CN111782925A - 物品推荐方法、装置、设备、系统及可读存储介质 - Google Patents

Abstract

本发明公开了一种物品推荐方法、装置、设备、系统及可读存储介质。该方法包括：根据所获取的历史统计时段的全部用户的物品选中记录，构建用户物品关联序列；根据所有用户物品关联序列，获取物品关联信息，以用于物品推荐。

Description

物品推荐方法、装置、设备、系统及可读存储介质

技术领域

本发明涉及物品推荐技术领域，更具体地，涉及一种物品推荐方法、装置、设备、系统及可读存储介质。

背景技术

随着计算机以及互联网技术的飞速发展，用户可以通过应用软件浏览、查看或者购买对应的物品。这些物品可以包括新闻、小说、文章、资讯、视频、商品等等。

而可供用户获取的物品通常数量庞大，目前提供浏览、查看或者购买物品服务的应用软件，通常都会针对不同的用户提供个性化的物品推荐，向用户推荐可能符合用户的物品获取需求的物品，缩小用户获取物品的范围，使得用户可以更快速地选中实际期望获取的物品。

但是，在应用软件实施个性化物品推荐时，由于可提供给用户的物品的数量太过庞大，从所有可提供的物品中选取推荐给用户的物品，会带来处理耗时太长、处理资源不足等问题。

发明内容

本发明的一个目的是提供一种用于推荐物品的新技术方案。

根据本发明的第一方面，提供了一种物品推荐方法，其中，包括：

根据所获取的历史统计时段的全部用户的物品选中记录，构建用户物品关联序列；每个所述用户物品关联序列体现对应的用户与物品之间的关联；

根据所有所述用户物品关联序列，获取物品关联信息，以用于物品推荐；所述物品关联信息包括每个所述物品与其他所述物品之间的物品关联度。

可选地，所述根据所获取的历史统计时段的全部用户的物品选中记录，构建用户物品关联序列的步骤包括：

根据所述历史统计时段的全部用户的物品选中记录，分别构建用户物品序列以及物品用户序列；

其中，所述用户物品序列是以一个用户的用户标识为起始节点的、不同物品的物品标识作为其他节点的序列；所述物品用户序列是以一个物品的物品标识为起始节点、不同用户的用户标识作为其他节点的序列；

根据所述用户物品序列以及物品用户序列，构建所述用户物品关联序列。

可选地，所述用户的物品选中记录中包括用户的用户标识以及根据用户选中物品的次序排序的、用户选中物品的物品标识；

根据所述历史统计时段的全部用户的物品选中记录，分别构建用户物品序列以及物品用户序列的步骤包括：

根据每条所述物品选中记录，以所述物品选中记录中包括的所述用户标识为起始节点、所述物品选中记录中包括的已排序的所述物品标识依次作为其他节点，构建对应的所述用户物品序列；

对全部所述物品选中记录中出现的每个物品标识，以所述物品标识为起始节点、所述物品标识所在的所述物品选中记录中出现的所述用户标识为其他节点，构建对应的所述物品用户序列。

可选地，所述用户物品关联序列是预设序列长度的、以用户标识为起点并将用户标识以及物品标识作为相邻节点依次间隔排序的序列；

所述根据所述用户物品序列以及物品用户序列，构建所述用户物品关联序列的步骤包括：

以一个所述用户物品序列中的用户标识为起始节点，从所述用户物品序列中以预设概率随机抽取一个物品标识作为第二个节点，从被抽取的所述物品标识为起始节点的所述物品用户序列中，以所述预设概率随机抽取一个用户标识作为第三个节点，从被抽取的所述用户标识为起始节点的所述用户物品序列中，以所述预设概率随机抽取一个物品标识作为第四个节点，依次重复间隔执行上述随机抽取用户标识作为节点以及随机抽取物品标识作为节点的步骤，直至构建完成符合预设序列长度的所述用户物品关联序列；

重复执行上述构建完成符合预设序列长度的所述用户物品关联序列的步骤，直至遍历所有所述用户物品序列以及物品用户序列，得到所有不同的所述用户物品关联序列；

或者，

所述用户物品关联序列是预设序列长度的、以物品标识为起点并将物品标识以及用户标识作为相邻节点依次间隔排序的序列；

所述根据所述用户物品序列以及物品用户序列，构建所述用户物品关联序列的步骤包括：

以一个所述物品用户序列中的物品标识为起始节点，从所述物品用户序列中以预设概率随机抽取一个用户标识作为第二个节点，从被抽取的所述用户标识为起始节点的所述用户物品序列中，以所述预设概率随机抽取一个物品标识作为第三个节点，从被抽取的所述物品标识为起始节点的所述物品用户序列中，以所述预设概率随机抽取一个用户标识作为第四个节点，依次重复执行上述随机抽取物品标识作为节点以及随机抽取用户标识作为节点的步骤，直至构建完成符合预设序列长度的所述用户物品关联序列；

重复执行上述构建完成符合预设序列长度的所述用户物品关联序列的步骤，直至遍历所有所述用户物品序列以及物品用户序列，得到所有不同的所述用户物品关联序列。

可选地，所述根据所有所述用户物品关联序列，获取物品关联信息的步骤包括：

将所有所述用户物品关联序列进行向量化处理，得到每个物品的物品向量；

根据所述物品向量，获取每个所述物品与其他所述物品两两之间的物品向量距离作为对应的所述物品关联度，得到所述物品关联信息；

或者，

所述根据所有所述用户物品关联序列，获取物品关联信息的步骤包括：

对每个所述用户物品关联序列，抽取对应的物品关联序列；

对所有所述物品关联序列进行向量化处理，得到每个物品的物品向量；

根据所述物品向量，获取每个所述物品与其他所述物品两两之间的物品向量距离作为对应的所述物品关联度，得到所述物品关联信息。

可选地，所述方法还包括：

根据所述用户物品关联序列，获取用户关联信息，以用于物品推荐；所述用户关联信息包括每个所述用户与其他用户之间的用户关联度。

根据本发明的第二方面，还提供一种物品推荐装置，其中，包括：

序列构建单元，用于根据所获取的历史统计时段的全部用户的物品选中记录，构建用户物品关联序列；每个所述用户物品关联序列体现对应的用户与物品之间的关联；

关联获取单元，用于根据所有所述用户物品关联序列，获取物品关联信息，以用于物品推荐；所述物品关联信息包括每个所述物品与其他所述物品之间的物品关联度。

根据本发明的第三方面，还提供一种物品推荐设备，其中，包括：

存储器，用于存储可执行的指令；

处理器，用于根据所述可执行的指令，运行所述物品推荐设备实施如本发明的第一方面的任意一项物品推荐方法。

根据本发明的第四方面，还提供一种可读存储介质，其中，所述可读存储介质存储有可被计算机读取执行的计算机程序，所述计算机程序在被所述计算机读取时，执行如本发明的第一方面的任意一项物品推荐方法。

根据本发明的第五方面，提供一种物品推荐方法，其中，包括：

在被触发向目标用户推荐物品时，获取物品关联信息以及目标用户在最近统计时段的物品选中记录；所述物品关联信息包括每个所述物品与其他所述物品之间的物品关联度，根据本发明的第一方面的所述的任意一项方法得到；

根据所述物品关联信息以及所述物品选中记录获取召回物品，在所述召回物品中选取目标物品推荐给目标用户。

可选地，所述根据所述物品关联信息以及所述物品选中记录获取召回物品，在所述召回物品中选取目标物品推荐给目标用户的步骤包括：

对所述物品选中记录中记录的每个选中物品，根据所述物品关联信息，选取与所述选中物品的物品关联度高于关联度阈值的所述物品作为所述召回物品；

根据预设物品推荐规则，对所述召回物品进行排序，选取排序次序在预设的排序范围内的所述召回物品，作为所述目标物品。

可选地，所述方法还包括：

获取用户关联信息；所述用户关联信息包括每个所述用户与其他用户之间的用户关联度，根据用户物品关联序列获取；每个所述用户物品关联序列体现对应的用户与物品之间的关联；

根据所述用户关联信息确定目标用户的关联用户，根据所述关联用户在最近统计时段的物品选中记录获取召回物品，在所述召回物品中选取目标物品推荐给目标用户。

根据本发明的第六方面，提供一种物品推荐装置，其中，包括：

推荐触发单元，用于在在被触发向目标用户推荐物品时，获取物品关联信息以及目标用户在最近统计时段的物品选中记录；所述物品关联信息包括每个所述物品与其他所述物品之间的物品关联度，根据如本发明的第一方面的任意一项方法得到；

