商品个性化推荐方法、系统、电子设备及可读存储介质与流程

本发明涉及数据分析，尤其涉及一种商品个性化推荐方法、系统、电子设备及可读存储介质。

背景技术：

1、目前，随着互联网技术的快速发展和信息爆炸式的增长，用户可以更加便捷地获取各类信息，同时，面对远远高于自身处理能力的信息量，用户不得不花费大量的时间去过滤自己不感兴趣或跟自己无关的内容。而通过用户的历史记录向用户进行个性化推荐是解决上述问题的方法之一，例如，通过用户购物记录向用户推荐电商产品。

2、但是，对于车辆等购买平台，大多用户的购车记录都比较稀疏，缺乏历史交互数据，因此很难把握用户兴趣，从而导致推荐的商品无法契合用户兴趣，降低用户对个性化推荐的用户体验。

技术实现思路

1、为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

2、鉴于以上所述现有技术的缺点，本发明公开了一种商品个性化推荐方法、系统、电子设备及可读存储介质，以提高推荐商品与用户兴趣之间的契合度。

3、本发明提供了一种商品个性化推荐方法，包括：获取用户嵌入向量和商品嵌入向量，其中，所述用户嵌入向量用于表征目标用户的兴趣信息，所述商品嵌入向量用于表征候选商品的商品信息；根据所述用户嵌入向量和所述商品嵌入向量进行相互映射，得到用户反馈向量，并基于自注意力机制分别对所述用户嵌入向量、所述用户反馈向量进行计算，得到向量精炼表示；从各所述向量精炼表示中提取用户兴趣表示，并根据提取到的用户兴趣表示进行计算，得到各所述向量精炼表示对应的相关兴趣表示；根据预设的概率预测模型对推荐特征向量进行计算，得到所述候选商品的用户点击概率，并根据所述用户点击概率从所述候选商品中确定推荐目标，其中，所述推荐特征向量通过所述用户嵌入向量、所述商品嵌入向量、所述向量精炼表示、所述相关兴趣表示生成。

4、可选地，获取用户嵌入向量和商品嵌入向量，包括：获取目标用户的兴趣信息、候选商品的商品信息；将所述兴趣信息、所述商品信息分别嵌入低维稠密向量，得到所述兴趣信息对应的用户嵌入向量、所述商品信息对应的商品嵌入向量。

5、可选地，获取目标用户的兴趣信息、候选商品的商品信息之后，将所述兴趣信息、所述商品信息分别嵌入低维稠密向量之前，所述方法还包括：对所述兴趣信息、所述商品信息进行数据处理，其中，所述数据处理包括数据清洗、数据补全、数据标准化中的一种或多种。

6、可选地，根据所述用户嵌入向量和所述商品嵌入向量进行相互映射，得到用户反馈向量，包括：建立正交映射模型，其中，所述正交映射模型包括第一映射模型和/或第二映射模型；基于对偶学习机制对所述正交映射模型进行迭代更新，并确定迭代损失值；在所述迭代损失值收敛时，确定所述正交映射模型迭代更新完成；通过所述第一映射模型将所述用户嵌入向量向所述商品嵌入向量进行正交映射，得到第一反馈向量，并通过所述第二映射模型将所述商品嵌入向量向所述用户嵌入向量进行正交映射，得到第二反馈向量；将所述第一反馈向量和/或第二反馈向量确定为用户反馈向量。

7、可选地，基于自注意力机制分别对所述用户嵌入向量、所述用户反馈向量进行计算，得到向量精炼表示：计算待精炼向量的第一查询矩阵、第一键矩阵和第一值矩阵，其中，所述待精炼向量包括所述用户嵌入向量或所述用户反馈向量；根据所述第一查询矩阵、所述第一键矩阵和所述第一值矩阵进行计算，得到所述待精炼向量对应的第一注意力头输出；对所述第一注意力头输出进行拼接，得到多头注意力输出；将所述多头注意力输出依次进行前馈网络处理、残差链接、退化层和归一化处理，得到所述待精炼向量对应的向量精炼表示。

8、可选地，从各所述向量精炼表示中提取用户兴趣表示，包括：计算所述向量精炼表示的第二查询矩阵、第二键矩阵和第二值矩阵；根据所述第二查询矩阵、所述第二键矩阵和所述第二值矩阵进行计算，得到第二注意力头输出；将所述第二注意力头输出作为所述向量精炼表示的用户兴趣表示。

9、可选地，根据提取到的用户兴趣表示进行计算，得到各所述向量精炼表示对应的相关兴趣表示，包括：根据商品嵌入向量、所述用户兴趣表示进行计算，得到各所述用户兴趣表示对应的第一权重；根据所述第一权重对所述用户兴趣表示进行加权计算，得到所述向量精炼表示对应的相关兴趣表示。

10、可选地，通过以下至少一种方法生成推荐特征向量：将所述用户嵌入向量、所述商品嵌入向量、所述向量精炼表示、所述相关兴趣表示进行拼接，得到推荐特征向量；分别计算所述向量精炼表示、所述相关兴趣表示的第二权重，根据所述第二权重将所述用户嵌入向量、所述商品嵌入向量、所述向量精炼表示、所述相关兴趣表示进行融合，得到推荐特征向量。

11、本发明提供了一种商品个性化推荐系统，包括：获取模块，用于获取用户嵌入向量和商品嵌入向量，其中，所述用户嵌入向量用于表征目标用户的兴趣信息，所述商品嵌入向量用于表征候选商品的商品信息；映射模块，用于根据所述用户嵌入向量和所述商品嵌入向量进行相互映射，得到用户反馈向量，并基于自注意力机制分别对所述用户嵌入向量、所述用户反馈向量进行计算，得到向量精炼表示；提取模块，用于从各所述向量精炼表示中提取用户兴趣表示，并根据提取到的用户兴趣表示进行计算，得到各所述向量精炼表示对应的相关兴趣表示；确定模块，用于根据预设的概率预测模型对推荐特征向量进行计算，得到所述候选商品的用户点击概率，并根据所述用户点击概率从所述候选商品中确定推荐目标，其中，所述推荐特征向量通过所述用户嵌入向量、所述商品嵌入向量、所述向量精炼表示、所述相关兴趣表示生成。

12、本发明提供了一种电子设备，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行上述的方法。

13、本发明提供了一种计算机可读存储介质，其上存储有计算机程序：所述计算机程序被处理器执行时实现上述的方法。

14、本发明的有益效果：

15、通过获取表征用户兴趣的用户嵌入向量、表征候选商品的商品嵌入向量，并通过映射用户嵌入向量、商品嵌入向量得到用户反馈向量，对用户嵌入向量、用户反馈向量进行精炼得到向量精炼表示，再通过向量精炼表示中的用户兴趣表示进行计算得到相关兴趣表示，根据用户嵌入向量、商品嵌入向量、向量精炼表示、相关兴趣表示生成推荐特征向量，并根据推荐特征向量预测候选商品的用户点击概率，从而确定推荐目标。这样，通过域间映射将用户兴趣信息转移到候选商品信息，并对向量进行自注意力运算进行精炼得到向量精炼表示，从而基于向量精炼表示中的用户兴趣预测候选商品的点击概率，相较于通过历史购物数据进行当前购物的个性化推荐，避免由于历史数据稀疏或跨领域数据异构造成对候选商品的噪声影响，从而提高推荐商品与用户兴趣之间的契合度。

技术特征：

1.一种商品个性化推荐方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，获取用户嵌入向量和商品嵌入向量，包括：

3.根据权利要求2所述的方法，其特征在于，获取目标用户的兴趣信息、候选商品的商品信息之后，将所述兴趣信息、所述商品信息分别嵌入低维稠密向量之前，所述方法还包括：

4.根据权利要求1所述的方法，其特征在于，根据所述用户嵌入向量和所述商品嵌入向量进行相互映射，得到用户反馈向量，包括：

5.根据权利要求1所述的方法，其特征在于，基于自注意力机制分别对所述用户嵌入向量、所述用户反馈向量进行计算，得到向量精炼表示：

6.根据权利要求1所述的方法，其特征在于，从各所述向量精炼表示中提取用户兴趣表示，包括：

7.根据权利要求1所述的方法，其特征在于，根据提取到的用户兴趣表示进行计算，得到各所述向量精炼表示对应的相关兴趣表示，包括：

8.根据权利要求1至7任一项所述的方法，其特征在于，通过以下至少一种方法生成推荐特征向量：

9.一种商品个性化推荐系统，其特征在于，包括：

10.一种电子设备，其特征在于，包括：处理器及存储器；

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：

技术总结
本发明涉及数据分析技术领域，公开了一种商品个性化推荐方法、系统、电子设备及可读存储介质，该方法通过获取表征用户兴趣的用户嵌入向量、表征候选商品的商品嵌入向量，并通过映射用户嵌入向量、商品嵌入向量得到用户反馈向量，对用户嵌入向量、用户反馈向量进行精炼得到向量精炼表示，再通过向量精炼表示中的用户兴趣表示进行计算得到相关兴趣表示，根据用户嵌入向量、商品嵌入向量、向量精炼表示、相关兴趣表示生成推荐特征向量，并根据推荐特征向量预测候选商品的用户点击概率，从而确定推荐目标，避免由于历史数据稀疏或跨领域数据异构造成对候选商品的噪声影响，从而提高推荐商品与用户兴趣之间的契合度。

技术研发人员：康达
受保护的技术使用者：重庆长安汽车股份有限公司
技术研发日：
技术公布日：2024/1/12