[发明专利]推荐商品信息的确定方法和装置、存储介质及电子设备有效
申请号: | 202110316628.2 | 申请日: | 2021-03-25 |
公开(公告)号: | CN112712418B | 公开(公告)日: | 2021-07-09 |
发明(设计)人: | 鄂世嘉;徐诗瑶;高鹏 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G06Q30/06 | 分类号: | G06Q30/06;G06Q30/02;G06N3/08 |
代理公司: | 北京康信知识产权代理有限责任公司 11240 | 代理人: | 江舟 |
地址: | 518000 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 推荐 商品信息 确定 方法 装置 存储 介质 电子设备 | ||
本发明公开了一种与人工智能的内容推送相关的推荐商品信息的确定方法和装置、存储介质及电子设备。其中,该方法包括:获取第一账号的历史操作记录的目标向量矩阵;根据第一注意力向量对目标向量矩阵进行转换,得到第一向量矩阵,并根据第二注意力向量对目标向量矩阵进行转换,得到第二向量矩阵;对目标向量矩阵、第一向量矩阵和第二向量矩阵进行组合,得到组合向量矩阵;根据组合向量矩阵与待推荐商品中的每一个商品的商品向量的相关性参数,在待推荐商品中确定目标推荐商品。本发明解决了确定的推荐商品不准确的技术问题。
技术领域
本发明涉及大数据领域,具体而言,涉及一种推荐商品信息的确定方法和装置、存储介质及电子设备。
背景技术
现有技术中,在向账号确定推荐商品的时候,通常,可以将账号的历史浏览记录中的商品类似的商品确定为推荐商品。然而,如果采用上述方法确定推荐商品,则会造成确定的推荐商品不准确。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种推荐商品信息的确定方法和装置、存储介质及电子设备,以至少解决确定的推荐商品不准确的技术问题。
根据本发明实施例的一个方面,提供了一种推荐商品信息的确定方法,包括:获取第一账号的历史操作记录的目标向量矩阵,其中,上述历史操作记录中包括上述第一账号对商品执行的操作的记录,上述目标向量矩阵为对上述历史操作记录进行转换得到的向量矩阵;根据第一注意力向量对上述目标向量矩阵进行转换,得到第一向量矩阵,并根据第二注意力向量对上述目标向量矩阵进行转换,得到第二向量矩阵,其中,上述第一向量矩阵用于表示上述历史操作记录中的上述商品对目标推荐商品的影响程度,上述第二向量矩阵用于表示上述第一账号对上述商品的感兴趣程度;对上述目标向量矩阵、上述第一向量矩阵和上述第二向量矩阵进行组合,得到组合向量矩阵;根据上述组合向量矩阵与待推荐商品中的每一个商品的商品向量的相关性参数,在上述待推荐商品中确定目标推荐商品。
根据本发明实施例的另一方面,还提供了一种推荐商品信息的确定装置,包括:获取单元,用于获取第一账号的历史操作记录的目标向量矩阵,其中,上述历史操作记录中包括上述第一账号对商品执行的操作的记录,上述目标向量矩阵为对上述历史操作记录进行转换得到的向量矩阵;转换单元,用于根据第一注意力向量对上述目标向量矩阵进行转换,得到第一向量矩阵,并根据第二注意力向量对上述目标向量矩阵进行转换,得到第二向量矩阵,其中,上述第一向量矩阵用于表示上述历史操作记录中的上述商品对目标推荐商品的影响程度,上述第二向量矩阵用于表示上述第一账号对上述商品的感兴趣程度;组合单元,用于对上述目标向量矩阵、上述第一向量矩阵和上述第二向量矩阵进行组合,得到组合向量矩阵;确定单元,用于根据上述组合向量矩阵与待推荐商品中的每一个商品的商品向量的相关性参数,在上述待推荐商品中确定目标推荐商品。
作为一种可选的示例,上述转换单元包括:第一初始化模块,用于对全局向量进行初始化,得到上述第一注意力向量;第一确定模块,用于根据上述第一注意力向量与上述目标向量矩阵中的每一个目标向量,确定每一个上述目标向量对应的第一中间参数;第二确定模块,用于根据上述第一中间参数和上述目标向量,确定上述第一向量矩阵。
作为一种可选的示例,上述第一确定模块包括:第一处理子模块,用于将每一个上述目标向量作为当前向量,对上述当前向量执行如下操作:确定上述第一注意力向量与上述当前向量的乘积,得到当前值;将上述当前值和总值作比,得到当前商,其中,上述总值为上述目标向量矩阵中的每一个上述目标向量的上述当前值的和;将上述当前商,作为上述当前向量的上述第一中间参数。
作为一种可选的示例,上述第二确定模块包括:第一计算子模块,用于将每一个上述目标向量的上述第一中间参数,和每一个上述目标向量相乘,得到多个第一向量;第一确定子模块,用于将多个上述第一向量,确定为上述第一向量矩阵。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110316628.2/2.html,转载请声明来源钻瓜专利网。