召回推荐单元，用于根据所述物品关联信息以及所述物品选中记录获取召回物品，在所述召回物品中选取目标物品推荐给目标用户。

根据本发明的第七方面，提供一种物品推荐设备，其中，包括：

存储器，用于存储可执行的指令；

处理器，用于根据所述可执行的指令，运行所述物品推荐设备实施如本发明的第五方面的任意一项物品推荐方法。

根据本发明的第八方面，还提供一种可读存储介质，其中，所述可读存储介质存储有可被计算机读取执行的计算机程序，所述计算机程序在被所述计算机读取时，执行如本发明的第五方面的任意一项物品推荐方法。

根据本发明的第九方面，提供一种物品推荐系统，其中，包括：

如本发明的第二方面所述的物品推荐装置以及如本发明的第六方面所述的物品推荐装置；

或者，

如本发明的第三方面所述的物品推荐设备以及如本发明的第七方面所述的物品推荐设备。

根据本公开的一个实施例，可以根据历史统计时段中全部用户的物品选中记录，构建体现用户与物品之间关联的用户物品关联序列，根据物品关联序列获取包括物品之间关联度的物品关联信息，基于物品关联信息以及目标用户在最近统计时段的物品选中记录，获取符合目标用户偏好的召回物品，在召回物品再选取目标物品推荐给目标用户，缩小推荐物品的选取范围，提升物品推荐效率。同时，可以基于体现用户行为的物品选中记录扩充物品之间的关联，使得根据包括物品之间的关联度的物品关联信息获取的召回物品能更精准符合用户的偏好，提升基于召回物品推荐目标物品的准确率。尤其适用于推荐内容多样化难以准确分类的短视频。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1是显示可用于实现本发明相关实施例的电子设备的硬件配置的例子的框图。

图2示出了本发明的第一实施例的物品推荐方法的流程图。

图3是本发明的第一实施例的构建用户物品关联序列的例子的示意图。

图4是本发明的第一实施例的构建用户物品关联序列的另一例子的示意图。

图5示出了本发明的第一实施例的物品推荐装置3000的框图。

图6示出了本发明的第一实施例的物品推荐设备4000的框图。

图7示出了本发明的第二实施例的物品推荐方法的流程图。

图8示出了本发明的第二实施例的物品推荐装置3000的框图。

图9示出了本发明的第二实施例的物品推荐设备4000的框图。

图10是本发明的第三实施例的物品推荐系统7000所实施的短视频推荐的例子的整体流程图。

图11是本发明的第三实施例的物品推荐系统7000获取短视频关联信息的例子的整体流程图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

<硬件配置>

图1是示出可以实现本发明的实施例的电子设备1000的硬件配置的框图。

电子设备1000可以是便携式电脑、台式计算机、手机、平板电脑等。如图1所示，电子设备1000可以包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600、扬声器1700、麦克风1800等等。其中，处理器1100可以是中央处理器CPU、微处理器MCU等。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、耳机接口等。通信装置1400例如能够进行有线或无线通信，具体地可以包括Wifi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置1500例如是液晶显示屏、触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘、体感输入等。用户可以通过扬声器1700和麦克风1800输入/输出语音信息。

图1所示的电子设备仅仅是说明性的并且决不意味着对本发明、其应用或使用的任何限制。应用于本发明的实施例中，电子设备1000的所述存储器1200用于存储指令，所述指令用于控制所述处理器1100进行操作以执行本发明实施例提供的任意一项物品推荐方法。本领域技术人员应当理解，尽管在图1中对电子设备1000示出了多个装置，但是，本发明可以仅涉及其中的部分装置，例如，电子设备1000只涉及处理器1100和存储装置1200。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。

本发明的实施例的总体构思，是提供一种物品推荐的技术方案，可以根据历史统计时段中全部用户的物品选中记录，构建体现用户与物品之间关联的用户物品关联序列，根据物品关联序列获取包括物品之间关联度的物品关联信息，基于物品关联信息以及目标用户在最近统计时段的物品选中记录，获取符合目标用户偏好的召回物品，在召回物品再选取目标物品推荐给目标用户，缩小推荐物品的选取范围，降低实施物品的个性化推荐的处理耗时，节省处理资源，提升物品推荐效率。同时，通过根据全部用户的物品选中记录构建用户物品关联序列来获取物品之间的关联度，可以基于体现用户行为的物品选中记录扩充物品之间的关联，使得根据包括物品之间的关联度的物品关联信息获取的召回物品能更精准符合用户的偏好，提升基于召回物品推荐目标物品的准确率。尤其适用于推荐内容多样化难以准确分类的短视频。

<第一实施例>

<方法>

在本实施例中，提供一种物品推荐方法。该方法可以应用的物品(又称item)，可以包括可供用户浏览阅读的小说、新闻、资讯或文章等，也可以是可以供用户播放观看的视频、短视频等，还可以是可被用户选中购买的各种商品。该物品推荐方法不仅可以适用于各种线上推荐物品的场景，例如，电商平台上向用户推荐可消费的物品，还可以适用于LBS(Location Based Service，基于位置服务)场景、O2O(Online To Offline，线上到线下)等场景中的物品推荐，例如，在结合LBS的O2O场景中，物品是地点资讯，在用户点击打开某个餐馆的详情页面时，可以向用户推荐去过这个餐馆的其他用户也去过的地点资讯等等。

如图2所示，物品推荐方法包括：步骤S2100-S2200。

步骤S2100，根据所获取的历史统计时段的全部用户的物品选中记录，构建用户物品关联序列。

用户的物品选中记录是用户已经发生的、选中物品的记录。该物品选中记录可以根据不同类型的物品采用具体的记录方式。例如，物品是短视频时，物品选中记录可以是记录用户点击播放过的短视频的点击序列，该点击序列中根据用户的点击次序依次记录用户点击播放的短视频具有的短视频标识；物品是新闻时，物品选中记录可以是记录用户点击浏览过的文章的点击序列，该点击序列中根据用户的点击次序依次记录用户点击浏览的新闻具有的新闻标识；物品是商品时，物品选中记录可以是记录用户点击查看过的商品的点击序列，该点击序列中根据用户的点击次序依次记录用户点击查看的商品具有的商品标识；等等。

历史统计时段是可以根据具体的应用场景或者应用需求设置，例如，可以设置为过去1个月或者过去一周等。

在本实施例中，可以通过提供浏览、查看或者购买物品服务的应用软件，收集在历史统计时段中整个用户群体发生的与物品相关的行为数据，从行为数据中获取在历史统计时段中全部用户的物品选中记录。

每个用户的物品选中记录体现的用户实施的、与物品相关的行为，通过用户的物品选中记录，构建用户物品关联序列。每个用户物品关联序列体现对应的用户与物品之间的关联。

基于体现用户与物品之间的关联的用户物品关联序列，可以结合后续步骤获取用于获取召回物品的物品关联信息，可以实现从召回物品中选取推荐给用户的目标物品，缩小推荐物品的选取范围，提升物品推荐效率，并且能基于用户与物品相关的行为扩充物品之间的关联，使得获取的召回物品更符合用户的偏好，提升物品推荐的准确率。

在一个例子中，步骤S2100可以包括：步骤S2110-S2120。

步骤S2110，根据历史统计时段的全部用户的物品选中记录，分别构建用户物品序列以及物品用户序列。

在本例中，每个用户都具有对应的、具有唯一性的用户标识，用于区分该用户与其他用户，该用户标识可以是用户的用户名、账户名、用户ID等。每个物品都就具有对应的、具有唯一性的物品标识，用于区分该物品与其他物品，该物品标识可以物品的名称、物品的内容标识、物品的ID等。

