申请/专利权人：清华大学;杭州微拓科技有限公司

申请日：2019-12-25

公开（公告）日：2024-04-26

公开（公告）号：CN110969516B

主分类号：G06Q30/0601

分类号：G06Q30/0601;G06F18/22;G06F16/9535;G06F16/9538;G06F18/2431;G06N3/042;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2020.05.01#实质审查的生效;2020.04.07#公开

摘要：本发明实施例提供一种商品推荐方法及装置，该方法包括：将目标用户输入到训练后的推荐系统中，获取候选商品集合；根据目标用户表征向量和目标商品表征向量，基于最近邻搜索算法，对所述候选商品集合中的每一候选商品进行重新排序，将排序靠前的若干候选商品作为最佳推荐商品；将所有最佳推荐商品推荐给用户。本发明实施例提供一种商品推荐方法及装置，基于图神经网络构建的推荐系统，根据目标用户和每个商品之间的相似度，生成目标用户表征向量和目标商品表征向量，提高了候选商品的多样性，从而提高了最佳推荐商品的多样性，并且通过商品召回阶段，将概率最大的商品推荐给用户，提高了推荐的准确率。

主权项：1.一种商品推荐方法，其特征在于，包括：将目标用户输入到对抗训练后的推荐系统中，获取候选商品集合，所述候选商品集合中包括若干候选商品，所述对抗训练后的推荐系统包括图神经网络，所述图神经网络用于根据所述目标用户生成目标用户表征向量和目标商品表征向量，训练后的推荐系统由训练样本和预设标签进行训练得到；根据目标用户表征向量和目标商品表征向量，基于最近邻搜索算法，计算每个目标商品表征向量与目标用户表征向量之间的相似度，对所述候选商品集合中的每一候选商品按照相似度进行重新排序，将排序靠前的若干候选商品作为最佳推荐商品；所述最近邻搜索算法是将图神经网络学习出的目标商品表征向量组成一个检索库，而将图神经网络学习出的目标用户表征向量作为检索向量；将所有最佳推荐商品推荐给用户；所述对抗训练后的推荐系统通过如下方式获得：对于训练集中的任一训练样本，所述训练样本为二部图结构，所述二部图包括用户节点和商品节点；根据不同类别的商品的交互次数，对所述用户节点的邻居商品节点进行采样，采样的概率与商品的交互次数成反比；利用采样后的训练数据对推荐系统进行对抗训练，获取所述对抗训练后的推荐系统；所述推荐系统包括图神经网络、预测模型、梯度反向层和分类器组成，预测模型和梯度反向层分别连接在图神经网络之后，分类器连接在梯度反向层之后；所述分类器输出是对该商品预测的类别概率分布；梯度经过梯度反向层会变为与原梯度相反的方向。

全文数据：

权利要求：

百度查询： 清华大学;杭州微拓科技有限公司 一种商品推荐方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD