CN116703526A - 物品推荐方法、装置、设备及存储介质 - Google Patents
物品推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116703526A CN116703526A CN202310833614.7A CN202310833614A CN116703526A CN 116703526 A CN116703526 A CN 116703526A CN 202310833614 A CN202310833614 A CN 202310833614A CN 116703526 A CN116703526 A CN 116703526A
- Authority
- CN
- China
- Prior art keywords
- target
- similarity
- subscript
- candidate
- node
- 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 83
- 238000003491 array Methods 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 21
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 238000012545 processing Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9027—Trees
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供了一种物品推荐方法、装置、设备及存储介质,属于人工智能技术领域。该方法包括:响应于目标对象的推荐请求,获取物品推荐数量和任意两个候选物品之间的相似度,进而通过线段树算法生成相似度的目标数据树;根据目标数据树和回溯比较算法,确定节点的目标相似度,以及确定节点的下标,并将根节点的下标作为第一下标;遍历目标候选物品对应的相似度,将第一下标所指示的目标相似度替换为目标候选物品对应的相似度;根据更新后的目标数据树,确定目标候选物品的物品推荐信息,并向目标对象推送物品推送信息。本申请实施例在处理金融行业的相关业务时,对于物品推荐的过程,能够降低时间复杂度,减少耗时,提高推荐效率。
Description
技术领域
本申请涉及但不限于人工智能技术领域,尤其涉及一种物品推荐方法、装置、设备及存储介质。
背景技术
随着互联网技术的发展,个性化推荐系统已经被广泛应用到了金融行业的各个业务应用中,个性化推荐系统的核心是根据对象的操作对对象的兴趣偏好进行建模,基于对象的个人兴趣特点,为每个对象提供个性化的推荐服务,优化对象生活的体验和效率。
目前,在处理金融行业相关的业务时,经常需要向目标对象推荐物品,通过推荐算法的处理,计算出各个候选物品与目标对象关联的物品的相似度,进而在在多个候选物品中确定待推荐的物品,在实际应用场景中,候选物品数量庞大,现有的推荐系统需要对所有相似度进行降序排列来确定待推荐的物品,降序排列的时间复杂度高,耗时长,导致推荐效率低。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本申请实施例提供了一种物品推荐方法、装置、设备及存储介质,能够降低时间复杂度,减少耗时,提高推荐效率。
为实现上述目的,本申请实施例的第一方面提出了一种物品推荐方法,包括:响应于目标对象的推荐请求,获取候选物品的物品推荐数量和任意两个所述候选物品之间的相似度,其中,所述推荐请求用于确定目标候选物品;根据所述目标候选物品对应的相似度、所述物品推荐数量和预设的线段树算法,生成所述相似度的目标数据树,其中,所述目标数据树中所有节点均包括至少一个相似度,所述目标数据树中根节点的相似度的数量为所述物品推荐数量;根据所述目标数据树和预设的回溯比较算法,在所述节点的各个相似度中确定所述节点的目标相似度,并确定所述节点的下标,以及将所述根节点的下标作为第一下标,其中,所述下标用于指示所述节点的目标相似度在所述根节点中的位置;遍历所述目标候选物品对应的相似度,将所述第一下标所指示的目标相似度替换为所述目标候选物品对应的相似度,并根据所述回溯比较算法更新所述第一下标,以更新所述目标数据树;根据更新后的所述目标数据树,确定所述目标候选物品的物品推荐信息,并向所述目标对象推送所述物品推送信息。
在一些实施例中,所述根据所述目标候选物品对应的相似度、所述物品推荐数量和预设的线段树算法,生成所述相似度的目标数据树,包括:根据所述目标候选物品对应的相似度和所述物品推荐数量,生成所述相似度的目标数组,其中,所述目标数组的长度为所述物品推荐数量;根据预设的线段树算法和所述目标数组,生成所述相似度的目标数据树。
在一些实施例中,所述根据所述目标候选物品对应的相似度和所述物品推荐数量,生成所述相似度的目标数组,包括:根据所述目标候选物品对应的相似度,生成所述相似度的第一有序集合;根据所述第一有序集合的排序和所述物品推荐数量,将所述第一有序集合中前K个相似度作为候选相似度,其中,K为所述物品推荐数量,K为正整数;根据所述候选相似度,生成所述相似度的目标数组,其中,所述目标数组中相似度的排列顺序与所述第一有序集合中相似度的排列顺序相同。
在一些实施例中,所述根据预设的线段树算法和所述目标数组,生成所述相似度的目标数据树,包括:根据预设的线段树算法,将所述目标数组的区间划分为多个子区间,并将长度为一的所述子区间作为单位区间;根据所述目标数组和所述子区间对应的数组,生成所述目标数据树,其中,所述目标数据树包括多层节点,任一父节点为所述父节点下各个子节点的并集,所述父节点是指相互连接的两层节点中位于上层的节点,所述子节点是指相互连接的两层节点中位于下层的节点,所述目标数据树中根节点为所述目标数组,所述目标数据树中叶节点为所述单位区间对应的数组。
在一些实施例中,所述根据所述目标数据树和预设的回溯比较算法,在所述节点的各个相似度中确定所述节点的目标相似度,并确定所述节点的下标,包括:根据所述根节点中相似度的排列顺序,确定所述根节点中各个相似度的位置标识,其中,所述位置标识用于指示所述相似度在所述根节点中的位置;根据所述叶节点的相似度和所述位置标识确定所述叶节点的下标,并将所述叶节点的相似度作为所述叶节点的目标相似度,其中,所述叶节点包括一个相似度;根据预设的回溯比较算法,在所述目标数据树中,按照层级由下至上的顺序,遍历所述父节点,比较所述父节点下各个子节点的下标所指示的目标相似度,确定第一比较结果;根据所述第一比较结果,将数值最小的所述目标相似度作为所述父节点的目标相似度,并将数值最小的所述目标相似度对应的下标作为所述父节点的下标。
在一些实施例中,所述遍历所述目标候选物品对应的相似度,将所述第一下标所指示的目标相似度替换为所述目标候选物品对应的相似度,包括:遍历所述目标候选物品对应的相似度,对所述目标候选物品对应的相似度和所述第一下标所指示的目标相似度进行比较,得到第二比较结果;基于所述第二比较结果,当所述目标候选物品对应的相似度大于所述第一下标所指示的目标相似度,将所述第一下标所指示的目标相似度替换为所述目标候选物品对应的相似度。
在一些实施例中,所述响应于目标对象的推荐请求,获取候选物品的物品推荐数量和任意两个所述候选物品之间的相似度,包括:获取多个对象的历史操作信息和物品池中的候选物品,其中,所述历史操作信息是指所述对象对相关联的所述候选物品的隐式反馈;根据所述历史操作信息和预设的相似度算法,确定任意两个所述候选物品之间的相似度;接收目标对象的推荐请求;响应于所述推荐请求,获取所述目标对象的目标操作信息和候选物品的物品推荐数量,其中,所述目标操作信息是指所述目标对象对相关联的所述候选物品的隐式反馈;根据所述目标操作信息,在所述候选物品中确定目标候选物品。
为实现上述目的,本申请实施例的第二方面提出了一种物品推荐装置,包括:获取单元,用于响应于目标对象的推荐请求,获取候选物品的物品推荐数量和任意两个所述候选物品之间的相似度,其中,所述推荐请求用于确定目标候选物品;生成单元,用于根据所述目标候选物品对应的相似度、所述物品推荐数量和预设的线段树算法,生成所述相似度的目标数据树,其中,所述目标数据树中所有节点均包括至少一个相似度,所述目标数据树中根节点的相似度的数量为所述物品推荐数量;比较单元,用于根据所述目标数据树和预设的回溯比较算法,在所述节点的各个相似度中确定所述节点的目标相似度,并确定所述节点的下标,以及将所述根节点的下标作为第一下标,其中,所述下标用于指示所述节点的目标相似度在所述根节点中的位置;更新单元,用于遍历所述目标候选物品对应的相似度,将所述第一下标所指示的目标相似度替换为所述目标候选物品对应的相似度,并根据所述回溯比较算法更新所述第一下标,以更新所述目标数据树;推荐单元,用于根据更新后的所述目标数据树,确定所述目标候选物品的物品推荐信息,并向所述目标对象推送所述物品推送信息。
为实现上述目的,本申请实施例的第三方面提出了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的物品推荐方法。
为实现上述目的,本申请实施例的第四方面提出了一种存储介质,所述存储介质为计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的物品推荐方法。
本申请提出的物品推荐方法、装置、设备及存储介质,本申请实施例包括:响应于目标对象的推荐请求,获取候选物品的物品推荐数量和任意两个所述候选物品之间的相似度,其中,所述推荐请求用于确定目标候选物品;根据所述目标候选物品对应的相似度、所述物品推荐数量和预设的线段树算法,生成所述相似度的目标数据树,其中,所述目标数据树中所有节点均包括至少一个相似度,所述目标数据树中根节点的相似度的数量为所述物品推荐数量;根据所述目标数据树和预设的回溯比较算法,在所述节点的各个相似度中确定所述节点的目标相似度,并确定所述节点的下标,以及将所述根节点的下标作为第一下标,其中,所述下标用于指示所述节点的目标相似度在所述根节点中的位置;遍历所述目标候选物品对应的相似度,将所述第一下标所指示的目标相似度替换为所述目标候选物品对应的相似度,并根据所述回溯比较算法更新所述第一下标,以更新所述目标数据树;根据更新后的所述目标数据树,确定所述目标候选物品的物品推荐信息,并向所述目标对象推送所述物品推送信息。根据本申请实施例提供的方案,通过目标对象的推荐请求,在候选物品中确定与目标对象相关联的目标候选物品,并确定目标候选物品对应的相似度,在召回过程中,基于物品推荐数量选出一部分目标候选物品对应的相似度,通过线段树算法生成目标数据树,通过回溯比较算法,由目标数据树的叶节点回溯到根节点,依次确定各个节点的目标相似度和下标,并将根节点的下标作为第一下标,相当于通过回溯比较算法确定待剔除的最小相似度,第一下标指示的位置是最小相似度所在的位置,依次处理目标候选物品对应的所有相似度,对目标数据树进行多次更新,每次更新时,将第一下标所指示的目标相似度替换为目标候选物品对应的相似度,并再次确定第一下标以进行后续的更新,相对于时间复杂度高的降序排列,通过生成目标数据树来确定物品推送信息,由于限定了目标数据树中根节点的相似度的数量,以及在目标数据树的更新过程中,与第一下标不关联的节点的目标相似度和下标保持不变,回溯比较算法只需处理与第一下标相关联的节点,因此,能够降低时间复杂度和空间复杂度,提高推荐算法运行效率,减少耗时,提高推荐效率。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本申请技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请的技术方案,并不构成对本申请技术方案的限制。
图1是本申请一个实施例提供的物品推荐方法的流程图;
图2是本申请另一个实施例提供的一种生成目标数据树的方法的流程图;
图3是本申请另一个实施例提供的一种生成目标数组的方法的流程图;
图4是本申请另一个实施例提供的一种生成目标数据树的具体方法的流程图;
图5是本申请另一个实施例提供的一种确定下标的方法的流程图;
图6是本申请另一个实施例提供的一种更新目标数据树的方法的流程图;
图7是本申请另一个实施例提供的一种响应于推荐请求的方法的流程图;
图8是本申请另一个实施例提供的未更新的目标数据树的示意图;
图9是本申请另一个实施例提供的首次更新的目标数据树的示意图;
图10是本申请另一个实施例提供的物品推荐装置的结构示意图;
图11是本申请另一个实施例提供的电子设备的硬件结构示意图。
