CN116578784A - 目标物品的推荐方法、装置、计算机设备和存储介质 - Google Patents
目标物品的推荐方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116578784A CN116578784A CN202310551470.6A CN202310551470A CN116578784A CN 116578784 A CN116578784 A CN 116578784A CN 202310551470 A CN202310551470 A CN 202310551470A CN 116578784 A CN116578784 A CN 116578784A
- Authority
- CN
- China
- Prior art keywords
- item
- determining
- representation
- relation
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000006243 chemical reaction Methods 0.000 claims abstract description 155
- 238000004590 computer program Methods 0.000 claims description 43
- 230000007246 mechanism Effects 0.000 claims description 26
- 230000004913 activation Effects 0.000 claims description 20
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 239000004973 liquid crystal related substance Substances 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种目标物品的推荐方法、装置、计算机设备和存储介质。本方案涉及人工智能领域,方法包括:获取用户在预设时段内的至少两个操作物品对应的物品集;根据至少两个操作物品对应的操作时间戳,依次对物品集中的各操作物品进行删除处理,得到至少两个物品子集,并确定至少两个操作物品的关系转换表示;根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品的目标物品特征表示;根据各操作物品的目标物品特征表示,确定物品关系特征表示,并根据物品关系特征表示,从候选推荐物品中确定目标推荐物品。通过上述方法可以对用户短期偏好进行预测,且能增加物品推荐精准度。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种目标物品的推荐方法、装置、计算机设备和存储介质。
背景技术
在信息化和数字化的经济时代,推荐系统已经成为一种基本的工具,特别是在物品推荐领域,由于物品种类日益繁多,用户不得不从大量的物品中做出选择,这使得用户很难做出合理的决策,而推荐系统能够帮助用户在日常消费、商业运作和学习娱乐等方面做出合理的决策和选择。
当前的推荐系统只能对用户长时间的物品偏好进行预测和推荐,而实际的生活中,用户经常会产生一些短期的偏好,但当前的推荐系统无法对这些短期的偏好进行预测,从而无法准确的帮助用户在日常消费、商业运作和学习娱乐等方面做出合理的决策和选择。因此,急需一种能够对用户的短期偏好进行预测,能够提高物品推荐精准度的方法。
发明内容
基于此,有必要针对上述技术问题,提供一种能对短期偏好进行预测,且能提高物品推荐精准度的目标物品的推荐方法、装置计算机设备和存储介质。
第一方面,本申请提供了一种目标物品的推荐方法。该方法包括:
获取用户在预设时段内的至少两个操作物品对应的物品集;
根据至少两个操作物品对应的操作时间戳,依次对物品集中的各操作物品进行删除处理,得到至少两个物品子集,并确定至少两个操作物品的关系转换表示;
根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品的目标物品特征表示;
根据各操作物品的目标物品特征表示,确定物品关系特征表示,并根据物品关系特征表示,从候选推荐物品中确定目标推荐物品。
在其中一个实施例中,确定至少两个操作物品的关系转换表示,包括:
根据各物品子集中包含的操作物品的操作时间戳,确定两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系;
根据两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系,确定至少两个操作物品的关系转换表示。
在其中一个实施例中,根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品的目标物品特征表示,包括:
根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下的初始物品特征表示;其中,关系类型包括自身转换关系、出度转换关系、入度转换关系和出入度转换关系;
根据各操作物品在不同关系类型下的初始物品特征表示,确定各操作物品的目标物品特征表示。
在其中一个实施例中,根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下的初始物品特征表示,包括:
根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下对应的特征激活信息;
根据各操作物品在不同关系类型下对应的特征激活信息,和各操作物品对应的操作时间戳,确定各操作物品在不同关系类型下对应的初始物品特征表示。
在其中一个实施例中,根据各操作物品在不同关系类型下的初始物品特征表示,确定各操作物品的目标物品特征表示,包括:
通过第一层级关系注意力机制,根据各操作物品在不同关系类型下的初始物品特征表示,确定各物品子集对应的子集特征表示;
通过第二层级关系注意力机制,根据各物品子集对应的子集特征表示,确定物品集特征表示;
通过多头注意力机制,根据物品集特征表示,确定各操作物品的目标物品特征表示。
在其中一个实施例中,根据各操作物品的目标物品特征表示,确定物品关系特征表示,并根据物品关系特征表示,从候选推荐物品中确定目标推荐物品,包括:
根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定物品关系特征表示;
根据物品关系特征表示,确定候选物品的操作概率;
根据候选物品的操作概率,从候选物品中确定目标推荐物品。
在其中一个实施例中,根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定物品关系特征表示,包括:
根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定各操作物品的权重值;
根据各操作物品的目标物品特征表示和权重值,对各操作物品的目标物品特征表示进行加权求和处理,得到物品关系特征表示。
第二方面,本申请还提供了一种目标物品的推荐装置。该装置包括:
物品集获取模块,用于获取用户在预设时段内的至少两个操作物品对应的物品集;
第一表示确定模块,用于根据至少两个操作物品对应的操作时间戳,依次对物品集中的各操作物品进行删除处理,得到至少两个物品子集,并确定至少两个操作物品的关系转换表示;
第二表示确定模块,用于根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品的目标物品特征表示;
推荐物品确定模块,用于根据各操作物品的目标物品特征表示,确定物品关系特征表示,并根据物品关系特征表示,从候选推荐物品中确定目标推荐物品。
第三方面,本申请还提供了一种计算机设备。计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取用户在预设时段内的至少两个操作物品对应的物品集;
根据至少两个操作物品对应的操作时间戳,依次对物品集中的各操作物品进行删除处理,得到至少两个物品子集,并确定至少两个操作物品的关系转换表示;
根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品的目标物品特征表示;
根据各操作物品的目标物品特征表示,确定物品关系特征表示,并根据物品关系特征表示,从候选推荐物品中确定目标推荐物品。
第四方面,本申请还提供了一种计算机可读存储介质。计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取用户在预设时段内的至少两个操作物品对应的物品集;
根据至少两个操作物品对应的操作时间戳,依次对物品集中的各操作物品进行删除处理,得到至少两个物品子集,并确定至少两个操作物品的关系转换表示;
根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品的目标物品特征表示;
根据各操作物品的目标物品特征表示,确定物品关系特征表示,并根据物品关系特征表示,从候选推荐物品中确定目标推荐物品。
第五方面,本申请还提供了一种计算机程序产品。计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取用户在预设时段内的至少两个操作物品对应的物品集;
根据至少两个操作物品对应的操作时间戳,依次对物品集中的各操作物品进行删除处理,得到至少两个物品子集,并确定至少两个操作物品的关系转换表示;
根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品的目标物品特征表示;
根据各操作物品的目标物品特征表示,确定物品关系特征表示,并根据物品关系特征表示,从候选推荐物品中确定目标推荐物品。
上述目标物品的推荐方法、装置、计算机设备和存储介质。根据预设时间段内的物品集,得到物品子集,从而确定操作物品的关系转换表示,再根据物品的操作时间戳和关系转换表示确定,各操作物品的目标物品特征表示,从而实现根据各操作物品的目标物品特征表示确定物品关系特征表示,最终根据物品关系特征表示,从候选推荐物品中确定目标推荐物品。本方案在对物品进行预测时,考虑了预设时间段内的物品集中两两操作物品之间的关系转换表示,来确定各操作物品的目标物品特征表示,因为引入了两两操作物品之间的关系转换表示,所以,即便是对短期的偏好进行预测,也能够确定两两操作物品之间的关系转换表示,从而提高了确定各操作物品的目标物品特征表示的准确性;另外,本方案是根据目标物品特征表示确定物品关系特征表示,从而根据物品关系特征表示从候选推荐物品中确定目标推荐物品,因此提高确定各操作物品的目标物品特征表示的准确性也提高了确定目标推荐物品的准确性。
附图说明
图1为一个实施例中目标物品的推荐方法的应用环境图;
图2为一个实施例中目标物品的推荐方法的流程示意图;
图3为一个实施例中确定各操作物品的目标特征表示方法的流程示意图;
图4为一个实施例中从候选物品中确定目标推荐物品方法的流程示意图;
图5为另一个实施例中目标物品的推荐方法的流程示意图;
图6为一个实施例中目标物品的推荐装置的结构框图;
图7为另一个实施例中目标物品的推荐装置的结构框图;
图8为又一个实施例中目标物品的推荐装置的结构框图;
图9为再一个实施例中目标物品的推荐装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的目标物品的推荐方法,可以应用于如图1所示的应用环境中。在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储做相关处理时所需的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现下述任意实施例所示的目标物品的推荐方法。