用户物品序列是以一个用户的用户标识为起始节点的、不同物品的物品标识作为其他节点的序列。每个用户物品序列体现的是对应的一个用户与至少一个物品之间的关联。

物品用户序列是以一个物品的物品标识为起始节点、不同用户的用户标识作为其他节点的序列。每个物品用户序列体现的是对应的一个物品与至少一个用户之间的关联。

通过构建用户物品序列以及物品用户序列，可以从用户的物品选中记录中抽取到每个用户与物品之间的关联以及每个物品与用户之间的关联，以便能结合后续步骤，根据体现用户与物品之间的关联的用户物品序列、以及体现物品与用户之间关联的物品用户序列，以构建能精准、完整体现用户、物品之间关联的用户物品关联序列。

更具体的例子中，用户的物品选中记录中包括用户的用户标识以及根据用户选中物品的次序排序的、用户选中物品的物品标识。例如，如图3所示，对于用户A，在历史统计时段中依次选中过物品a、b、d，对应的用户的物品选中记录中包括用户A的用户标识A、以及根据用户A选中物品次序排序的物品标识a、b、d；类似地，用户B的物品选中记录中包括用户标识B、用户B依次选中物品的物品标识a、c，用户C的物品选中记录中包括用户标识C、用户C依次选中物品的物品标识b、e，用户D的物品选中记录中包括用户标识D、用户D依次选中物品的物品标识c、d。

在这个更具体的例子中，步骤S2110可以通过下述步骤S2111-S2112实施。

步骤S2111，根据每条物品选中记录，以物品选中记录中包括的用户标识为起始节点、物品选中记录中包括的已排序的物品标识依次作为其他节点，构建对应的用户物品序列。

以图3中所示的物品选中记录为例，对于包括用户标识A、物品标识a、b、d的物品选中记录，以用户标识A为起始节点，结合已排序的物品标识a、b、d，对应可以构建得到的用户物品标识序列为A-a-b-d；类似地，通过其他物品选中记录，可以分别得到用户物品标识序列B-a-c、C-b-e、D-c-d。

步骤S2112，对全部物品选中记录中出现的每个物品标识，以该物品标识为起始节点、该物品标识所在的物品选中记录中出现的用户标识为其他节点，构建对应的物品用户序列。

以图3中所示的物品选中记录为例，对于包括用户标识A、物品标识a、b、d的物品选中记录，以物品标识a为起始节点，结合物品标识a出现在包括用户标识A的物品选中记录以及包括用户标识B的物品选中记录中，可以构建得到的物品用户标识序列为a-A-B；然后，以物品标识b为起始节点，结合物品标识b出现在包括用户标识A的物品选中记录以及包括用户标识C的物品选中记录中，可以构建得到的物品用户标识为b-A-C；以物品标识d为起始节点，结合物品标识d出现在包括用户标识A的物品选中记录以及包括用户标识D的物品选中记录中，可以构建得到的物品用户序列为d-A-D；类似地，还可以根据其他物品选中记录，构建得到物品用户序列c-B-D、e-C。

在构建用户物品序列以及物品用户序列之后，进入：

步骤S2120，根据用户物品序列以及物品用户序列，构建用户物品关联序列。

根据体现用户与物品之间的关联的用户物品序列、以及体现物品与用户之间关联的物品用户序列，以构建能精准、完整体现用户、物品之间关联的用户物品关联序列。

在更具体的一个例子中，用户物品关联序列是预设序列长度的、以用户标识为起点并将用户标识以及物品标识作为相邻节点依次间隔排序的序列。预设序列长度是用户物品关联序列中包括的节点数目，可以根据具体的应用场景或者应用需求设置的。

在这个具体的例子中，步骤S2120可以包括：步骤S2121-S2122。

步骤S2121，以一个用户物品序列中的用户标识为起始节点，从用户物品序列中以预设概率随机抽取一个物品标识作为第二个节点，从被抽取的物品标识为起始节点的物品用户序列中，以预设概率随机抽取一个用户标识作为第三个节点，从被抽取的用户标识为起始节点的用户物品序列中，以预设概率随机抽取一个物品标识作为第四个节点，依次重复间隔执行上述随机抽取物品标识作为节点以及随机抽取用户标识作为节点的步骤，直至构建完成符合预设序列长度的用户物品关联序列。

在本例中，预设概率是预先设置的、用于随机抽取得到用户物品关联序列中的节点的概率值，可以根据具体的应用场景或者应用需求设置。

如图3所示为例，对于用户物品序列A-a-b-d，选取用户标识A为起始节点，在用户物品序列A-a-b-d中，以预设概率随机抽取一个物品标识作为第二个节点，假设抽取到的物品标识是a；再在以物品标识a为起始节点的物品用户序列a-A-B中，以预设概率随机抽取一个用户标识作为第三个节点，假设抽取的用户标识是B；再在以用户标识B为起始节点的用户物品序列B-a-c中，以预设概率随机抽取一个物品标识作为第四个节点，假设抽取到的物品标识是c；假设预设序列长度是8，一个用户物品关联序列中包括8个节点，继续重复间隔执行上述随机抽取用户标识作为节点、随机抽取物品标识作为节点的步骤，直接构建得到包括8个节点的用户物品关联序列：A-a-B-c-D-d-D-c。

通过依次间隔分别从物品用户序列中随机抽取用户标识以及从用户物品序列中随机抽取物品标识，形成“用户-物品-用户-物品-用户-物品……”形式的间隔交叉关联，来构建用户物品关联序列，可以将直接通过物品选中记录无法建立关联的用户与物品，基于用户为中间桥梁，在同一个用户物品关联序列中建立关联，极大扩展用户与物品之间的关联范围。

步骤S2122，重复执行构建完成符合预设序列长度的用户物品关联序列的步骤，直至遍历所有用户物品序列以及物品用户序列，得到所有不同的用户物品关联序列。

如图3所示，仅以用户标识A为起始节点的用户物品关联序列就在四条以上，最终基于用户物品序列以及物品用户序列构建的用户物品关联序列的数目，会远远多于用户物品序列以及物品用户序列的总数目，实现扩展用户与物品之间的关联。

在另一个更具体的例子中，用户物品关联序列是预设序列长度的、以物品标识为起点并将物品标识以及用户标识作为相邻节点依次间隔排序的序列。预设序列长度是用户物品关联序列中包括的节点数目，可以根据具体的应用场景或者应用需求设置的。

在这个具体的例子中，步骤S2120可以包括：步骤S21201-S21202。

步骤S21201，以一个物品用户序列中的物品标识为起始节点，从物品用户序列中以预设概率随机抽取一个用户标识作为第二个节点，从被抽取的用户标识为起始节点的用户物品序列中，以预设概率随机抽取一个物品标识作为第三个节点，从被抽取的物品标识为起始节点的所述物品用户序列中，以预设概率随机抽取一个用户标识作为第四个节点，依次重复执行上述随机抽取物品标识作为节点以及随机抽取用户标识作为节点的步骤，直至构建完成符合预设序列长度的用户物品关联序列。

在本例中，预设概率是预先设置的、用于随机抽取得到用户物品关联序列中的节点的概率值，可以根据具体的应用场景或者应用需求设置。

如图4所示为例，对于物品用户序列a-A-B，选取物品标识a为起始节点，在物品用户序列a-A-B中，以预设概率随机抽取一个用户标识作为第二个节点，假设抽取到的用户标识是B；再在以用户标识A为起始节点的用户物品序列B-a-c中，以预设概率随机抽取一个物品标识作为第三个节点，假设抽取的用户标识是c；再在以物品标识c为起始节点的物品用户序列c-B-D中，以预设概率随机抽取一个用户标识作为第四个节点，假设抽取到的用户标识是D；假设预设序列长度是8，一个用户物品关联序列中包括8个节点，继续重复间隔执行上述随机抽取物品标识作为节点、随机抽取用户标识作为节点的步骤，直接构建得到包括8个节点的用户物品关联序列：a-B-c-D-d-A-b-C。

通过依次间隔分别从用户物品序列中随机抽取物品标识以及从物品用户标识中随机抽取用户标识，形成“物品-用户-物品-用户-物品-用户……”形式的间隔交叉关联，来构建用户物品关联序列，可以将直接通过物品选中记录无法建立关联的用户与物品，基于用户为中间桥梁，在同一个用户物品关联序列中建立关联，极大扩展用户与物品之间的关联范围。