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,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
在本申请的描述中,若干个的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
首先,对本申请中涉及的若干名词进行解析:
人工智能(Artificial Intelligence,AI):是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学;人工智能是计算机科学的一个分支,人工智能企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
目前,在处理金融行业相关的业务时,经常需要向目标对象推荐物品,通过推荐算法的处理,计算出各个候选物品与目标对象关联的物品的相似度,进而在在多个候选物品中确定待推荐的物品,在实际应用场景中,候选物品数量庞大,现有的推荐系统需要对所有相似度进行降序排列来确定待推荐的物品,降序排列的时间复杂度高,耗时长,导致推荐效率低。
针对降序排列的时间复杂度高,耗时长,导致推荐效率低的问题,本申请提供了一种物品推荐方法、装置、设备及存储介质,该方法包括:响应于目标对象的推荐请求,获取候选物品的物品推荐数量和任意两个候选物品之间的相似度,其中,推荐请求用于确定目标候选物品;根据目标候选物品对应的相似度、物品推荐数量和预设的线段树算法,生成相似度的目标数据树,其中,目标数据树中所有节点均包括至少一个相似度,目标数据树中根节点的相似度的数量为物品推荐数量;根据目标数据树和预设的回溯比较算法,在节点的各个相似度中确定节点的目标相似度,并确定节点的下标,以及将根节点的下标作为第一下标,其中,下标用于指示节点的目标相似度在根节点中的位置;遍历目标候选物品对应的相似度,将第一下标所指示的目标相似度替换为目标候选物品对应的相似度,并根据回溯比较算法更新第一下标,以更新目标数据树;根据更新后的目标数据树,确定目标候选物品的物品推荐信息,并向目标对象推送物品推送信息。根据本申请实施例提供的方案,通过目标对象的推荐请求,在候选物品中确定与目标对象相关联的目标候选物品,并确定目标候选物品对应的相似度,在召回过程中,基于物品推荐数量选出一部分目标候选物品对应的相似度,通过线段树算法生成目标数据树,通过回溯比较算法,由目标数据树的叶节点回溯到根节点,依次确定各个节点的目标相似度和下标,并将根节点的下标作为第一下标,相当于通过回溯比较算法确定待剔除的最小相似度,第一下标指示的位置是最小相似度所在的位置,依次处理目标候选物品对应的所有相似度,对目标数据树进行多次更新,每次更新时,将第一下标所指示的目标相似度替换为目标候选物品对应的相似度,并再次确定第一下标以进行后续的更新,相对于时间复杂度高的降序排列,通过生成目标数据树来确定物品推送信息,由于限定了目标数据树中根节点的相似度的数量,以及在目标数据树的更新过程中,与第一下标不关联的节点的目标相似度和下标保持不变,回溯比较算法只需处理与第一下标相关联的节点,因此,能够降低时间复杂度和空间复杂度,提高推荐算法运行效率,减少耗时,提高推荐效率。
本申请实施例提供的物品推荐方法、装置、设备及存储介质,具体通过如下实施例进行说明,首先描述本申请实施例中的物品推荐方法。
本申请实施例提供的物品推荐方法,涉及人工智能技术领域。本申请实施例提供的物品推荐方法可应用于终端中,也可应用于服务器端中,还可以是运行于终端或服务器端中的软件。在一些实施例中,终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等;服务器端可以配置成独立的物理服务器,也可以配置成多个物理服务器构成的服务器集群或者分布式系统,还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器;软件可以是实现物品推荐方法的应用等,但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
需要说明的是,在本申请的各个具体实施方式中,当涉及到需要根据对象信息、对象操作数据,对象历史数据以及对象位置信息等与对象身份或特性相关的数据进行相关处理时,都会先获得对象的许可或者同意,而且,对这些数据的收集、使用和处理等,都会遵守相关法律法规和标准。此外,当本申请实施例需要获取对象的敏感个人信息时,会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意,在明确获得对象的单独许可或者单独同意之后,再获取用于使本申请实施例能够正常运行的必要的对象相关数据。
下面结合附图,对本申请实施例作进一步阐述。
如图1所示,图1是本申请一个实施例提供的一种物品推荐方法的流程图。该物品推荐方法包括但不限于如下步骤:
步骤S110,响应于目标对象的推荐请求,获取候选物品的物品推荐数量和任意两个候选物品之间的相似度,其中,推荐请求用于确定目标候选物品;
步骤S120,根据目标候选物品对应的相似度、物品推荐数量和预设的线段树算法,生成相似度的目标数据树,其中,目标数据树中所有节点均包括至少一个相似度,目标数据树中根节点的相似度的数量为物品推荐数量;
步骤S130,根据目标数据树和预设的回溯比较算法,在节点的各个相似度中确定节点的目标相似度,并确定节点的下标,以及将根节点的下标作为第一下标,其中,下标用于指示节点的目标相似度在根节点中的位置;
步骤S140,遍历目标候选物品对应的相似度,将第一下标所指示的目标相似度替换为目标候选物品对应的相似度,并根据回溯比较算法更新第一下标,以更新目标数据树;
步骤S150,根据更新后的目标数据树,确定目标候选物品的物品推荐信息,并向目标对象推送物品推送信息。