在一个实施例中,如图2所示,提供了一种目标物品的推荐方法,以该方法应用于图1中的计算机设备为例进行说明,包括以下步骤:
S201,获取用户在预设时段内的至少两个操作物品对应的物品集。
其中,物品集为由操作物品组成的集合,例如,预设时间段内的操作物品有i1、i2、i3和i4,那么操作物品对应的物品集为{i1,i2,i3,i4}。
操作物品可以是用户在物品平台上操作的任意物品,例如,若物品平台为金融产品服务平台,则该操作物品可以是金融商品、理财产品和服务业务等。
可选的,根据预设时段,计算机设备在其存储系统中查找用户在该预设时段对应的操作物品,提取这些操作物品组成物品集。
S202,根据至少两个操作物品对应的操作时间戳,依次对物品集中的各操作物品进行删除处理,得到至少两个物品子集,并确定至少两个操作物品的关系转换表示。
其中,操作时间戳为每个操作物品对应的操作时间;关系转换表示为根据物品子集确定的表征两两操作物品之间的转换关系的转换矩阵。
具体的,将各个操作物品按照时间戳的先后顺序进行排序,组成物品集,将组成的物品集作为第一个物品子集,随后,根据时间戳,将第一个物品子集中时间戳最晚的操作物品从第一个物品子集中删除,形成第二个物品子集;再根据时间戳,将第二个物品子集中时间戳最晚的操作物品从第二个物品子集中删除,形成第三个物品子集,以此类推,直至物品子集中只剩下一个操作物品为止,从而实现将物品集划分为多个物品子集。然后根据各个物品子集中两两操作物品之间的预测关系,以及每个操作物品自身的预测关系,确定各个操作物品的关系转换表示。
可选的,其中一种确定至少两个操作物品的关系转换表示的可选方式为:根据各物品子集中包含的操作物品的操作时间戳,确定两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系;根据两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系,确定至少两个操作物品的关系转换表示。
其中,两两操作物品之间的相互转换关系为根据前者预测后者的预测途径;各操作物品的自身转换关系为根据操作物品自身对操作物品进行预测的预测途径。
具体的,针对每一个物品子集,确定该物品子集中两两操作物品之间,根据时间戳在前的操作物品预测操作时间戳在后的操作物品的预测途径数量,即为两两操作物品之间的相互转换关系;确定该物品子集中每一操作物品自身,根据时间戳在前的该操作物品预测操作时间戳在后的该操作物品的预测途径数量,即为各操作物品的自身转换关系,最终,将确定的预测途径数量组成转换矩阵,该转换矩阵即为操作物品的关系转换表示。
示例性的,若操作物品对应的物品集为{i1,i2},则操作物品对应的物品子集为{i1,i2}和{i1},那么根据i1推荐i1的方式有0种;根据i1推荐i2的方式有1种;根据i2推荐i1的方式有0种;根据i2推荐i2的方式有0种;则操作物品之间的转换关系为
S203,根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品的目标物品特征表示。
其中,目标物品特征表示为目标物品与其他所有物品之间关系转换表示的聚合特征表示。
可选的,一种可实现方式为:将操作物品之间的转换关系和操作物品对应的操作时间戳,按照预设的特征关系聚合逻辑进行处理,并将特征关系聚合结果作为各操作物品的目标物品特征表示。另一种可实现方式为:将操作物品之间的转换关系和操作物品对应的操作时间戳输入到目标物品特征表示模型中,根据目标物品特征表示模型的输出结果,确定各操作物品的目标物品特征表示。
S204,根据各操作物品的目标物品特征表示,确定物品关系特征表示,并根据物品关系特征表示,从候选推荐物品中确定目标推荐物品。
其中,物品关系特征表示为根据各操作物品的目标物品特征表示统计出的用于表征不同商品之间的转换关系的向量表示。
具体的,将各操作物品的目标物品特征表示输入到预先训练好的物品关系特征表示模型中,物品关系特征表示模型的输出结果即为物品关系特征表示;再将每个候选推荐物品的特征向量与物品关系特征表示相乘,并将相乘结果作为偏好得分,选取偏好得分较高的候选推荐物品作为目标推荐物品。
上述实施例,根据预设时间段内的物品集,得到物品子集,从而确定操作物品的关系转换表示,再根据物品的操作时间戳和关系转换表示确定,各操作物品的目标物品特征表示,从而实现根据各操作物品的目标物品特征表示确定物品关系特征表示,最终根据物品关系特征表示,从候选推荐物品中确定目标推荐物品。本方案在对物品进行预测时,考虑了预设时间段内的物品集中两两操作物品之间的关系转换表示,来确定各操作物品的目标物品特征表示,因为引入了两两操作物品之间的关系转换表示,所以,即便是对短期的偏好进行预测,也能够确定两两操作物品之间的关系转换表示,从而提高了确定各操作物品的目标物品特征表示的准确性;另外,本方案是根据目标物品特征表示确定物品关系特征表示,从而根据物品关系特征表示从候选推荐物品中确定目标推荐物品,因此提高确定各操作物品的目标物品特征表示的准确性也提高了确定目标推荐物品的准确性。
上述实施例从整体阐述了如何对物品进行推荐,而在上述实施例的基础上,如图3所示,详细阐述了上述实施例中确定各操作物品的目标物品特征表示的过程,具体方法为:
S301,根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下的初始物品特征表示。
其中,关系类型包括自身转换关系、出度转换关系、入度转换关系和出入度转换关系。
具体的,每种关系类型都对应一种初始物品特征表示,可以将操作物品对应的操作时间戳和关系转换表示代入到预设计算公式中,分别计算出四种关系类型对应的初始物品特征表示。
可选的,另一种确定各操作物品在不同关系类型下的初始物品特征表示的可选方式为:根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下对应的特征激活信息;根据各操作物品在不同关系类型下对应的特征激活信息,和各操作物品对应的操作时间戳,确定各操作物品在不同关系类型下对应的初始物品特征表示。