步骤S21202，重复执行构建完成符合预设序列长度的用户物品关联序列的步骤，直至遍历所有用户物品序列以及物品用户序列，得到所有不同的用户物品关联序列。

如图4所示，仅以物品标识a为起始节点的用户物品关联序列就在四条以上，最终基于用户物品序列以及物品用户序列构建的用户物品关联序列的数目，会远远多于用户物品序列以及物品用户序列的总数目，实现扩展用户与物品之间的关联。

在构建用户物品关联序列之后，进入：

步骤S2200，根据所有用户物品关联序列，获取物品关联信息，以用于物品推荐。

在本实施例中，物品关联信息包括每个物品与其他物品之间的物品关联度。

用户物品关联序列是基于体现用户对物品行为的物品选中记录获取的、体现用户与物品之间关联的序列，基于用户物品关联序列，可以扩充物品之间的关联，使得对应获取的物品关联信息更为精准，相应地，基于该物品关联信息进行物品推荐，可以基于物品之间精准的关联，缩小实施针对用户个性化推荐的物品推荐范围，提高物品推荐效率，同时，基于基于物品之间精准的关联，还能更快速、精准地确定符合用户偏好的物品进行推荐，提高物品推荐准确率。

特别是对于短视频这类物品内容较为丰富、难以根据物品内容进行准确分类的物品，通过体现用户发生的与物品相关行为的物品选中记录(例如短视频点击序列)来构建用户物品序列，以用户为中间桥梁扩充物品之间的关联，而不是基于物品内容来建立物品之间的关联，可以使得基于物品之间关联度推荐的物品能更精准符合用户的偏好。

在一个例子中，步骤S2200可以包括：步骤S2210-S2220。

步骤S2210，将所有用户物品关联序列进行向量化处理，得到每个物品的物品向量。

以图3所示或图4所示的用户物品关联序列为例，用户物品关联序列中是以物品标识以及用户标识为相邻节点间隔排序得到的序列。对于每个用户物品关联序列，可以将用户物品关联序列中包括的用户标识、物品标识连成一个语句，采用自然语言处理中的用来产生词向量的相关模型(例如Word2Vec模型)来进行向量化处理，对应得到每个物品的物品向量。

步骤S2220，根据物品向量，获取每个物品与其他所述物品两两之间的物品向量距离作为对应的物品关联度，得到物品关联信息。

例如，基于如图3或者图4所示的用户物品关联序列，进行向量化处理后，可以得到物品a、b、c、d、e对应的物品向量Vec_a、Vec_b、Vec_c、Vec_d、Vec_e；对于物品a，可以根据物品向量Vec_a、Vec_b获取物品a与物品b之间的物品向量距离，该物品向量距离可以通过基于物品向量Vec_a、Vec_b计算的曼哈顿距离、切比雪夫距离、余弦距离或者欧氏距离等；类似地，根据物品向量Vec_a、Vec_b、Vec_c、Vec_d、Vec_e，可以分别得到物品a、b、c、d、e两两之间的物品向量距离，作为对应的两个物品之间的物品关联度。

在获取任意两个物品之间的物品关联度之后，就可以得到包括所有物品之间的物品关联度的物品关联信息。

在另一个例子中，步骤S2200可以包括：步骤S2201-S2203。

步骤S2201，对每个用户物品关联序列，抽取对应的物品关联序列。

在本例中，用户物品关联序列是体现用户与物品之间关联的序列。从用户物品关联序列，可以直接抽取对应的物品关联序列，实现基于用户为中间桥梁扩展物品之间的关联。

以图3所示或图4所示的用户物品关联序列为例，用户物品关联序列中是以物品标识以及用户标识为相邻节点间隔排序得到的序列。可以将用户物品关联序列中的物品前后关联关系抽取出来，得到对应的物品关联序列。例如，用户物品关联序列为A-a-B-c-D-d-D-c，抽取对应的物品关联序列是a-c-d-c；或者用户物品关联序列为a-B-c-D-d-A-b-C，抽取对应的物品关联序列是a-c-d-b。

步骤S2202，对所有所述物品关联序列进行向量化处理，得到每个物品的物品向量。

在本例中，对于每个物品关联序列，可以将物品关联序列中包括的物品标识连成一个语句，采用自然语言处理中的用来产生词向量的相关模型(例如Word2Vec模型)来进行向量化处理，对应得到每个物品的物品向量。

步骤S2203，根据物品向量，获取每个物品与其他所述物品两两之间的物品向量距离作为对应的物品关联度，得到物品关联信息。

在本例中，步骤S2203的实施与上述的另一个例子中的步骤S2220类似，在此不再赘述。

上述已经说明如图2所示的通过步骤S2100-S2200实施的物品推荐方法。在另一个例子中，物品推荐方法除了包括步骤S2100-S2200，还包括：步骤S2300。

步骤S2300，根据用户物品关联序列，获取用户关联信息，以用于物品推荐。

用户关联信息包括每个所述用户与其他用户之间的用户关联度。

在一个例子中，步骤S2300包括步骤S2310-S2320。

步骤S2310，将所有用户物品关联序列进行向量化处理，得到每个用户的用户向量。

以图3所示或图4所示的用户物品关联序列为例，用户物品关联序列中是以物品标识以及用户标识为相邻节点间隔排序得到的序列。对于每个用户物品关联序列，可以将用户物品关联序列中包括的用户标识、物品标识连成一个语句，采用自然语言处理中的用来产生词向量的相关模型(例如Word2Vec模型)来进行向量化处理，对应得到每个用户的用户向量。

步骤S2320，根据用户向量，获取每个用户与其他用户两两之间的用户向量距离作为对应的用户关联度，得到用户关联信息。

例如，基于如图3或者图4所示的用户物品关联序列，进行向量化处理后，可以得到用户A、B、C、D对应的用户向量Vec_A、Vec_B、Vec_C、Vec_D；对于用户A，可以根据用户向量Vec_A、Vec_B获取用户A与用户B之间的用户向量距离，该用户向量距离可以通过基于用户向量Vec_A、Vec_B计算的曼哈顿距离、切比雪夫距离、余弦距离或者欧氏距离等；类似地，根据用户向量Vec_A、Vec_B、Vec_C、Vec_D，可以分别得到用户A、B、C、D两两之间的用户向量距离，作为对应的两个用户之间的用户关联度。

在获取任意两个用户之间的用户关联度之后，就可以得到包括所有用户之间的用户关联度的用户关联信息。

在另一个例子中，步骤S2300可以包括：步骤S2301-S2303。

步骤S2301，对每个用户物品关联序列，抽取对应的用户关联序列。

在本例中，用户物品关联序列是体现用户与物品之间关联的序列。从用户物品关联序列，可以直接抽取对应的用户关联序列，实现基于物品为中间桥梁扩展用户之间的关联。

以图3所示或图4所示的用户物品关联序列为例，用户物品关联序列中是以物品标识以及用户标识为相邻节点间隔排序得到的序列。可以将用户物品关联序列中的用户前后关联关系抽取出来，得到对应的用户关联序列。例如，用户物品关联序列为A-a-B-c-D-d-D-c，抽取对应的用户关联序列是A-B-D-D；或者用户物品关联序列为a-B-c-D-d-A-b-C，抽取对应的物品关联序列是B-D-A-C。

步骤S2302，对所有用户关联序列进行向量化处理，得到每个用户的用户向量。

在本例中，对于每个用户关联序列，可以将用户关联序列中包括的用户标识连成一个语句，采用自然语言处理中的用来产生词向量的相关模型(例如Word2Vec模型)来进行向量化处理，对应得到每个用户的用户向量。

步骤S2303，根据用户向量，获取每个用户与其他用户两两之间的用户向量距离作为对应的用户关联度，得到用户关联信息。

在本例中，步骤S2303的实施与上述的另一个例子中的步骤S2320类似，在此不再赘述。

在本例的具体应用中，步骤S2200可以与步骤S2300并列执行，并且分别根据步骤S2200获取物品关联信息以及根据步骤S2300获取用户关联信息，用于物品推荐。

<物品推荐装置>

在本实施例中，还推荐一种物品推荐装置3000，如图5所示，包括：序列构建单元3100、关联获取单元3200，用于实施本实施例中提供的物品推荐方法。

序列构建单元3100，用于根据所获取的历史统计时段的全部用户的物品选中记录，构建用户物品关联序列；每个用户物品关联序列体现对应的用户与物品之间的关联。

可选地，所述序列构建单元3100，包括：

用于根据所述历史统计时段的全部用户的物品选中记录，分别构建用户物品序列以及物品用户序列的装置；

其中，所述用户物品序列是以一个用户的用户标识为起始节点的、不同物品的物品标识作为其他节点的序列；所述物品用户序列是以一个物品的物品标识为起始节点、不同用户的用户标识作为其他节点的序列；