可以理解的是,在处理金融行业相关的业务时,对于物品推荐的过程,获取物品推荐数量和候选物品之间的相似度后,生成目标候选物品对应的相似度的目标数据树,目标数据树是一种二叉树,在目标数据树中,限定了根节点的相似度的数量为物品推荐数量,物品推荐数量是指向目标对象推荐的物品的数量,例如,目标候选物品对应的相似度共有N个,物品推荐数量为K个,在N个相似度中选出K个来生成目标数据树,其中,K<N;然后通过回溯比较算法确定目标相似度和下标,遍历所有相似度,将目标数据树的第一下标对应的目标相似度依次替换为上述遍历到的相似度,以更新目标数据树,并重新使用回溯比较算法进行处理,从而确定物品推送信息,能够降低时间复杂度和空间复杂度,具体的,对于单个目标候选物品,目标候选物品对应的相似度共有N个,若采用降序排列来确定物品推送信息,召回过程中的空间复杂度为O(N),时间复杂度为O(N*logN),而采用本实施例的物品推荐方法来确定物品推送信息,物品推荐数量为K个,K<N,召回过程中的空间复杂度为O(K),每次更新过程的时间复杂度都是O(logK),因此,整个遍历过程的时间复杂度为O(N*logK),另外,对于M个目标候选物品,各个目标候选物品对应的相似度共有N个,类似单个目标候选物品的计算过程,能够得出召回过程中的空间复杂度由O(MN)降低为O(MK),时间复杂度由O(MN*log(MN))降低为O(MK*logK),能够有效提高推荐算法运行效率,减少耗时,提高推荐效率;基于此,通过目标对象的推荐请求,在候选物品中确定与目标对象相关联的目标候选物品,并确定目标候选物品对应的相似度,在召回过程中,基于物品推荐数量选出一部分目标候选物品对应的相似度,通过线段树算法生成目标数据树,通过回溯比较算法,由目标数据树的叶节点回溯到根节点,依次确定各个节点的目标相似度和下标,并将根节点的下标作为第一下标,相当于通过回溯比较算法确定待剔除的最小相似度,第一下标指示的位置是最小相似度所在的位置,依次处理目标候选物品对应的所有相似度,对目标数据树进行多次更新,每次更新时,将第一下标所指示的目标相似度替换为目标候选物品对应的相似度,并再次确定第一下标以进行后续的更新,相对于时间复杂度高的降序排列,通过生成目标数据树来确定物品推送信息,由于限定了目标数据树中根节点的相似度的数量,以及在目标数据树的更新过程中,与第一下标不关联的节点的目标相似度和下标保持不变,回溯比较算法只需处理与第一下标相关联的节点,因此,能够降低时间复杂度和空间复杂度,提高推荐算法运行效率,减少耗时,提高推荐效率。
在具体实践中,金融行业相关的业务包括但不限于:商务业务、支付业务、交易业务、证券业务、银行业务、税务业务、信用卡业务、购物业务和保险业务。
另外,参照图2,在一实施例中,图1所示实施例中的步骤S120,包括但不限于有以下步骤:
步骤S210,根据目标候选物品对应的相似度和物品推荐数量,生成相似度的目标数组,其中,目标数组的长度为物品推荐数量;
步骤S220,根据预设的线段树算法和目标数组,生成相似度的目标数据树。
可以理解的是,先确定由相似度组成的目标数组,然后通过目标数组和线段树算法生成目标数据树,目标数据树的根节点为目标数组,目标数据树的子节点根据根节点的区间进行分块而得到,例如,将目标数组一分为二,能够确定与根节点连接的两个子节点;在目标数据树中,若父节点的相似度的数量是偶数,该父节点对应的两个子节点的相似度的数量相同,若父节点的相似度的数量是奇数,该父节点对应的两个子节点分为左节点和右节点,左节点的相似度的数量比右节点的相似度的数量多一。
另外,参照图3,在一实施例中,图2所示实施例中的步骤S210,包括但不限于有以下步骤:
步骤S310,在根据目标候选物品对应的相似度,生成相似度的第一有序集合;
步骤S320,根据第一有序集合的排序和物品推荐数量,将第一有序集合中前K个相似度作为候选相似度,其中,K为物品推荐数量,K为正整数;
步骤S330,根据候选相似度,生成相似度的目标数组,其中,目标数组中相似度的排列顺序与第一有序集合中相似度的排列顺序相同。
可以理解的是,通过目标候选物品对应的相似度,生成相似度的第一有序集合List1,然后将List1内排列在前面的K个相似度生成目标数组,进而从List1内第K+1个相似度开始遍历,替换掉目标数组内待剔除的最小相似度,能够对List1内每个相似度进行分析处理,保证推荐结果的准确性。
另外,参照图4,在一实施例中,图2所示实施例中的步骤S220,包括但不限于有以下步骤:
步骤S410,根据预设的线段树算法,将目标数组的区间划分为多个子区间,并将长度为一的子区间作为单位区间;
步骤S420,根据目标数组和子区间对应的数组,生成目标数据树,其中,目标数据树包括多层节点,任一父节点为父节点下各个子节点的并集,父节点是指相互连接的两层节点中位于上层的节点,子节点是指相互连接的两层节点中位于下层的节点,目标数据树中根节点为目标数组,目标数据树中叶节点为单位区间对应的数组。
可以理解的是,通过线段树算法,通过将父节点一分为二得到子节点的处理方法,将目标数组的区间划分为多个子区间,例如,对于数组A1[10,20,30,40,50],数组A1的总区间为[1,5],区间[1,5]划分得到子区间[1,3]和子区间[4,5],子区间[1,3]划分得到子区间[1,2]和子区间[3],子区间[4,5]划分得到子区间[4]和子区间[5],区间[1,2]划分得到子区间[1]和子区间[2],其中,子区间[1,3]对应的数组A2为[10,20,30],子区间[4,5]对应的数组A3为[40,50],子区间[1,2]对应的数组A4为[10,20],子区间[3]对应的数组A5为[30],子区间[4]对应的数组A6为[40],子区间[5]对应的数组A7为[50],子区间[1]对应的数组A8为[10],子区间[2]对应的数组A9为[20];通过总区间和各个子区间,以及对应的数组,生成目标数据树;根节点为数组为A1,单位区间为子区间[1]、子区间[2]、子区间[3]、子区间[4]和子区间[5],叶节点分别为数组A5、数组A6、数组A7、数组A8和数组A9。
如图5所示,在一实施例中,图1所示实施例中的步骤S130,包括但不限于有以下步骤:
步骤S510,根据根节点中相似度的排列顺序,确定根节点中各个相似度的位置标识,其中,位置标识用于指示相似度在根节点中的位置;
步骤S520,根据叶节点的相似度和位置标识确定叶节点的下标,并将叶节点的相似度作为叶节点的目标相似度,其中,叶节点包括一个相似度;
步骤S530,根据预设的回溯比较算法,在目标数据树中,按照层级由下至上的顺序,遍历父节点,比较父节点下各个子节点的下标所指示的目标相似度,确定第一比较结果;
步骤S540,根据第一比较结果,将数值最小的目标相似度作为父节点的目标相似度,并将数值最小的目标相似度对应的下标作为父节点的下标。
