[发明专利]物品推荐方法和装置、计算机可读存储介质、电子设备

权利要求书

1.一种物品推荐方法，其特征在于，包括：

基于交互场景中获取的用户需求信息，获取n个目标物品；其中，n为大于等于1的整数；

基于第一排序模型对所述n个目标物品中的每个目标物品进行回报值预测，得到n个目标物品回报值；

基于所述n个目标物品回报值对所述n个目标物品进行排序，按照排序将m个所述目标物品推荐给所述用户；其中，m为小于或等于n的整数。

2.根据权利要求1所述的方法，其特征在于，在基于第一排序模型对所述n个目标物品中的每个目标物品进行回报值预测，得到n个目标物品回报值之前，还包括：

利用已知目标物品集对所述第一排序模型进行训练；其中，所述已知目标物品集包括多个已知目标物品对应的交互双方的操作信息和交互结果信息，以及每个所述已知目标物品对应的已知回报值。

3.根据权利要求2所述的方法，其特征在于，所述利用已知目标物品集对所述第一排序模型进行训练，包括：

迭代执行：以所述已知目标物品对应的交互双方的操作信息和交互结果信息作为输入信息，结合第二排序模型利用强化学习方法，获得所述已知目标物品对应的损失；

基于所述损失对所述第一排序模型的参数进行调整，直到所述损失满足预设条件，得到训练后的所述第一排序模型。

4.根据权利要求3所述的方法，其特征在于，所述以所述已知目标物品对应的交互双方的操作信息和交互结果信息作为输入信息，结合第二排序模型利用强化学习方法，获得所述已知目标物品对应的损失，包括：

利用所述第二排序模型对所述已知目标物品对应的交互双方的操作信息和交互结果信息进行处理，得到第二预测回报值；

以所述第二预测回报值和所述已知回报值，对所述第二排序模型进行参数调整，得到第二参数；

基于所述第二参数更新所述第一排序模型，并利用所述更新后的第一排序模型对所述已知目标物品对应的交互双方的操作信息和交互结果信息进行处理，得到第一预测回报值；

根据所述第一预测回报值、所述第二预测回报值和所述已知回报值，确定所述已知目标物品对应的损失。

5.根据权利要求3或4所述的方法，其特征在于，所述交互双方的操作信息包括以下至少之一：交互双方中任意一方的点击操作、发送操作、回复操作；

所述交互结果信息包括：转委托信息。

6.根据权利要求1-5任一所述的方法，其特征在于，所述第一排序模型包括因子分解机模型和深度神经网络模型；

所述基于第一排序模型对所述n个目标物品中的每个目标物品进行回报值预测，得到n个目标物品回报值，包括：

利用所述因子分解机模型获得所述n个目标物品中的每个目标物品对应的低阶特征，得到n个低阶特征；

利用所述深度神经网络模型获得所述n个目标物品中的每个目标物品对应的高阶特征，得到n个高阶特征；

基于所述n个低阶特征和所述n个高阶特征，经过激活函数层和全连接层的处理，得到所述n个目标物品回报值。

7.根据权利要求6所述的方法，其特征在于，所述基于所述n个低阶特征和所述n个高阶特征，经过激活函数层和全连接层的处理，得到所述n个目标物品回报值，包括：

分别将所述n个低阶特征中的每个低阶特征与所述n个高阶特征中对应的高阶特征进行连接，得到n个连接特征；

利用所述激活函数层和所述全连接层对所述n个连接特征进行数值化处理，得到所述n个目标物品回报值。

8.一种物品推荐装置，其特征在于，包括：

需求识别模块，用于基于交互场景中获取的用户需求信息，获取n个目标物品；其中，n为大于等于1的整数；

回报值预测模块，用于基于第一排序模型对所述n个目标物品中的每个目标物品进行回报值预测，得到n个目标物品回报值；

物品推荐模块，用于基于所述n个目标物品回报值对所述n个目标物品进行排序，按照排序将m个所述目标物品推荐给所述用户；其中，m为小于或等于n的整数。