具体的,先根据操作物品对应的操作时间戳和关系转换表示,确定各个操作物品对应的历史节点状态向量,即每个操作物品都需要根据其前一时刻的物品进行预测,即确定各个操作物品对应的历史节点状态向量为其中,t为操作物品对应的操作时间戳;再根据各个操作物品对应的历史节点状态向量,按照预设公式,计算各操作物品在不同关系类型下对应的特征激活信息,以各操作物品在出度转换关系下对应的特征激活信息为例,其计算公式为如下公式(1):
其中,为各个操作物品对应的历史节点状态向量,H是权重,b是偏置参数,/>为以出度转换关系对应的转换矩阵,/>为各操作物品在出度转换关系下对应的特征激活信息。
再根据各操作物品在不同关系类型下对应的特征激活信息,和各操作物品对应的操作时间戳,按照预设的初始物品特征表示计算公式,确定各操作物品在不同关系类型下对应的初始物品特征表示,依然以各操作物品在出度转换关系下对应的初始物品特征表示为例,其计算公式为如下公式(2)-(6):
其中,是重置门,/>是更新门,σ是sigmoid激活函数,σ是元素乘法运算符,WZ、WR、W、UZ、UR、U为神经网络模型中的超参,/>为在出度转换关系下对应的物品隐藏向量表示,/>是在出度转换关系下对应的物品向量表示,/>是在入度转换关系下对应的物品向量表示,/>是在出入度转换关系下对应的物品向量表示,/>是在自身度转换关系下对应的物品向量表示,/>为特征层级更新后对应的初始物品特征表示。
302,根据各操作物品在不同关系类型下的初始物品特征表示,确定各操作物品的目标物品特征表示。
具体的,按照同样的方法计算各操作物品在不同关系类型下的初始物品特征表示,从而根据注意力机制确定各操作物品的目标物品特征表示。
可选的,一种确定各操作物品的目标物品特征表示的可选方式为:通过第一层级关系注意力机制,根据各操作物品在不同关系类型下的初始物品特征表示,确定各物品子集对应的子集特征表示,各物品子集对应的子集特征表示的计算公式为如下公式(7)-(10):
其中,atten表示用于执行层级注意力学习的深度神经网络,Wp是权重矩阵,bp是偏置向量,使用softmax函数对进行归一化,/>为每个物品权重,/>为每个物品子集的向量表示,/>为特征层级更新后对应的初始物品特征表示,/>表示加权求和。
然后,通过第二层级关系注意力机制,根据各物品子集对应的子集特征表示,确定物品集特征表示,物品集特征表示的计算公式为如下公式(11)-(12):
其中,atten表示用于执行层级注意力学习的深度神经网络,表示加权求和,si为物品集特征表示,/>为每个物品权重,/>为每个物品子集的向量表示。
最后,通过多头注意力机制,根据物品集特征表示,确定各操作物品的目标物品特征表示,目标物品特征表示的计算公式为如下公式(13):
Di=MHA(Q=si,K=si,V=si) (13)
其中,Q是查询向量,k是被查向量,v是内容向量,MHA(-)为多头注意力机制,Di为目标物品特征表示,si为物品集特征表示。
上述实施例,根据各物品子集中包含的操作物品的操作时间戳,确定两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系;再根据两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系,确定至少两个操作物品的关系转换表示,此种方法不但考虑的物品之间的转换关系,还考虑了每个物品自身的转换关系,增加了确定操作物品的关系转换表示的准确性。
上述实施例确定操作物品的关系转换表示,在此基础上,如图4所示,本实施阐述了如何根据操作物品的关系转换表示进行物品推荐,具体方法包括:
S401,根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定物品关系特征表示。
具体的,可以先根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,按照预设计算方法,确定各个操作物品的可能性,并根据各操作物品的可能性,确定物品关系特征表示。
可选的,一种确定物品关系特征表示的方法可以是:根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定各操作物品的权重值,物品的权重值算公式为如下公式(14);
γi=WTσ(W1is,|n|+W2Di+c) (14)
其中,is,|n|是物品集合s=[is1,,is,2,...,is,|n|]最后点击物品的向量表示,W1为控制物品向量的权重,γi为操作物品的权重值,W是参数矩阵,σ是偏置矩阵,W和c均为超参。
然后,再根据各操作物品的目标物品特征表示和权重值,对各操作物品的目标物品特征表示进行加权求和处理,得到物品关系特征表示,物品关系特征表示的计算公式为如下公式(15):
其中,Ss为物品关系特征表示,γi为操作物品的权重值,Di为目标物品特征表示,m为物品集中物品的数量。
S402,根据物品关系特征表示,确定候选物品的操作概率。
具体的,根据物品关系特征表示,确定候选物品的操作概率的计算公式为如下公式(16):
其中,为物品关系特征表示的转置矩阵,Ii为候选物品,/>为候选物品的操作概率。
S403,根据候选物品的操作概率,从候选物品中确定目标推荐物品。
具体的,根据候选物品的操作概率,从候选物品中确定目标推荐物品的计算公式为如下公式(17):
其中,softmax为计算该物品下一次出现的点击概率的函数,表示该物品下一次出现的点击概率,/>为候选物品的操作概率。
上述实施例,根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定物品关系特征表示;继而确定候选物品的操作概率;从而从候选物品中确定目标推荐物品,此种方法可以直观的将各个物品下次的点击概率进行展示,增加了目标物品推荐的便利性。