可以理解的是,对于目标数据树的根节点,能够按照相似度的排列顺序,确定出各个相似度的位置标识,例如,若根节点为[10,20,30,40,50],能够确定出相似度10的位置标识为1,相似度20的位置标识为2,相似度30的位置标识为3,相似度40的位置标识为4,相似度50的位置标识为5,在生成目标数据树时,位置标识与相似度是一一对应的;然后先确定各个叶节点的目标相似度和下标,再确定其余节点的目标相似度和下标;对于叶节点,将叶节点的相似度作为目标相似度,并将该目标相似度对应的位置标识作为叶节点的下标;对于其余节点,其余节点均可作为父节点,通过回溯比较算法,按照层级由下至上的顺序,依次处理各个父节点,针对任一父节点,将父节点对应的子节点下标所指示的目标相似度进行比较,取数值较小的目标相似度作为该父节点的目标相似度,并将数值最小的目标相似度对应的下标作为该父节点的下标,例如,由数组A1[10,20,30,40,50]生成目标数据树,目标数据树共有4个层级,9个节点,第一层级包括一个节点,为数组A1[10,20,30,40,50],第二层级包括两个节点,分别为数组A2[10,20,30]和数组A3[40,50],第三层级包括四个节点,分别为数组A4[10,20]、数组A5[30]、数组A6[40]和数组A7[50],第四层级包括两个节点,分别为数组A8[10]和数组A9[20];对于叶节点,数组A8的目标相似度为10,数组A8的下标为1,数组A9的目标相似度为20,数组A9的下标为2,数组A5的目标相似度为30,数组A5的下标为3,数组A6的目标相似度为40,数组A6的下标为4,数组A7的目标相似度为50,数组A7的下标为5;对于其余节点,通过回溯比较算法,按照层级由下至上的顺序,先确定第三层级中的其余节点,即数组A4,数组A4的目标相似度由数组A8和数组A9的目标相似度确定,数组A8的目标相似度最小,因此,数组A4的目标相似度为10,数组A4的下标为1;然后确定第二层级中的其余节点,即数组A2和数组A3,数组A2的目标相似度由比较数组A4和数组A5的目标相似度而确定,数组A4的目标相似度最小,因此,数组A2的目标相似度为10,数组A2的下标为1;数组A3的目标相似度由比较数组A6和数组A7的目标相似度而确定,数组A6的目标相似度最小,因此,数组A3的目标相似度为40,数组A3的下标为4;然后确定第一层级中的其余节点,即数组A1,数组A1的目标相似度由比较数组A2和数组A3的目标相似度而确定,数组A2的目标相似度最小,因此,数组A1的目标相似度为10,数组A1的下标为1。
如图6所示,在一实施例中,图1所示实施例中的步骤S140,包括但不限于有以下步骤:
步骤S610,遍历目标候选物品对应的相似度,对目标候选物品对应的相似度和第一下标所指示的目标相似度进行比较,得到第二比较结果;
步骤S620,基于第二比较结果,当目标候选物品对应的相似度大于第一下标所指示的目标相似度,将第一下标所指示的目标相似度替换为目标候选物品对应的相似度。
可以理解的是,遍历目标候选物品对应的所有相似度,将遍历到的相似度与第一下标对应的目标相似度进行比较,当第一下标对应的目标相似度较大时,该第一下标对应的目标相似度无需替换,当第一下标对应的目标相似度较小时,将第一下标所指示的目标相似度替换为遍历到的相似度,保证通过更新后的目标数据树能够得到准确的物品推送信息。
如图7所示,在一实施例中,业务需求还包括关联性需求;图1所示实施例中的步骤S110,包括但不限于有以下步骤:
步骤S710,获取多个对象的历史操作信息和物品池中的候选物品,其中,历史操作信息是指对象对相关联的候选物品的隐式反馈;
步骤S720,根据历史操作信息和预设的相似度算法,确定任意两个候选物品之间的相似度;
步骤S730,接收目标对象的推荐请求;
步骤S740,响应于推荐请求,获取目标对象的目标操作信息和候选物品的物品推荐数量,其中,目标操作信息是指目标对象对相关联的候选物品的隐式反馈;
步骤S750,根据目标操作信息,在候选物品中确定目标候选物品。
可以理解的是,历史操作信息可指已存储的所有操作信息,或者一段时间内的所有操作信息,隐式反馈包括但不限于:点赞、评论、收藏和浏览;在召回过程中,通过每个对象的历史操作信息和相似度算法,能够准确计算出候选物品的相似度,接收到目标对象的推荐请求后,先确定目标对象的目标操作信息,然后确定目标候选物品,目标操作信息用于表征目标对象所点赞、评论、收藏和浏览的物品,即目标候选物品。
需要说明的是,基于相似度算法的召回算法包括但不限于:基于物品的协同过滤算法、Embedding召回算法、极大似然召回算法。
另外,参考图8和图9,图8是本申请另一个实施例提供的未更新的目标数据树的示意图,图9是本申请另一个实施例提供的首次更新的目标数据树的示意图。
可以理解的是,由图8可知,物品推荐数量为5,在第一有序集合中,将排列在前面的五个相似度生成目标数组B1[2,5,3,4,1],进而由数组B1生成目标数据树,目标数据树共有4个层级,9个节点,第一层级包括一个节点,为数组B1[2,5,3,4,1],第二层级包括两个节点,分别为数组B2[2,5,3]和数组B3[4,1],第三层级包括四个节点,分别为数组B4[2,5]、数组B5[3]、数组B6[4]和数组B7[1],第四层级包括两个节点,分别为数组B8[2]和数组B9[5];对于叶节点,数组B8的目标相似度为2,数组B8的下标为1,数组B9的目标相似度为5,数组B9的下标为2,数组B5的目标相似度为3,数组B5的下标为3,数组B6的目标相似度为4,数组B6的下标为4,数组B7的目标相似度为1,数组B7的下标为5;对于其余节点,通过回溯比较算法,按照层级由下至上的顺序,先确定第三层级中的其余节点,即数组B4,数组B4的目标相似度由数组B8和数组B9的目标相似度确定,数组B8的目标相似度最小,因此,数组B4的目标相似度为2,数组B4的下标为1;然后确定第二层级中的其余节点,即数组B2和数组B3,数组B2的目标相似度由比较数组B4和数组B5的目标相似度而确定,数组B4的目标相似度最小,因此,数组B2的目标相似度为2,数组B2的下标为1;数组B3的目标相似度由比较数组B6和数组B7的目标相似度而确定,数组B7的目标相似度最小,因此,数组B3的目标相似度为1,数组B3的下标为5;然后确定第一层级中的其余节点,即数组B1,数组B1的目标相似度由比较数组B2和数组B3的目标相似度而确定,数组B3的目标相似度最小,因此,数组B1的目标相似度为1,数组B1的下标为5,即第一下标为5;由图9可知,在第一有序集合中,排列在第六位的相似度为5,将第一下标所指示的目标相似度替换为相似度为5,由于数组B1、B3和B7的下标均为5,即数组B1、B3和B7的下标所指示的目标相似度替换为相似度为5,更新目标数据树,然后通过回溯比较算法,重新确定第一下标;完成所有相似度的遍历后,得到更新完成的目标数据树,从而将目标数据树中根节点的相似度对应候选物品作为向目标对象推荐的物品,能够降低时间复杂度和空间复杂度,提高推荐算法运行效率,减少耗时,提高推荐效率。