用于根据所述用户物品序列以及物品用户序列，构建所述用户物品关联序列的装置。

可选地，所述用户的物品选中记录中包括用户的用户标识以及根据用户选中物品的次序排序的、用户选中物品的物品标识；

所述用于根据所述历史统计时段的全部用户的物品选中记录，分别构建用户物品序列以及物品用户序列的装置还用于：

根据每条所述物品选中记录，以所述物品选中记录中包括的所述用户标识为起始节点、所述物品选中记录中包括的已排序的所述物品标识依次作为其他节点，构建对应的所述用户物品序列；

对全部所述物品选中记录中出现的每个物品标识，以所述物品标识为起始节点、所述物品标识所在的所述物品选中记录中出现的所述用户标识为其他节点，构建对应的所述物品用户序列。

可选地，所述用户物品关联序列是预设序列长度的、以用户标识为起点并将用户标识以及物品标识作为相邻节点依次间隔排序的序列；

所述用于根据所述用户物品序列以及物品用户序列，构建所述用户物品关联序列的装置还用于：

以一个所述用户物品序列中的用户标识为起始节点，从所述用户物品序列中以预设概率随机抽取一个物品标识作为第二个节点，从被抽取的所述物品标识为起始节点的所述物品用户序列中，以所述预设概率随机抽取一个用户标识作为第三个节点，从被抽取的所述用户标识为起始节点的所述用户物品序列中，以所述预设概率随机抽取一个物品标识作为第四个节点，依次重复间隔执行上述随机抽取用户标识作为节点以及随机抽取物品标识作为节点的步骤，直至构建完成符合预设序列长度的所述用户物品关联序列；

重复执行上述构建完成符合预设序列长度的所述用户物品关联序列的步骤，直至遍历所有所述用户物品序列以及物品用户序列，得到所有不同的所述用户物品关联序列。

可选地，所述用户物品关联序列是预设序列长度的、以物品标识为起点并将物品标识以及用户标识作为相邻节点依次间隔排序的序列；

所述用于根据所述用户物品序列以及物品用户序列，构建所述用户物品关联序列的装置包括：

以一个所述物品用户序列中的物品标识为起始节点，从所述物品用户序列中以预设概率随机抽取一个用户标识作为第二个节点，从被抽取的所述用户标识为起始节点的所述用户物品序列中，以所述预设概率随机抽取一个物品标识作为第三个节点，从被抽取的所述物品标识为起始节点的所述物品用户序列中，以所述预设概率随机抽取一个用户标识作为第四个节点，依次重复执行上述随机抽取物品标识作为节点以及随机抽取用户标识作为节点的步骤，直至构建完成符合预设序列长度的所述用户物品关联序列；

重复执行上述构建完成符合预设序列长度的所述用户物品关联序列的步骤，直至遍历所有所述用户物品序列以及物品用户序列，得到所有不同的所述用户物品关联序列。

关联获取单元3200，用于根据所有所述用户物品关联序列，获取物品关联信息；所述物品关联信息包括每个所述物品与其他所述物品之间的物品关联度。

可选地，所述用于根据所有所述用户物品关联序列，获取物品关联信息的装置还用于：

将所有所述用户物品关联序列进行向量化处理，得到每个物品的物品向量；

根据所述物品向量，获取每个所述物品与其他所述物品两两之间的物品向量距离作为对应的所述物品关联度，得到所述物品关联信息。

可选地，所述用于根据所有所述用户物品关联序列，获取物品关联信息的装置还用于：

对每个所述用户物品关联序列，抽取对应的物品关联序列；

对所有所述物品关联序列进行向量化处理，得到每个物品的物品向量；

根据所述物品向量，获取每个所述物品与其他所述物品两两之间的物品向量距离作为对应的所述物品关联度，得到所述物品关联信息。

可选地，所述物品推荐装置3000还用于：

根据所述用户物品关联序列，获取用户关联信息，以用于物品推荐；所述用户关联信息包括每个所述用户与其他用户之间的用户关联度。

本领域技术人员应当明白，可以通过各种方式来实现物品推荐装置3000。例如，可以通过指令配置处理器来实现物品推荐装置3000。例如，可以将指令存储在ROM中，并且当启动设备时，将指令从ROM读取到可编程器件中来实现物品推荐装置3000。例如，可以将物品推荐装置3000固化到专用器件(例如ASIC)中。可以将物品推荐装置3000分成相互独立的单元，或者可以将它们合并在一起实现。物品推荐装置3000可以通过上述各种实现方式中的一种来实现，或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。

在本实施例中，物品推荐装置3000可以任意提供物品浏览、查看或者购买服务的应用软件或者应用系统。例如，物品推荐装置3000可以是提供短视频搜索、播放服务的信息流应用。或者，物品推荐装置3000可以是封装后可被调用的SDK(Software DevelopmentKit，软件开发工具包),以供任意提供物品推荐服务的应用安装或加载后调用，获取对应的物品关联信息用于进行物品推荐。

<物品推荐设备>

在本实施例中，还推荐一种物品推荐设备4000，如图6所示，包括：

存储器4100，用于存储可执行的指令；

处理器4200，用于根据所述可执行的指令，运行所述物品推荐设备实施如本实施例所述的任意一项物品推荐方法。

在本实施例中，物品推荐设备4000可以是服务器、刀片服务器、云端服务器等。例如，物品推荐设备4000可以包括安装有任意提供物品浏览、查看或者购买服务的应用软件的服务端所在的电子设备。

物品推荐设备4000还可以包括其他装置，例如，如图1所示的电子设备1000，还可以包括输入装置等。

<可读存储介质>

在本实施例中，还提供一种可读存储介质，可读存储介质存储有可被计算机读取并运行的计算机程序，所述计算机程序用于在被所述计算机读取运行时，执行如本实施例所述的物品推荐方法。

可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

以上已经结合附图描述了本实施例，在本实施例中提供一种物品推荐方法、装置、设备及可读存储介质，根据历史统计时段中全部用户的物品选中记录，构建体现用户与物品之间关联的用户物品关联序列，根据物品关联序列获取包括物品之间关联度的物品关联信息，可以基于体现用户行为的物品选中记录扩充物品之间的关联，使得根据包括物品之间的关联度的物品关联信息进行物品推荐，可以缩小实施针对用户个性化推荐的物品推荐范围，提高物品推荐效率，同时，还能更快速、精准地确定符合用户偏好的物品进行推荐，提高物品推荐准确率。

<第二实施例>

在本实施例中提供一种物品推荐方法。方法可以应用的物品(又称item)，可以包括可供用户浏览阅读的小说、新闻、资讯或文章等，也可以是可以供用户播放观看的视频、短视频等，还可以是可被用户选中购买的各种商品。该物品推荐方法不仅可以适用于各种线上推荐物品的场景，例如，电商平台上向用户推荐可供消费的物品，还可以适用于LBS(Location Based Service，基于位置服务)场景、O2O(Online To Offline，线上到线下)等场景中的物品推荐，例如，在结合LBS的O2O场景中，物品是地点资讯，在用户点击打开某个餐馆的详情页面时，可以向用户推荐去过这个餐馆的其他用户也去过的地点资讯等等。

如图7所示，该物品关联方法包括：步骤S3100-S3200。S3100，在被触发向目标用户推荐物品时，获取物品关联信息以及目标用户在最近统计时段的物品选中记录。

在本实施例中，可以通过目标用户对提供物品推荐服务的应用或者设备实施的启动操作、浏览操作、点击操作、滑动手势操作等用户操作，来触发向目标用户推荐目标物品。例如，物品是地点资讯，当用户进入某个餐馆时，打开提供地点推荐服务的应用时，可以触发实施本实施例中的物品推荐方法，向用户推荐与该餐馆相关的地点资讯，例如，到过该餐馆的用户还去过的其他地点的地点资讯。

