物品行为数据，通过协同过滤模型，确定多个物品的第一预测评分；根据多个物品的第一预测评分，从多个物品中确定k个第一物品；根据k个第一物品和知识图谱向量集，确定k个第一物品的第一实体向量；根据k个第一物品的第一实体向量和目标用户的物品行为数据，确定k个第一物品的第二预测评分；若k个第一物品的第一预测评分与第二预测评分之间的均方误差小于或等于误差阈值，则将k个第一物品推荐给目标用户。本申请的推荐算法在根据物品行为数据确定物品相似性的基础上，充分考虑了的物品属性之间的相似性，进而提高了推荐准确度。

技术领域

本申请涉信息推荐领域，特别涉及一种物品推荐方法、装置及计算机存储介质。

背景技术

目前，网络平台可以为用户提供诸如新闻、商品、图片、视频、音频、文档等物品的在线推荐服务。当用户在网络平台上对物品进行浏览、收藏或评分等行为时，网络平台的服务器将会记录用户的物品行为数据，并根据用户的物品行为数据挖掘用户偏好，为用户推荐感兴趣的物品。

相关技术中，通常采用协同过滤推荐算法来为用户进行物品推荐。具体地，对于网络平台上的目标用户，可以获取目标用户的物品行为数据，然后根据目标用户的物品行为数据，通过协同过滤模型确定物品集中多个物品的预测评分，根据多个物品的预测评分，从多个物品中选取预测评分较高的一些物品推荐给用户。其中，每个物品的预测评分用于指示目标用户对每个物品的感兴趣程度，协同过滤模型用于根据网络平台上大量用户的物品行为数据，确定物品集中多个物品的相似度矩阵，然后根据目标用户的物品行为数据和多个物品的相似度矩阵，来确定物品集中多个物品的预测评分。其中，多个物品的相似度矩阵包括多个物品中两两物品之间的相似度。

但是，由于协同过滤推荐算法仅是根据用户对物品的行为数据来分析物品之间的相似性，因此对物品相似性的分析较为片面，推荐准确度较低，而且，由于网络平台上的物品繁多，而用户在网络平台上产生的物品行为数据较少，因此协同过滤推荐算法存在冷启动和稀疏性问题。

发明内容

本申请实施例提供了一种物品推荐方法、装置及存储介质，可以解决相关技术中存在的对物品相似性的分析较为片面，推荐准确度较低的问题。所述技术方案如下：

第一方面，提供了一种物品推荐方法，所述方法包括：

根据目标用户的物品行为数据，通过协同过滤模型，确定物品集中多个物品的第一预测评分，每个物品的预测评分用于指示所述目标用户对每个物品的感兴趣程度；

根据所述多个物品的第一预测评分，从所述多个物品中确定待推荐给所述目标用户的k个第一物品，所述k为正整数；

根据所述k个第一物品和知识图谱向量集，确定所述k个第一物品分别对应的第一实体向量，所述知识图谱向量集包括知识图谱中各个实体的第一实体向量，所述知识图谱包括与所述多个物品一一对应的多个实体以及所述多个实体中两两实体之间的实体关系；

根据所述k个第一物品分别对应的第一实体向量和所述目标用户的物品行为数据，确定所述k个第一物品的第二预测评分；

若所述k个第一物品的第一预测评分与所述k个第一物品的第二预测评分之间的均方误差小于或等于误差阈值，则将所述k个第一物品推荐给所述目标用户。

可选地，所述根据所述k个第一物品分别对应的第一实体向量和所述目标用户的物品行为数据，确定所述k个第一物品的第二预测评分，包括：

根据所述k个第一物品中两两物品对应的第一实体向量之间的相似度，确定所述k个第一物品中两两物品的相似度；

根据所述k个第一物品中两两物品的相似度，确定所述k个第一物品的物品相似度矩阵，所述k个第一物品的物品相似度矩阵包括所述k个第一物品中两两物品的相似度；