另外,参考图10,本申请还提供了一种物品推荐装置1000,包括:
获取单元1010,用于响应于目标对象的推荐请求,获取候选物品的物品推荐数量和任意两个候选物品之间的相似度,其中,推荐请求用于确定目标候选物品;
生成单元1020,用于根据目标候选物品对应的相似度、物品推荐数量和预设的线段树算法,生成相似度的目标数据树,其中,目标数据树中所有节点均包括至少一个相似度,目标数据树中根节点的相似度的数量为物品推荐数量;
比较单元1030,用于根据目标数据树和预设的回溯比较算法,在节点的各个相似度中确定节点的目标相似度,并确定节点的下标,以及将根节点的下标作为第一下标,其中,下标用于指示节点的目标相似度在根节点中的位置;
更新单元1040,用于遍历目标候选物品对应的相似度,将第一下标所指示的目标相似度替换为目标候选物品对应的相似度,并根据回溯比较算法更新第一下标,以更新目标数据树;
推荐单元1050,用于根据更新后的目标数据树,确定目标候选物品的物品推荐信息,并向目标对象推送物品推送信息。
可以理解的是,该物品推荐装置1000的具体实施方式与上述物品推荐方法的具体实施例基本相同,在此不再赘述;基于此,通过目标对象的推荐请求,在候选物品中确定与目标对象相关联的目标候选物品,并确定目标候选物品对应的相似度,在召回过程中,基于物品推荐数量选出一部分目标候选物品对应的相似度,通过线段树算法生成目标数据树,通过回溯比较算法,由目标数据树的叶节点回溯到根节点,依次确定各个节点的目标相似度和下标,并将根节点的下标作为第一下标,相当于通过回溯比较算法确定待剔除的最小相似度,第一下标指示的位置是最小相似度所在的位置,依次处理目标候选物品对应的所有相似度,对目标数据树进行多次更新,每次更新时,将第一下标所指示的目标相似度替换为目标候选物品对应的相似度,并再次确定第一下标以进行后续的更新,相对于时间复杂度高的降序排列,通过生成目标数据树来确定物品推送信息,由于限定了目标数据树中根节点的相似度的数量,以及在目标数据树的更新过程中,与第一下标不关联的节点的目标相似度和下标保持不变,回溯比较算法只需处理与第一下标相关联的节点,因此,能够降低时间复杂度和空间复杂度,提高推荐算法运行效率,减少耗时,提高推荐效率。
另外,参照图11,图11示意了另一实施例的电子设备的硬件结构,电子设备包括:
处理器1101,可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案;
存储器1102,可以采用只读存储器(Read Only Memory,ROM)、静态存储设备、动态存储设备或者随机存取存储器(Random Access Memory,RAM)等形式实现。存储器1102可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1102中,并由处理器1101来调用执行本申请实施例的物品推荐方法,例如,执行以上描述的图1中的方法步骤S110至步骤S150、图2中的方法步骤S210至步骤S220、图3中的方法步骤S310至步骤S330、图4中的方法步骤S410至S420、图5中的方法步骤S510至S540、图6中的方法步骤S610至S620、图7中的方法步骤S710至S750;
输入/输出接口1103,用于实现信息输入及输出;
通信接口1104,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;
总线1105,在设备的各个组件(例如处理器1101、存储器1102、输入/输出接口1103和通信接口1104)之间传输信息;
其中处理器1101、存储器1102、输入/输出接口1103和通信接口1104通过总线1105实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种存储介质,存储介质为计算机可读存储介质,用于计算机可读存储,存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,以实现上述物品推荐方法,例如,执行以上描述的图1中的方法步骤S110至步骤S150、图2中的方法步骤S210至步骤S220、图3中的方法步骤S310至步骤S330、图4中的方法步骤S410至S420、图5中的方法步骤S510至S540、图6中的方法步骤S610至S620、图7中的方法步骤S710至S750。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例提供的物品推荐方法、装置、设备及存储介质,其通过响应于目标对象的推荐请求,获取候选物品的物品推荐数量和任意两个候选物品之间的相似度,其中,推荐请求用于确定目标候选物品;根据目标候选物品对应的相似度、物品推荐数量和预设的线段树算法,生成相似度的目标数据树,其中,目标数据树中所有节点均包括至少一个相似度,目标数据树中根节点的相似度的数量为物品推荐数量;根据目标数据树和预设的回溯比较算法,在节点的各个相似度中确定节点的目标相似度,并确定节点的下标,以及将根节点的下标作为第一下标,其中,下标用于指示节点的目标相似度在根节点中的位置;遍历目标候选物品对应的相似度,将第一下标所指示的目标相似度替换为目标候选物品对应的相似度,并根据回溯比较算法更新第一下标,以更新目标数据树;根据更新后的目标数据树,确定目标候选物品的物品推荐信息,并向目标对象推送物品推送信息。