用户的物品选中记录是用户已经发生的、选中物品的记录。该物品选中记录可以根据不同类型的物品采用具体的记录方式。具体可以如第一实施例中所述。目标用户在最近统计时段的物品选中记录中记录有目标用户在最近统计时段中选中的物品。最近统计时段可以根据具体的应用需求或者应用场景设置，例如，将最近统计时段设置为最近1天内。

在本实施例中，可以通过目标用户使用的提供物品推荐服务的应用或者目标用户使用的设备记录获取目标用户的物品选中记录，例如，通过应用的用户日志中挖掘获取目标用户在最近统计时段中的物品选中记录。

物品关联信息包括每个物品与其他所述物品之间的物品关联度。在本实施例中，物品关联信息是根据第一实施例中提供的物品推荐方法得到的，即物品关联信息是基于体现用户与物品之间关联的用户物品关联序列获取的，通过用户与物品相关的行为扩充物品之间的关联，得到更精准的物品之间的关联。

在本实施例中，物品关联信息可以根据第一实施例中提供的物品推荐方法预先得到后保存，在实施本实施例中直接从保存该物品关联信息的服务器或者数据库读取，或者，物品关联信息可以在实施本实施例时，实时触发根据第一实施例中提供的物品推荐方法获取。

S3200，根据物品关联信息以及物品选中记录获取召回物品，在召回物品中选取目标物品推荐给目标用户。物品关联信息是基于体现用户与物品之间关联的用户物品关联序列获取的，基于用户与物品相关的行为扩充物品之间的关联。目标用户在最近统计时段的物品选中记录体现目标用户近期对物品的偏好。根据物品关联信息以及目标用户在最近统计时段的物品选中记录获取的召回物品，是符合用户偏好的物品。在召回物品中选取目标物品推荐给用户，可以缩小推荐物品的选取范围，提升物品推荐效率，同时基于用户行为扩充物品之间关联得到的召回物品能更精准地符合用户偏好，提升基于召回物品推荐目标物品的准确率。

在本实施例中，可以根据具体的物品推荐场景以及物品类型，选取对应的物品推荐形式向用户推荐物品。例如，在线上物品推荐场景中，物品是短视频、文章、新闻时，可以直接通过物品推荐界面展示物品列表的形式向用户推荐目标物品；在LBS、O2O等场景中，可以在用户浏览的页面中，在用户浏览的主要页面内容之外，通过页面的固定区域推荐目标物品，例如，用户点开一个餐馆的详情页面，在该餐馆的详情页面中除了展示餐馆的详情之外，可以通过详情内容下方的区域向用户推荐去过该餐馆的其他用户也去过的其他地点的地点资讯。

在一个例子中，步骤S3200可以包括：步骤S3210-S3220。

步骤S3210，对目标用户在最近统计时段的物品选中记录中记录的每个选中物品，根据物品关联信息，选取与该选中物品的物品关联度高于关联度阈值的所述物品作为召回物品。

关联度阈值是用于根据物品之间的关联度判断物品是否相似的阈值。物品关联度高于关联度阈值的两个物品属于相似物品。关联度阈值的具体数值可以根据工程经验或者实验仿真结果设置。

目标用户在最近统计时段的物品选中记录中记录的选中物品，可以体现用户近期对物品的偏好。与选中物品的物品关联度高于关联度阈值的物品，是与选中物品相似的物品，将该物品作为召回物品，可以实现将符合用户偏好的物品作为召回物品，提升基于召回物品推荐目标物品的准确率。

步骤S3220，根据预设物品推荐规则，对召回物品进行排序，选取排序次序在预设的排序范围内的召回物品，作为目标物品。

预设物品推荐规则是根据具体的应用场景或者应用需求预先设置的、用于基于召回物品选取推荐物品的规则。例如，预设物品推荐规则可以是将召回物品中物品热度排序在预设排序范围内的物品作为目标物品，物品热度是对应的物品获取的用户关注度，比如物品是短视频时，物品热度可以是短视频的播放量或点击量，对应的，在本例中，就可以根据每个召回物品的物品热度对召回物品进行排序，将排序次序在预设的排序范围内的召回物品作为目标物品。

预设的排序范围可以根据具体的推荐场景或者推荐需求设置。例如，排序范围可以设置为1-3，将排序次序在前3位的召回物品作为目标物品推荐给目标用户。

上述已经说明如图7所示的通过步骤S3100-S3200实施的物品推荐方法。在另一个例子中，物品推荐方法除了包括步骤S3100-S3200，还包括：步骤S3300-S3400。

步骤S3300，获取用户关联信息。

用户关联信息包括每个用户与其他用户之间的用户关联度，是根据用户物品关联序列获取，具体获取方式如第一实施例所述，在此不再赘述；每个用户物品关联序列体现对应的用户与物品之间的关联。

用户物品关联序列是基于体现用户对物品行为的物品选中记录获取的、体现用户与物品之间关联的序列。基于用户物品关联序列，不仅可以扩充物品之间的关联，还可以建立用户之间的关联，获取每个用户与其他用户之间的用户关联度，得到用户关联信息。

在本实施例中，用户关联信息可以根据第一实施例中提供的物品推荐方法预先得到后保存，在实施本实施例中直接从保存该用户关联信息的服务器或者数据库读取，或者，用户关联信息可以在实施本实施例时，实时触发根据第一实施例中提供的物品推荐方法获取。步骤S3400，根据用户关联信息确定目标用户的关联用户，根据关联用户在最近统计时段的物品选中记录获取召回物品，在召回物品中选取目标物品推荐给目标用户。

目标用户的关联用户可以是与目标用户的用户关联度大于用户关联阈值的用户。用户关联阈值是用于根据用户关联度判断两个用户是否相似的阈值。用户关联度大于用户关联阈值的两个用户是相似用户。

关联用户在最近统计时段的物品选中记录，体现关联用户近期对物品的偏好。根据关联用户在最近统计时段的物品选中记录获取召回物品，可以将关联用户在最近统计时段的物品选中记录中包括的物品作为召回物品，实现将与目标用户相似的关联用户偏好的物品作为召回物品，基于物品为中间桥梁扩充的用户之间关联来选取召回物品，令召回物品更符合目标用户的偏好。

在召回物品中选取目标物品推荐给目标用户的实施可以如上述的步骤S3200，在此不再赘述。

在本例的具体应用中，步骤S3100-S3200可以与步骤S3300-S3400并列执行，并且分别根据步骤S3100-S3200从召回物品选取目标物品以及步骤S3300-S3400从召回物品选取目标物品后，可以将两个来源选取目标物品去重合后再推荐给目标用户，进一步提升推荐物品的准确率。

<推荐物品装置>

在本实施例中，还推荐一种物品推荐装置5000，如图8所示，包括：推荐触发单元5100、召回推荐单元5200，用于实施本实施例中提供的物品推荐方法。

推荐触发单元5100，用于在在被触发向目标用户推荐物品时，获取物品关联信息以及目标用户在最近统计时段的物品选中记录；所述物品关联信息包括每个所述物品与其他所述物品之间的物品关联度，根据如本发明第一实施例的任意一项方法得到。

召回推荐单元5200，用于根据所述物品关联信息以及所述物品选中记录获取召回物品，在所述召回物品中选取目标物品推荐给目标用户。

可选地，所述召回推荐单元5200还用于：

对所述物品选中记录中记录的每个选中物品，根据所述物品关联信息，选取与所述选中物品的物品关联度高于关联度阈值的所述物品作为所述召回物品；

根据预设物品推荐规则，对所述召回物品进行排序，选取排序次序在预设的排序范围内的所述召回物品，作为所述目标物品。

可选地，所述物品推荐装置5000还用于：

获取用户关联信息；所述用户关联信息包括每个所述用户与其他用户之间的用户关联度，根据用户物品关联序列获取；每个所述用户物品关联序列体现对应的用户与物品之间的关联；

根据所述用户关联信息确定目标用户的关联用户，根据所述关联用户在最近统计时段的物品选中记录获取召回物品，在所述召回物品中选取目标物品推荐给目标用户。

本领域技术人员应当明白，可以通过各种方式来实现物品推荐装置5000。例如，可以通过指令配置处理器来实现物品推荐装置5000。例如，可以将指令存储在ROM中，并且当启动设备时，将指令从ROM读取到可编程器件中来实现物品推荐装置5000。例如，可以将物品推荐装置5000固化到专用器件(例如ASIC)中。可以将物品物品推荐装置5000分成相互独立的单元，或者可以将它们合并在一起实现。物品推荐装置5000可以通过上述各种实现方式中的一种来实现，或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。