为了更全面的展示本方案,本实施例给出了一种目标物品的推荐方法的可选方式,如图5所示:
S501,获取用户在预设时段内的至少两个操作物品对应的物品集。
S502,根据至少两个操作物品对应的操作时间戳,依次对物品集中的各操作物品进行删除处理,得到至少两个物品子集。
S503,根据各物品子集中包含的操作物品的操作时间戳,确定两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系。
S504,根据两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系,确定至少两个操作物品的关系转换表示。
S505,根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下对应的特征激活信息。
S506,根据各操作物品在不同关系类型下对应的特征激活信息,和各操作物品对应的操作时间戳,确定各操作物品在不同关系类型下对应的初始物品特征表示。
S507,通过第一层级关系注意力机制,根据各操作物品在不同关系类型下的初始物品特征表示,确定各物品子集对应的子集特征表示。
S508,通过第二层级关系注意力机制,根据各物品子集对应的子集特征表示,确定物品集特征表示。
S509,通过多头注意力机制,根据物品集特征表示,确定各操作物品的目标物品特征表示。
S510,根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定各操作物品的权重值。
S511,根据各操作物品的目标物品特征表示和权重值,对各操作物品的目标物品特征表示进行加权求和处理,得到物品关系特征表示。
S512,根据物品关系特征表示,确定候选物品的操作概率。
S513,根据候选物品的操作概率,从候选物品中确定目标推荐物品。
上述S501-S513的具体过程可以参见上述方法实施例的描述,其实现原理和技术效果类似,在此不再赘述。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的目标物品的推荐方法的目标物品的推荐装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个目标物品的推荐装置实施例中的具体限定可以参见上文中对于目标物品的推荐方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种目标物品的推荐装置,包括:物品集获取模块60、第一表示确定模块61、第二表示确定模块62和推荐物品确定模块63,其中:
物品集获取模块60,用于获取用户在预设时段内的至少两个操作物品对应的物品集;
第一表示确定模块61,用于根据至少两个操作物品对应的操作时间戳,依次对物品集中的各操作物品进行删除处理,得到至少两个物品子集,并确定至少两个操作物品的关系转换表示;
第二表示确定模块62,用于根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品的目标物品特征表示;
推荐物品确定模块63,用于根据各操作物品的目标物品特征表示,确定物品关系特征表示,并根据物品关系特征表示,从候选推荐物品中确定目标推荐物品。
在另一个实施例中,如图7所示,上述实施例中的第一表示确定模块61还包括:
关系确定单元610,,用于根据各物品子集中包含的操作物品的操作时间戳,确定两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系。
表示确定单元611,用于根据两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系,确定至少两个操作物品的关系转换表示。
在另一个实施例中,如图8所示,上述实施例中的第二表示确定模块62,还包括:
初始表示确定单元620,用于根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下的初始物品特征表示。
其中,关系类型包括自身转换关系、出度转换关系、入度转换关系和出入度转换关系。
目标表示确定单元621,用于根据各操作物品在不同关系类型下的初始物品特征表示,确定各操作物品的目标物品特征表示。
在另一个实施例中,上述实施例中的初始表示确定单元620,还包括:
信息确定子单元6200,用于根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下对应的特征激活信息。
表示确定子单元6221,用于根据各操作物品在不同关系类型下对应的特征激活信息,和各操作物品对应的操作时间戳,确定各操作物品在不同关系类型下对应的初始物品特征表示。
在另一个实施例中,上述实施例中的目标表示确定单元621,还包括:
第一表示确定子单元6210,用于通过第一层级关系注意力机制,根据各操作物品在不同关系类型下的初始物品特征表示,确定各物品子集对应的子集特征表示。
第二表示确定子单元6211,用于通过第二层级关系注意力机制,根据各物品子集对应的子集特征表示,确定物品集特征表示。
目标表示确定子单元6212,用于通过多头注意力机制,根据物品集特征表示,确定各操作物品的目标物品特征表示。
在另一个实施例中,如图9所示,上述实施例中的推荐物品确定模块63,还包括:
第三表示确定单元630,用于根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定物品关系特征表示。
概率确定单元631,用于根据物品关系特征表示,确定候选物品的操作概率。
目标物品确定单元632,用于根据候选物品的操作概率,从候选物品中确定目标推荐物品。
在另一个实施例中,上述实施例中的第三表示确定单元630,还包括:
权重值确定子单元6300,用于根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定各操作物品的权重值。