基于此,通过目标对象的推荐请求,在候选物品中确定与目标对象相关联的目标候选物品,并确定目标候选物品对应的相似度,在召回过程中,基于物品推荐数量选出一部分目标候选物品对应的相似度,通过线段树算法生成目标数据树,通过回溯比较算法,由目标数据树的叶节点回溯到根节点,依次确定各个节点的目标相似度和下标,并将根节点的下标作为第一下标,相当于通过回溯比较算法确定待剔除的最小相似度,第一下标指示的位置是最小相似度所在的位置,依次处理目标候选物品对应的所有相似度,对目标数据树进行多次更新,每次更新时,将第一下标所指示的目标相似度替换为目标候选物品对应的相似度,并再次确定第一下标以进行后续的更新,相对于时间复杂度高的降序排列,通过生成目标数据树来确定物品推送信息,由于限定了目标数据树中根节点的相似度的数量,以及在目标数据树的更新过程中,与第一下标不关联的节点的目标相似度和下标保持不变,回溯比较算法只需处理与第一下标相关联的节点,因此,能够降低时间复杂度和空间复杂度,提高推荐算法运行效率,减少耗时,提高推荐效率。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图1至图7中示出的技术方案并不构成对本申请实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括多指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例,并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本申请实施例的权利范围之内。
Claims (10)
1.一种物品推荐方法,其特征在于,包括:
响应于目标对象的推荐请求,获取候选物品的物品推荐数量和任意两个所述候选物品之间的相似度,其中,所述推荐请求用于确定目标候选物品;
根据所述目标候选物品对应的相似度、所述物品推荐数量和预设的线段树算法,生成所述相似度的目标数据树,其中,所述目标数据树中所有节点均包括至少一个相似度,所述目标数据树中根节点的相似度的数量为所述物品推荐数量;
根据所述目标数据树和预设的回溯比较算法,在所述节点的各个相似度中确定所述节点的目标相似度,并确定所述节点的下标,以及将所述根节点的下标作为第一下标,其中,所述下标用于指示所述节点的目标相似度在所述根节点中的位置;
遍历所述目标候选物品对应的相似度,将所述第一下标所指示的目标相似度替换为所述目标候选物品对应的相似度,并根据所述回溯比较算法更新所述第一下标,以更新所述目标数据树;
根据更新后的所述目标数据树,确定所述目标候选物品的物品推荐信息,并向所述目标对象推送所述物品推送信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标候选物品对应的相似度、所述物品推荐数量和预设的线段树算法,生成所述相似度的目标数据树,包括:
根据所述目标候选物品对应的相似度和所述物品推荐数量,生成所述相似度的目标数组,其中,所述目标数组的长度为所述物品推荐数量;
根据预设的线段树算法和所述目标数组,生成所述相似度的目标数据树。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标候选物品对应的相似度和所述物品推荐数量,生成所述相似度的目标数组,包括:
根据所述目标候选物品对应的相似度,生成所述相似度的第一有序集合;
根据所述第一有序集合的排序和所述物品推荐数量,将所述第一有序集合中前K个相似度作为候选相似度,其中,K为所述物品推荐数量,K为正整数;
根据所述候选相似度,生成所述相似度的目标数组,其中,所述目标数组中相似度的排列顺序与所述第一有序集合中相似度的排列顺序相同。
4.根据权利要求2所述的方法,其特征在于,所述根据预设的线段树算法和所述目标数组,生成所述相似度的目标数据树,包括:
根据预设的线段树算法,将所述目标数组的区间划分为多个子区间,并将长度为一的所述子区间作为单位区间;
根据所述目标数组和所述子区间对应的数组,生成所述目标数据树,其中,所述目标数据树包括多层节点,任一父节点为所述父节点下各个子节点的并集,所述父节点是指相互连接的两层节点中位于上层的节点,所述子节点是指相互连接的两层节点中位于下层的节点,所述目标数据树中根节点为所述目标数组,所述目标数据树中叶节点为所述单位区间对应的数组。
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标数据树和预设的回溯比较算法,在所述节点的各个相似度中确定所述节点的目标相似度,并确定所述节点的下标,包括:
根据所述根节点中相似度的排列顺序,确定所述根节点中各个相似度的位置标识,其中,所述位置标识用于指示所述相似度在所述根节点中的位置;
根据所述叶节点的相似度和所述位置标识确定所述叶节点的下标,并将所述叶节点的相似度作为所述叶节点的目标相似度,其中,所述叶节点包括一个相似度;
根据预设的回溯比较算法,在所述目标数据树中,按照层级由下至上的顺序,遍历所述父节点,比较所述父节点下各个子节点的下标所指示的目标相似度,确定第一比较结果;
根据所述第一比较结果,将数值最小的所述目标相似度作为所述父节点的目标相似度,并将数值最小的所述目标相似度对应的下标作为所述父节点的下标。
6.根据权利要求1所述的方法,其特征在于,所述遍历所述目标候选物品对应的相似度,将所述第一下标所指示的目标相似度替换为所述目标候选物品对应的相似度,包括:
遍历所述目标候选物品对应的相似度,对所述目标候选物品对应的相似度和所述第一下标所指示的目标相似度进行比较,得到第二比较结果;
基于所述第二比较结果,当所述目标候选物品对应的相似度大于所述第一下标所指示的目标相似度,将所述第一下标所指示的目标相似度替换为所述目标候选物品对应的相似度。
7.根据权利要求1所述的方法,其特征在于,所述响应于目标对象的推荐请求,获取候选物品的物品推荐数量和任意两个所述候选物品之间的相似度,包括:
获取多个对象的历史操作信息和物品池中的候选物品,其中,所述历史操作信息是指所述对象对相关联的所述候选物品的隐式反馈;
根据所述历史操作信息和预设的相似度算法,确定任意两个所述候选物品之间的相似度;
接收目标对象的推荐请求;
响应于所述推荐请求,获取所述目标对象的目标操作信息和候选物品的物品推荐数量,其中,所述目标操作信息是指所述目标对象对相关联的所述候选物品的隐式反馈;
根据所述目标操作信息,在所述候选物品中确定目标候选物品。
8.一种物品推荐装置,其特征在于,包括:
获取单元,用于响应于目标对象的推荐请求,获取候选物品的物品推荐数量和任意两个所述候选物品之间的相似度,其中,所述推荐请求用于确定目标候选物品;