在本实施例中，物品推荐装置5000可以任意提供物品浏览、查看或者购买服务的应用软件或者应用系统。例如，物品推荐装置3000可以是提供短视频搜索、播放服务的信息流应用，或者是提供LBS服务或者O2O服务的应用。

<物品推荐设备>

在本实施例中，还推荐一种物品推荐设备6000，如图9所示，包括：

存储器6100，用于存储可执行的指令；

处理器6200，用于根据所述可执行的指令，运行所述物品推荐设备实施如本实施例所述的任意一项物品推荐方法。

在本实施例中，物品推荐设备6000可以是手机、台式计算机、笔记本电脑、平板电脑等电子设备。例如，物品推荐设备6000可以包括安装有任意提供物品浏览、查看或者购买服务的应用软件的客户端的手机，或者，物品推荐设备6000还可以包括该应用软件服务端的服务器。

物品推荐设备6000还可以包括其他装置，例如，如图1所示的电子设备1000，还可以包括输入装置等。

<可读存储介质>

在本实施例中，还提供一种可读存储介质，可读存储介质存储有可被计算机读取并运行的计算机程序，所述计算机程序用于在被所述计算机读取运行时，执行如本实施例所述的物品推荐方法。

可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

以上已经结合附图描述了本发明的实施例，在本实施例中提供一种物品推荐方法、装置、设备及可读存储介质，根据包括物品之间关联度的物品关联信息以及目标用户在最近统计时段的物品选中记录，获取符合目标用户偏好的召回物品，在召回物品再选取目标物品推荐给目标用户，缩小推荐物品的选取范围，降低实施物品的个性化推荐的处理耗时，节省处理资源，提升物品推荐效率。同时，物品关联信息中是根据全部用户的物品选中记录构建用户物品关联序列来获取的物品之间的关联度，可以基于体现用户行为的物品选中记录扩充物品之间的关联，使得基于该物品关联信息获取的召回物品能更精准符合用户的偏好，提升基于召回物品推荐目标物品的准确率。

<第三实施例>

在本实施例中，提供一种物品推荐系统7000。该物品推荐系统7000可以包括如第一实施例中提供的物品推荐装置3000以及第二实施例中提供的物品推荐装置5000。或者，该物品推荐系统7000可以包括第一实施例中提供的物品推荐设备4000以及第二实施例中提供的物品推荐设备6000。

<例子>

以下将结合图10、图11进一步举例说明本实施例中提供的物品推荐系统所实施的物品推荐方法。

在本例中，待推荐的物品的是短视频。短视频即短片视频，是一种通过互联网传播内容的方式，通常在互联网上传播的时长较短的视频传播内容都属于短视频。

图10中示出了用户使用提供短视频搜索、播放服务的信息流应用时，信息流应用向用户推荐短视频的整体流程，并同时示出了实施短视频推荐时，信息流应用系统所涉及的系统模块。

该信息流应用系统中包括面向用户的应用客户端、应用接口层、包括召回模块和排序模块的推荐模块、关联信息数据库以及详细信息数据库。详细信息数据库中存储有每个短视频的详细信息。关联信息数据库中存储有短视频关联信息，短视频关联信息中包括任意两个短视频之间的视频关联度。

在本例中，该信息流应用系统可以通过物品推荐系统7000实现，其中，应用客户端、应用接口层、包括召回模块和排序模块的推荐模块、详细信息数据库可以是第二实施例中提供的物品推荐装置5000或者第二实施例中提供的物品推荐设备6000中对应部分的具体实施设备，关联信息数据库可以通过第一实施例中提供的物品推荐装置3000或者第一实施例中提供的物品推荐设备4000中对应部分的具体实施设备。获取短视频关联信息的流程如图11所示，可以通过第一实施例中提供的物品推荐装置3000或者第一实施例中提供的物品推荐设备4000实现，包括步骤S201-S07。

步骤S201，获取视频应用系统在历史统计时段中记录的用户日志。

用户日志中记录有在历史统计时段中访问视频应用系统的所有用户发生的、与短视频相关的行为数据。

在本例中，历史统计时段可以设置为过去一周。

步骤S202，从用户日志数据中抽取每个用户的用户点击序列。

用户点击序列中包括根据用户在历史统计时段中依次点击短视频的次序排序的短视频的短视频标识。

步骤S203，根据所有用户点击序列实施抽图处理，构建得到用户物品序列和物品用户序列。

在本例中，抽图处理的步骤可以同上文中构建用户物品序列和物品用户序列的步骤S2110，在此不再赘述。

步骤S204，根据用户物品序列和物品用户序列，实施随机游走得到用户物品关联序列。

在本例中，实施随机游走的步骤可以同上文中构建用户物品序列和物品用户序列的步骤S2121-S2122或者S21201-S21202，在此不再赘述。

步骤S205，对用户物品关联序列进行向量化处理，得到每个短视频的短视频向量。

在本例中，实施向量化处理的步骤可以同上文的步骤S2210或者S2201-S2202，在此不再赘述。

步骤S206，根据所有短视频向量，分别计算每个短视频与其他短视频之间的短视频关联度。

步骤S207，将包括短视频之间的视频关联度的短视频关联信息，存储在关联信息数据库中。

通过如图11所示的流程，可以得到存储短视频关联信息的关联信息数据库。

如图10所示的短视频推荐流程，可以通过第二实施例中提供的物品推荐装置5000或者第二实施例中提供的物品推荐设备6000实现，包括：步骤S211-S217。

步骤S211，目标用户通过应用客户端访问视频应用系统，触发短视频推荐。

步骤S212，应用客户端通过应用接口层触发推荐模块选取推荐给用户的目标短视频。

步骤S213，推荐模块触发召回模块根据目标用户在最近统计时段的短视频点击序列中记录的点击过的短视频，从关联信息数据库中查询获取与每个用户点击过的短视频的短视频关联度大于关联度阈值的短视频的短视频标识，作为召回短视频的短视频标识。

与用户点击过的短视频的短视频关联度大于关联度阈值的短视频，是与用户点击过的视频相似的短视频，也就是符合用户近期偏好的短视频。

步骤S214，召回模块根据召回短视频的短视频标识，从详细信息数据库中获取召回短视频的详细信息。

在本例中，召回短视频的详细信息可以包括召回短视频的视频点击量、视频内容类型、视频名称等等。

步骤S215，召回模块触发排序模块对召回短视频，根据预设的短视频推荐规则进行排序。

在本例中，预设的短视频推荐规则，是选取视频点击量排在前3位的召回短视频作为推荐给用户的目标短视频。

步骤S216，推荐模块在排序后的召回短视频中选取目标短视频，通过应用接口层反馈给应用客户端。

步骤S217，应用客户端向用户展示推荐的目标短视频。

在本例中，可以针对短视频这类物品内容较为丰富、难以根据物品内容进行准确分类的物品，通过体现用户发生的与物品相关行为的物品选中记录(例如短视频点击序列)来构建用户物品序列，以用户为中间桥梁扩充物品之间的关联，而不是基于物品内容来建立物品之间的关联，可以使得基于物品之间关联度获取的召回物品能更精准符合用户的偏好，不仅能通过从召回物品中推荐目标物品来缩小物品推荐范围，提高物品推荐效率，还能从召回物品中选取更精准符合用户偏好的目标物品推荐给用户，提高物品推荐准确率。

以上已经结合附图和例子描述了本发明的实施例，根据本实施例中提供的物品推荐系统，可以根据历史统计时段中全部用户的物品选中记录，构建体现用户与物品之间关联的用户物品关联序列，根据物品关联序列获取包括物品之间关联度的物品关联信息，基于物品关联信息以及目标用户在最近统计时段的物品选中记录，获取符合目标用户偏好的召回物品，在召回物品再选取目标物品推荐给目标用户，缩小推荐物品的选取范围，降低实施物品的个性化推荐的处理耗时，节省处理资源，提升物品推荐效率。同时，通过根据全部用户的物品选中记录构建用户物品关联序列来获取物品之间的关联度，可以基于体现用户行为的物品选中记录扩充物品之间的关联，使得根据包括物品之间的关联度的物品关联信息获取的召回物品能更精准符合用户的偏好，提升基于召回物品推荐目标物品的准确率。尤其适用于推荐内容多样化难以准确分类的短视频。

本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (15)

1.一种物品推荐方法，其中，包括：

根据所获取的历史统计时段的全部用户的物品选中记录，构建用户物品关联序列；每个所述用户物品关联序列体现对应的用户与物品之间的关联；

根据所有所述用户物品关联序列，获取物品关联信息，以用于物品推荐；所述物品关联信息包括每个所述物品与其他所述物品之间的物品关联度。

2.根据权利要求1所述方法，其中，

所述根据所获取的历史统计时段的全部用户的物品选中记录，构建用户物品关联序列的步骤包括：

根据所述历史统计时段的全部用户的物品选中记录，分别构建用户物品序列以及物品用户序列；

其中，所述用户物品序列是以一个用户的用户标识为起始节点的、不同物品的物品标识作为其他节点的序列；所述物品用户序列是以一个物品的物品标识为起始节点、不同用户的用户标识作为其他节点的序列；

根据所述用户物品序列以及物品用户序列，构建所述用户物品关联序列。

3.根据权利要求2所述的方法，其中，

所述用户的物品选中记录中包括用户的用户标识以及根据用户选中物品的次序排序的、用户选中物品的物品标识；

根据所述历史统计时段的全部用户的物品选中记录，分别构建用户物品序列以及物品用户序列的步骤包括：

根据每条所述物品选中记录，以所述物品选中记录中包括的所述用户标识为起始节点、所述物品选中记录中包括的已排序的所述物品标识依次作为其他节点，构建对应的所述用户物品序列；

对全部所述物品选中记录中出现的每个物品标识，以所述物品标识为起始节点、所述物品标识所在的所述物品选中记录中出现的所述用户标识为其他节点，构建对应的所述物品用户序列。

4.根据权利要求2所述的方法，其中，

所述用户物品关联序列是预设序列长度的、以用户标识为起点并将用户标识以及物品标识作为相邻节点依次间隔排序的序列；

所述根据所述用户物品序列以及物品用户序列，构建所述用户物品关联序列的步骤包括：

以一个所述用户物品序列中的用户标识为起始节点，从所述用户物品序列中以预设概率随机抽取一个物品标识作为第二个节点，从被抽取的所述物品标识为起始节点的所述物品用户序列中，以所述预设概率随机抽取一个用户标识作为第三个节点，从被抽取的所述用户标识为起始节点的所述用户物品序列中，以所述预设概率随机抽取一个物品标识作为第四个节点，依次重复间隔执行上述随机抽取用户标识作为节点以及随机抽取物品标识作为节点的步骤，直至构建完成符合预设序列长度的所述用户物品关联序列；

重复执行上述构建完成符合预设序列长度的所述用户物品关联序列的步骤，直至遍历所有所述用户物品序列以及物品用户序列，得到所有不同的所述用户物品关联序列；

或者，

所述用户物品关联序列是预设序列长度的、以物品标识为起点并将物品标识以及用户标识作为相邻节点依次间隔排序的序列；

所述根据所述用户物品序列以及物品用户序列，构建所述用户物品关联序列的步骤包括：

以一个所述物品用户序列中的物品标识为起始节点，从所述物品用户序列中以预设概率随机抽取一个用户标识作为第二个节点，从被抽取的所述用户标识为起始节点的所述用户物品序列中，以所述预设概率随机抽取一个物品标识作为第三个节点，从被抽取的所述物品标识为起始节点的所述物品用户序列中，以所述预设概率随机抽取一个用户标识作为第四个节点，依次重复执行上述随机抽取物品标识作为节点以及随机抽取用户标识作为节点的步骤，直至构建完成符合预设序列长度的所述用户物品关联序列；

重复执行上述构建完成符合预设序列长度的所述用户物品关联序列的步骤，直至遍历所有所述用户物品序列以及物品用户序列，得到所有不同的所述用户物品关联序列。

5.根据权利要求2所述的方法，其中，

所述根据所有所述用户物品关联序列，获取物品关联信息的步骤包括：

将所有所述用户物品关联序列进行向量化处理，得到每个物品的物品向量；

根据所述物品向量，获取每个所述物品与其他所述物品两两之间的物品向量距离作为对应的所述物品关联度，得到所述物品关联信息；

或者，

所述根据所有所述用户物品关联序列，获取物品关联信息的步骤包括：

对每个所述用户物品关联序列，抽取对应的物品关联序列；

对所有所述物品关联序列进行向量化处理，得到每个物品的物品向量；

根据所述物品向量，获取每个所述物品与其他所述物品两两之间的物品向量距离作为对应的所述物品关联度，得到所述物品关联信息。

6.根据权利要求1所述的方法，其中，还包括：

根据所述用户物品关联序列，获取用户关联信息，以用于物品推荐；所述用户关联信息包括每个所述用户与其他用户之间的用户关联度。

7.一种物品推荐方法，其中，包括：

在被触发向目标用户推荐物品时，获取物品关联信息以及目标用户在最近统计时段的物品选中记录；所述物品关联信息包括每个所述物品与其他所述物品之间的物品关联度，根据如权利要求1-6所述的任意一项方法得到；

根据所述物品关联信息以及所述物品选中记录获取召回物品，在所述召回物品中选取目标物品推荐给目标用户。

8.根据权利要求7所述的方法，其中，所述根据所述物品关联信息以及所述物品选中记录获取召回物品，在所述召回物品中选取目标物品推荐给目标用户的步骤包括：

对所述物品选中记录中记录的每个选中物品，根据所述物品关联信息，选取与所述选中物品的物品关联度高于关联度阈值的所述物品作为所述召回物品；

根据预设物品推荐规则，对所述召回物品进行排序，选取排序次序在预设的排序范围内的所述召回物品，作为所述目标物品。

9.根据权利要求7所述的方法，其中，还包括：获取用户关联信息；所述用户关联信息包括每个所述用户与其他用户之间的用户关联度，根据用户物品关联序列获取；每个所述用户物品关联序列体现对应的用户与物品之间的关联；

根据所述用户关联信息确定目标用户的关联用户，根据所述关联用户在最近统计时段的物品选中记录获取召回物品，在所述召回物品中选取目标物品推荐给目标用户。

10.一种物品推荐装置，其中，包括：

序列构建单元，用于根据所获取的历史统计时段的全部用户的物品选中记录，构建用户物品关联序列；每个所述用户物品关联序列体现对应的用户与物品之间的关联；

关联获取单元，用于根据所有所述用户物品关联序列，获取物品关联信息，以用于物品推荐；所述物品关联信息包括每个所述物品与其他所述物品之间的物品关联度。

11.一种物品推荐装置，其中，包括：

推荐触发单元，用于在在被触发向目标用户推荐物品时，获取物品关联信息以及目标用户在最近统计时段的物品选中记录；所述物品关联信息包括每个所述物品与其他所述物品之间的物品关联度，根据如权利要求1-6所述的任意一项方法得到；

召回推荐单元，用于根据所述物品关联信息以及所述物品选中记录获取召回物品，在所述召回物品中选取目标物品推荐给目标用户。

12.一种物品推荐设备，其中，包括：

存储器，用于存储可执行的指令；

处理器，用于根据所述可执行的指令，运行所述物品推荐设备实施如权利要求1-6所述的任意一项物品推荐方法。

13.一种物品推荐设备，其中，包括：

存储器，用于存储可执行的指令；

处理器，用于根据所述可执行的指令，运行所述物品推荐设备实施如权利要求7-9所述的任意一项物品推荐方法。

14.一种可读存储介质，其中，所述可读存储介质存储有可被计算机读取执行的计算机程序，所述计算机程序在被所述计算机读取时，执行如权利要求1-6所述的任意一项物品推荐方法或者如权利要求7-9所述的任意一项物品推荐方法。

15.一种物品推荐系统，其中，包括：

如权利要求10所述的物品推荐装置以及如权利要求11所述的物品推荐装置；

或者，

如权利要求12所述的物品推荐设备以及如权利要求13所述的物品推荐设备。

Images