[发明专利]推荐模型、方法、装置、设备及存储介质

权利要求书

1.一种推荐模型，其特征在于，包括：依次连接的输入层、嵌入层、第一交互层、第一加权向量层、第一拼接层、第一全连接层以及输出层；

其中，所述输入层用于接收目标用户的历史行为序列数据以及推荐候选物品的标识ID，所述历史行为序列数据包括M个历史行为对应的M个历史物品的ID，并且，发生的越早的历史行为所对应的历史物品的ID排列越靠前，M为大于0的整数；

所述嵌入层用于根据推荐候选物品的ID、所述推荐候选物品对应的嵌入向量、每个历史物品的ID以及每个所述历史物品对应的嵌入向量，生成推荐候选物品的潜在向量以及每个所述历史物品的潜在向量；

所述第一交互层用于根据所述推荐候选物品的潜在向量以及每个所述历史物品的潜在向量，生成每个所述历史物品的第一交互向量；

所述第一加权向量层用于根据每个所述历史物品的第一交互向量，生成每个所述历史物品的第一加权交互向量；

所述第一拼接层用于对所有所述历史物品的第一加权交互向量进行拼接，生成所有历史物品的第一拼接向量；

所述输出层用于根据所述第一全连接层对所述所有历史物品的第一拼接向量进行全连接计算后的结果，输出所述目标用户在所述推荐候选物品上的行为概率。

2.根据权利要求1所述的模型，其特征在于，所述第一交互层具体用于将每个所述历史物品的潜在向量与所述推荐候选物品的潜在向量进行元素积，生成每个所述历史物品的第一交互向量。

3.根据权利要求1所述的模型，其特征在于，所述第一交互层包括：相互连接的交互子层与全连接子层；所述交互子层具体用于将每个所述历史物品的潜在向量与所述推荐候选物品的潜在向量进行拼接，得到每个所述历史物品的第一拼接向量；

所述全连接子层用于对每个所述历史物品的第一拼接向量进行全连接计算，生成每个所述历史物品的第一交互向量。

4.根据权利要求1所述的模型，其特征在于，所述模型还包括第三拼接层，依次连接的第二交互层、第二加权向量层、第二拼接层以及第二全连接层，所述第二交互层的输入端与所述嵌入层的输出端连接，所述第二全连接层的输出端以及所述第一全连接层的输出端与所述第三拼接层的输入端连接，所述第三拼接层的输出端与所述输出层的输入端连接；

所述第一交互层具体用于将每个所述历史物品的潜在向量与所述推荐候选物品的潜在向量进行元素积，生成每个所述历史物品的第一交互向量；

所述第二交互层具体用于将每个所述历史物品的潜在向量与所述推荐候选物品的潜在向量进行拼接，得到每个所述历史物品的第二拼接向量，对每个所述历史物品的第二拼接向量进行全连接计算，生成每个所述历史物品的第二交互向量；

所述第二加权向量层用于根据每个所述历史物品的第二交互向量，生成每个所述历史物品的第二加权交互向量；

所述第二拼接层用于对所有所述历史物品的第二加权交互向量进行拼接，生成所有历史物品的第二拼接向量；

所述第三拼接层用于将所述第一全连接层对所述所有历史物品的第一拼接向量进行全连接计算后的结果，以及，将所述第二全连接层对所述所有历史物品的第二拼接向量进行全连接计算后的结果，进行拼接，形成所有历史物品的第三拼接向量；

所述输出层用于根据所述所有历史物品的第三拼接向量，输出所述目标用户在所述推荐候选物品上的行为概率。

5.一种推荐方法，其特征在于，应用于如权利要求1-4中任一项所述的推荐模型中，所述方法包括：

获取所述目标用户的历史行为序列数据；其中，所述历史行为序列数据包括M个历史行为对应的M个历史物品的标识ID，并且，发生的越早的历史行为所对应的历史物品的ID排列越靠前，M为大于0的整数；

将所述目标用户的历史行为序列数据以及推荐候选物品的ID，输入至所述推荐模型中，确定所述目标用户在所述推荐候选物品上的行为概率，将下一个物品作为新的所述推荐候选物品的ID，返回执行本步骤，直至确定出所述目标用户在R个所述推荐候选物品上的行为概率；其中，R为大于1的整数；

对所述目标用户在R个所述推荐候选物品上的行为概率进行排序，将排列在前预设数量的行为概率对应的推荐候选物品确定为目标推荐物品；

向所述目标用户推荐所述目标推荐物品。