[发明专利]一种商品推荐方法及其相关设备

权利要求书

1.一种商品推荐方法，其特征在于，包括下述步骤：

获取多个用户的历史商品浏览记录；

根据所述历史商品浏览记录生成商品节点序列和商品属性节点序列；

结合负采样策略，将所述商品节点序列和所述商品属性节点序列作为训练语料，分别输入word2vec模型，计算得到商品节点嵌入向量和商品属性节点嵌入向量；

对所述商品节点嵌入向量和所述商品属性节点嵌入向量进行向量拼接或者向量求和操作，得到每个商品对应的综合嵌入向量；

确定用户访问的目标商品；

确定与所述目标商品的综合嵌入向量相近的综合嵌入向量所对应的商品，为针对所述目标商品所确定的推荐商品。

2.根据权利要求1所述的商品推荐方法，其特征在于，所述根据所述历史商品浏览记录生成商品节点序列和商品属性节点序列，包括：

统计所述历史商品浏览记录，构建商品节点的图网络；

根据所述图网络构建商品属性词典，所述商品属性词典包括不同商品节点和不同商品属性的对应关系；

通过随机游走方式将所述图网络转换为商品节点序列；

基于所述商品属性词典，将所述商品节点序列转换为商品属性节点序列。

3.根据权利要求2所述的商品推荐方法，其特征在于，所述通过随机游走方式将所述图网络转换为商品节点序列，包括：

对所述图网络中的商品节点的出度依次进行归一化处理，确定每个商品节点的出度概率；

根据所述出度概率采用随机游走方式，生成所述商品节点序列。

4.根据权利要求2所述的商品推荐方法，其特征在于，

所述根据所述图网络构建商品属性词典，包括：

根据所述图网络为预设的不同分类标准分别构建对应的商品属性词典，其中每种分类标准分别预先设置对应一种商品属性集合；

所述基于所述商品属性词典，将所述商品节点序列转换为商品属性节点序列，包括：

基于所述商品属性词典，将所述商品节点序列转换为不同分类标准对应的商品属性节点序列；

所述结合负采样策略，将所述商品节点序列和所述商品属性节点序列作为训练语料，分别输入word2vec模型，计算得到商品节点嵌入向量和商品属性节点嵌入向量，包括：

结合负采样策略，将所述商品节点序列和所述商品属性节点序列作为训练语料，分别输入word2vec模型，计算得到商品节点嵌入向量和不同分类标准下的商品属性节点嵌入向量；

所述对所述商品节点嵌入向量和所述商品属性节点嵌入向量进行向量拼接或者向量求和操作，得到每个商品对应的综合嵌入向量，包括：

根据预先设置的所述商品节点嵌入向量对应的权重和不同分类标准对应的权重，对所述商品节点嵌入向量和所述商品属性节点嵌入向量，进行向量加权求和操作，得到每个商品对应的所述综合嵌入向量。

5.根据权利要求2-4中任一项所述的商品推荐方法，其特征在于，所述统计所述历史商品浏览记录，构建商品节点的图网络，包括：

统计所述历史商品浏览记录，选取历史商品浏览记录中的商品集合为待构建的图网络的图中节点；

根据统计结果确定各个商品节点之间的边权重；

选取边权重大于预设阈值的商品节点构建商品节点的图网络。

6.根据权利要求1-4中任一项所述的商品推荐方法，其特征在于，所述确定与所述目标商品的综合嵌入向量相近的综合嵌入向量所对应的商品，为针对所述目标商品所确定的推荐商品，包括：

计算所述目标商品的综合嵌入向量与除所述目标商品外的其他所有商品的综合嵌入向量之间的相似度；

确定所述相似度大于预设阈值，或者，按照所述相似度大小次序排名前N的综合嵌入向量所对应的商品，为针对所述目标商品所确定的所述推荐商品，N为正整数。