第三表示确定子单元6301,用于根据各操作物品的目标物品特征表示和权重值,对各操作物品的目标物品特征表示进行加权求和处理,得到物品关系特征表示。
上述目标物品的推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种目标物品的推荐方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取用户在预设时段内的至少两个操作物品对应的物品集;
根据至少两个操作物品对应的操作时间戳,依次对物品集中的各操作物品进行删除处理,得到至少两个物品子集,并确定至少两个操作物品的关系转换表示;
根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品的目标物品特征表示;
根据各操作物品的目标物品特征表示,确定物品关系特征表示,并根据物品关系特征表示,从候选推荐物品中确定目标推荐物品。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据各物品子集中包含的操作物品的操作时间戳,确定两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系;
根据两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系,确定至少两个操作物品的关系转换表示。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下的初始物品特征表示;其中,关系类型包括自身转换关系、出度转换关系、入度转换关系和出入度转换关系;
根据各操作物品在不同关系类型下的初始物品特征表示,确定各操作物品的目标物品特征表示。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下对应的特征激活信息;
根据各操作物品在不同关系类型下对应的特征激活信息,和各操作物品对应的操作时间戳,确定各操作物品在不同关系类型下对应的初始物品特征表示。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
通过第一层级关系注意力机制,根据各操作物品在不同关系类型下的初始物品特征表示,确定各物品子集对应的子集特征表示;
通过第二层级关系注意力机制,根据各物品子集对应的子集特征表示,确定物品集特征表示;
通过多头注意力机制,根据物品集特征表示,确定各操作物品的目标物品特征表示。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定物品关系特征表示;
根据物品关系特征表示,确定候选物品的操作概率;
根据候选物品的操作概率,从候选物品中确定目标推荐物品。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定各操作物品的权重值;
根据各操作物品的目标物品特征表示和权重值,对各操作物品的目标物品特征表示进行加权求和处理,得到物品关系特征表示。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取用户在预设时段内的至少两个操作物品对应的物品集;
根据至少两个操作物品对应的操作时间戳,依次对物品集中的各操作物品进行删除处理,得到至少两个物品子集,并确定至少两个操作物品的关系转换表示;
根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品的目标物品特征表示;
根据各操作物品的目标物品特征表示,确定物品关系特征表示,并根据物品关系特征表示,从候选推荐物品中确定目标推荐物品。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据各物品子集中包含的操作物品的操作时间戳,确定两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系;
根据两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系,确定至少两个操作物品的关系转换表示。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下的初始物品特征表示;其中,关系类型包括自身转换关系、出度转换关系、入度转换关系和出入度转换关系;
根据各操作物品在不同关系类型下的初始物品特征表示,确定各操作物品的目标物品特征表示。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下对应的特征激活信息;
根据各操作物品在不同关系类型下对应的特征激活信息,和各操作物品对应的操作时间戳,确定各操作物品在不同关系类型下对应的初始物品特征表示。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
通过第一层级关系注意力机制,根据各操作物品在不同关系类型下的初始物品特征表示,确定各物品子集对应的子集特征表示;
通过第二层级关系注意力机制,根据各物品子集对应的子集特征表示,确定物品集特征表示;
通过多头注意力机制,根据物品集特征表示,确定各操作物品的目标物品特征表示。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定物品关系特征表示;
根据物品关系特征表示,确定候选物品的操作概率;
根据候选物品的操作概率,从候选物品中确定目标推荐物品。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定各操作物品的权重值;
根据各操作物品的目标物品特征表示和权重值,对各操作物品的目标物品特征表示进行加权求和处理,得到物品关系特征表示。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取用户在预设时段内的至少两个操作物品对应的物品集;
