1.一种物品推荐方法,其特征在于,所述方法包括:
采集用户与物品交互的行为数据,并根据预设要求将所述行为数据划分为目标行为数据与其他行为数据;
将第一用户特征向量与第一物品特征向量输入至第一模型,确定出物品对应的第一偏好向量,其中,所述第一模型包括多个分支,每个分支对应一种目标行为数据或其他行为数据;
根据所述目标行为数据确定出第二用户特征向量与第二物品特征向量,并将所述第二用户特征向量与所述第二物品特征向量输入至第二模型,确定出物品对应的第二偏好向量;
将所述第一偏好向量与所述第二偏好向量输入至第三模型,确定出物品对应的偏好分数;
将物品对应的偏好分数按大小排序,筛选出预设数量的物品向用户发起推荐。
2.根据权利要求1所述的物品推荐方法,其特征在于,所述第一模型的每个分支包括多层结构,第一层为
3.根据权利要求2所述的物品推荐方法,其特征在于,所述确定出物品对应的第一偏好向量,具体包括:
将各个分支的结果通过拼接操作,将拼接后的结果输入到全连接层,确定出物品对应的第一偏好向量。
4.根据权利要求1所述的物品推荐方法,其特征在于,所述根据所述目标行为数据确定出第二用户特征向量与第二物品特征向量,具体包括:
根据所述目标行为数据构建目标行为矩阵,将所述目标行为矩阵进行矩阵分解得到第二用户特征向量和第二物品特征向量。
5.根据权利要求1所述的物品推荐方法,其特征在于,所述将所述第二用户特征向量与所述第二物品特征向量输入至第二模型,确定出物品对应的第二偏好向量,具体包括:
将所述第二用户特征向量与所述第二物品特征向量输入第二模型,根据公式
6.根据权利要求1所述的物品推荐方法,其特征在于,所述将所述第一偏好向量与所述第二偏好向量输入至第三模型,确定出物品对应的偏好分数,具体包括:
将所述第一偏好向量与所述第二偏好向量输入至第三模型,根据公式
7.根据权利要求1所述的物品推荐方法,其特征在于,所述第一用户特征向量包括所述用户的属性信息、所述用户与其他用户存在相相似的行为信息、所述用户与物品交互的行为信息中的一个或多个;所述第一物品特征向量包括所述物品的属性信息、所述物品与同类物品的关联信息、所述物品与用户交互的行为信息、所述物品与其他用户的交互的行为信息中的一个或多个。
8.根据权利要求1所述的物品推荐方法,其特征在于,所述第一模型为非线性的多分支多层感知机模型,所述第二模型为线性的矩阵分解模型。
9.一种物品推荐装置,其特征在于,所述装置包括:
采集单元,用于采集用户与物品交互的行为数据,并根据预设要求将所述行为数据划分为目标行为数据与其他行为数据;
第一确定单元,用于将第一用户特征向量与第一物品特征向量输入至第一模型,确定出物品对应的第一偏好向量,其中,所述第一模型包括多个分支,每个分支对应一种目标行为数据或其他行为数据;
第二确定单元,用于根据所述目标行为数据确定出第二用户特征向量与第二物品特征向量,并将所述第二用户特征向量与所述第二物品特征向量输入至第二模型,确定出物品对应的第二偏好向量;
第三确定单元,用于将所述第一偏好向量与所述第二偏好向量输入至第三模型,确定出物品对应的偏好分数;
筛选单元,用于将物品对应的偏好分数按大小排序,筛选出预设数量的物品向用户发起推荐。
10.一种计算机可读介质,其特征在于,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现权利要求1至8中任一项所述的方法。