生成单元,用于根据所述目标候选物品对应的相似度、所述物品推荐数量和预设的线段树算法,生成所述相似度的目标数据树,其中,所述目标数据树中所有节点均包括至少一个相似度,所述目标数据树中根节点的相似度的数量为所述物品推荐数量;
比较单元,用于根据所述目标数据树和预设的回溯比较算法,在所述节点的各个相似度中确定所述节点的目标相似度,并确定所述节点的下标,以及将所述根节点的下标作为第一下标,其中,所述下标用于指示所述节点的目标相似度在所述根节点中的位置;
更新单元,用于遍历所述目标候选物品对应的相似度,将所述第一下标所指示的目标相似度替换为所述目标候选物品对应的相似度,并根据所述回溯比较算法更新所述第一下标,以更新所述目标数据树;
推荐单元,用于根据更新后的所述目标数据树,确定所述目标候选物品的物品推荐信息,并向所述目标对象推送所述物品推送信息。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的物品推荐方法的步骤。
10.一种存储介质,所述存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的物品推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310833614.7A CN116703526A (zh) | 2023-07-07 | 2023-07-07 | 物品推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310833614.7A CN116703526A (zh) | 2023-07-07 | 2023-07-07 | 物品推荐方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116703526A true CN116703526A (zh) | 2023-09-05 |
Family
ID=87832335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310833614.7A Pending CN116703526A (zh) | 2023-07-07 | 2023-07-07 | 物品推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116703526A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117112574A (zh) * | 2023-10-20 | 2023-11-24 | 美云智数科技有限公司 | 树形业务数据构建方法、装置、计算机设备及存储介质 |
-
2023
- 2023-07-07 CN CN202310833614.7A patent/CN116703526A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117112574A (zh) * | 2023-10-20 | 2023-11-24 | 美云智数科技有限公司 | 树形业务数据构建方法、装置、计算机设备及存储介质 |
CN117112574B (zh) * | 2023-10-20 | 2024-02-23 | 美云智数科技有限公司 | 树形业务数据构建方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110866181B (zh) | 资源推荐的方法、装置及存储介质 | |
CN107330752B (zh) | 识别品牌词的方法和装置 | |
US10296837B2 (en) | Comment-comment and comment-document analysis of documents | |
CN109697641A (zh) | 计算商品相似度的方法和装置 | |
CN110827112B (zh) | 深度学习的商品推荐方法、装置、计算机设备及存储介质 | |
CN109492772A (zh) | 生成信息的方法和装置 | |
CN105677931A (zh) | 信息搜索方法和装置 | |
CN110674621B (zh) | 一种属性信息填充方法和装置 | |
CN109144964A (zh) | 基于机器学习的日志解析方法和装置 | |
CN116703526A (zh) | 物品推荐方法、装置、设备及存储介质 | |
CN111476595A (zh) | 产品推送方法、装置、计算机设备和存储介质 | |
CN111639700A (zh) | 目标相似度识别方法、装置、计算机设备及可读存储介质 | |
CN113743432A (zh) | 一种图像实体信息获取方法、设备、电子设备和存储介质 | |
CN113767403A (zh) | 知识图中过指定和欠指定的自动解析 | |
CN110442614A (zh) | 元数据的搜索方法及装置、电子设备、存储介质 | |
CN115455006A (zh) | 数据处理方法、数据处理装置、电子设备及存储介质 | |
CN115186188A (zh) | 基于行为分析的产品推荐方法、装置、设备及存储介质 | |
CN115168609A (zh) | 一种文本匹配方法、装置、计算机设备和存储介质 | |
CN115238009A (zh) | 基于血缘分析的元数据管理方法、装置、设备及存储介质 | |
CN114398864A (zh) | 报表显示方法、装置、设备及存储介质 | |
CN116263659A (zh) | 数据处理方法、装置、计算机程序产品、设备及存储介质 | |
Chen et al. | A fast multiscale clustering approach based on DBSCAN | |
CN113656466A (zh) | 保单数据查询方法、装置、设备及存储介质 | |
CN113762992A (zh) | 一种处理数据的方法和装置 | |
CN116701124A (zh) | 推荐系统优化方法、装置、设备及存储介质 |
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 |