根据至少两个操作物品对应的操作时间戳,依次对物品集中的各操作物品进行删除处理,得到至少两个物品子集,并确定至少两个操作物品的关系转换表示;
根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品的目标物品特征表示;
根据各操作物品的目标物品特征表示,确定物品关系特征表示,并根据物品关系特征表示,从候选推荐物品中确定目标推荐物品。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据各物品子集中包含的操作物品的操作时间戳,确定两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系;
根据两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系,确定至少两个操作物品的关系转换表示。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下的初始物品特征表示;其中,关系类型包括自身转换关系、出度转换关系、入度转换关系和出入度转换关系;
根据各操作物品在不同关系类型下的初始物品特征表示,确定各操作物品的目标物品特征表示。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下对应的特征激活信息;
根据各操作物品在不同关系类型下对应的特征激活信息,和各操作物品对应的操作时间戳,确定各操作物品在不同关系类型下对应的初始物品特征表示。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
通过第一层级关系注意力机制,根据各操作物品在不同关系类型下的初始物品特征表示,确定各物品子集对应的子集特征表示;
通过第二层级关系注意力机制,根据各物品子集对应的子集特征表示,确定物品集特征表示;
通过多头注意力机制,根据物品集特征表示,确定各操作物品的目标物品特征表示。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定物品关系特征表示;
根据物品关系特征表示,确定候选物品的操作概率;
根据候选物品的操作概率,从候选物品中确定目标推荐物品。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定各操作物品的权重值;
根据各操作物品的目标物品特征表示和权重值,对各操作物品的目标物品特征表示进行加权求和处理,得到物品关系特征表示。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种目标物品的推荐方法,其特征在于,所述方法包括:
获取用户在预设时段内的至少两个操作物品对应的物品集;
根据所述至少两个操作物品对应的操作时间戳,依次对所述物品集中的各操作物品进行删除处理,得到至少两个物品子集,并确定所述至少两个操作物品的关系转换表示;
根据所述至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品的目标物品特征表示;
根据各操作物品的目标物品特征表示,确定物品关系特征表示,并根据所述物品关系特征表示,从候选推荐物品中确定目标推荐物品。
2.根据权利要求1所述的方法,其特征在于,所述确定所述至少两个操作物品的关系转换表示,包括:
根据各物品子集中包含的操作物品的操作时间戳,确定两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系;
根据两两操作物品之间的相互转换关系,以及各操作物品的自身转换关系,确定所述至少两个操作物品的关系转换表示。
3.根据权利要求1所述的方法,其特征在于,所述根据所述至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品的目标物品特征表示,包括:
根据所述至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下的初始物品特征表示;其中,所述关系类型包括自身转换关系、出度转换关系、入度转换关系和出入度转换关系;
根据各操作物品在不同关系类型下的初始物品特征表示,确定各操作物品的目标物品特征表示。
4.根据权利要求3所述的方法,其特征在于,所述根据所述至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下的初始物品特征表示,包括:
根据所述至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品在不同关系类型下对应的特征激活信息;
根据各操作物品在不同关系类型下对应的特征激活信息,和各操作物品对应的操作时间戳,确定各操作物品在不同关系类型下对应的初始物品特征表示。
5.根据权利要求3所述的方法,其特征在于,所述根据各操作物品在不同关系类型下的初始物品特征表示,确定各操作物品的目标物品特征表示,包括:
通过第一层级关系注意力机制,根据各操作物品在不同关系类型下的初始物品特征表示,确定各物品子集对应的子集特征表示;
通过第二层级关系注意力机制,根据各物品子集对应的子集特征表示,确定物品集特征表示;
通过多头注意力机制,根据所述物品集特征表示,确定各操作物品的目标物品特征表示。
6.根据权利要求1所述的方法,其特征在于,根据各操作物品的目标物品特征表示,确定物品关系特征表示,并根据所述物品关系特征表示,从候选推荐物品中确定目标推荐物品,包括:
根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定物品关系特征表示;
根据物品关系特征表示,确定候选物品的操作概率;
根据所述候选物品的操作概率,从所述候选物品中确定目标推荐物品。
7.根据权利要求6所述的方法,其特征在于,所述根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定物品关系特征表示,包括:
根据各操作物品中的最后操作物品和各操作物品的目标物品特征表示,确定各操作物品的权重值;
根据各操作物品的目标物品特征表示和权重值,对各操作物品的目标物品特征表示进行加权求和处理,得到物品关系特征表示。
8.一种目标物品的推荐装置,其特征在于,所述装置包括:
物品集获取模块,用于获取用户在预设时段内的至少两个操作物品对应的物品集;
第一表示确定模块,用于根据所述至少两个操作物品对应的操作时间戳,依次对所述物品集中的各操作物品进行删除处理,得到至少两个物品子集,并确定所述至少两个操作物品的关系转换表示;
第二表示确定模块,用于根据所述至少两个操作物品对应的操作时间戳和关系转换表示,确定各操作物品的目标物品特征表示;
推荐物品确定模块,用于根据各操作物品的目标物品特征表示,确定物品关系特征表示,并根据所述物品关系特征表示,从候选推荐物品中确定目标推荐物品。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
11.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310551470.6A CN116578784A (zh) | 2023-05-16 | 2023-05-16 | 目标物品的推荐方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310551470.6A CN116578784A (zh) | 2023-05-16 | 2023-05-16 | 目标物品的推荐方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116578784A true CN116578784A (zh) | 2023-08-11 |
Family
ID=87544871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310551470.6A Pending CN116578784A (zh) | 2023-05-16 | 2023-05-16 | 目标物品的推荐方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116578784A (zh) |
-
2023
- 2023-05-16 CN CN202310551470.6A patent/CN116578784A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111931052A (zh) | 基于特征交互图神经网络的上下文感知推荐方法及系统 | |
CN116010226A (zh) | 软件系统可靠性仿真评估方法、装置和计算机设备 | |
Li et al. | Feature-based intermittent demand forecast combinations: accuracy and inventory implications | |
WO2024082767A1 (zh) | 增益调整方法、装置、计算机设备和存储介质 | |
CN116578784A (zh) | 目标物品的推荐方法、装置、计算机设备和存储介质 | |
CN116191398A (zh) | 负荷预测方法、装置、计算机设备和存储介质 | |
CN117436974A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN116680467A (zh) | 对象推荐方法、装置、计算机设备和存储介质 | |
Dellaportas et al. | Flexible threshold models for modelling interest rate volatility | |
CN116561423A (zh) | 资源转移信息推荐方法、装置、计算机设备和存储介质 | |
CN115936789A (zh) | 考虑非线性时间常数的资源数值变动数据生成方法和装置 | |
CN117910627A (zh) | 碳排放量预测方法、装置、计算机设备和存储介质 | |
CN116881546A (zh) | 资源推荐方法、装置、设备和存储介质 | |
CN116910604A (zh) | 用户分类方法、装置、计算机设备、存储介质和程序产品 | |
CN116127195A (zh) | 套餐推荐方法、装置、计算机设备、存储介质和程序产品 | |
CN117078427A (zh) | 产品推荐方法、装置、设备、存储介质和程序产品 | |
CN116703175A (zh) | 项目方案确定方法、装置、计算机设备和存储介质 | |
CN118276992A (zh) | 系统界面展示方法、装置、计算机设备和医疗系统 | |
CN117390490A (zh) | 用电信用报告的生成方法、装置、设备、存储介质和产品 | |
CN116756426A (zh) | 项目推荐方法、装置、计算机设备和存储介质 | |
CN116127183A (zh) | 业务推荐方法、装置、计算机设备和存储介质 | |
CN116416064A (zh) | 提供资源转换业务中辅助信息的方法、装置、计算机设备 | |
CN117709497A (zh) | 对象信息预测方法、装置、计算机设备和存储介质 | |
CN116881543A (zh) | 金融资源对象推荐方法、装置、设备、存储介质和产品 | |
CN116681470A (zh) | 门店选址方法、装置、计算机设备、存储介质和产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |