System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本申請涉及商品推薦,尤其涉及一種商品推薦方法及裝置。
技術介紹
1、推薦方法是互聯網服務中的關鍵技術,它通過分析用戶行為和偏好,為用戶提供個性化的內容推薦,推薦方法的優劣會直接影響到廠商的服務水平和用戶滿意度。然而現有的推薦模型處理多維度數據時,無法有效區分各維度數據的重要性,不能同時兼顧推薦效果與推薦速度,導致計算資源浪費和模型性能下降。
技術實現思路
1、有鑒于此,本申請實施例提供了一種商品推薦方法、裝置、電子設備及計算機可讀存儲介質,以解決現有技術中無法區分不同維度數據的重要性,導致無法兼顧推薦效果與推薦速度的問題。
2、本申請實施例的第一方面,提供了一種商品推薦方法,包括:在推薦模型的特征拼接層后連接特征權重網絡,其中,推薦模型分為輸入層、特征拼接層和其它網絡,特征權重網絡為多層感知機;獲取訓練數據,其中,訓練數據,包括:用戶數據、商品數據以及關于用戶與商品的交互行為的交互數據,用戶數據、商品數據以及交互數據均包含多條數據;利用訓練數據對推薦模型進行第一訓練,以優化推薦模型和特征權重網絡的參數;在第一訓練后,利用輸入層、特征拼接層和特征權重網絡為訓練數據中各條數據賦予權重;按照為各條數據賦予的權重對各條數據進行篩選,得到篩選數據,以及去除推薦模型的特征拼接層后連接的特征權重網絡;利用篩選數據對推薦模型進行第二訓練,以優化推薦模型的參數;在第二訓練后,利用推薦模型向目標用戶推薦目標商品。
3、本申請實施例的第二方面,提供了一種商品推薦裝置,包括:構建模
4、本申請實施例的第三方面,提供了一種電子設備,包括存儲器、處理器以及存儲在存儲器中并且可在處理器上運行的計算機程序,該處理器執行計算機程序時實現上述方法的步驟。
5、本申請實施例的第四方面,提供了一種計算機可讀存儲介質,該計算機可讀存儲介質存儲有計算機程序,該計算機程序被處理器執行時實現上述方法的步驟。
6、本申請實施例與現有技術相比存在的有益效果是:在推薦模型的特征拼接層后連接特征權重網絡,其中,推薦模型分為輸入層、特征拼接層和其它網絡,特征權重網絡為多層感知機;獲取訓練數據,其中,訓練數據,包括:用戶數據、商品數據以及關于用戶與商品的交互行為的交互數據,用戶數據、商品數據以及交互數據均包含多條數據;利用訓練數據對推薦模型進行第一訓練,以優化推薦模型和特征權重網絡的參數;在第一訓練后,利用輸入層、特征拼接層和特征權重網絡為訓練數據中各條數據賦予權重;按照為各條數據賦予的權重對各條數據進行篩選,得到篩選數據,以及去除推薦模型的特征拼接層后連接的特征權重網絡;利用篩選數據對推薦模型進行第二訓練,以優化推薦模型的參數;在第二訓練后,利用推薦模型向目標用戶推薦目標商品。采用上述技術手段,可以解決現有技術中無法區分不同維度數據的重要性,導致無法兼顧推薦效果與推薦速度的問題,進而提高推薦效果與推薦速度。
本文檔來自技高網...【技術保護點】
1.一種商品推薦方法,其特征在于,包括:
2.根據權利要求1所述的方法,其特征在于,利用所述訓練數據對所述推薦模型進行第一訓練,以優化所述推薦模型和所述特征權重網絡的參數,包括:
3.根據權利要求1所述的方法,其特征在于,在所述第一訓練后,利用所述輸入層、所述特征拼接層和所述特征權重網絡為所述訓練數據中各條數據賦予權重,包括:
4.根據權利要求3所述的方法,其特征在于,按照為各條數據賦予的權重對各條數據進行篩選,得到篩選數據,包括:
5.根據權利要求1所述的方法,其特征在于,利用所述篩選數據對所述推薦模型進行第二訓練,以優化所述推薦模型的參數,包括:
6.根據權利要求1所述的方法,其特征在于,在所述第二訓練后,利用所述推薦模型向目標用戶推薦目標商品,包括:
7.根據權利要求1所述的方法,其特征在于,利用所述訓練數據對所述推薦模型進行第一訓練,以優化所述推薦模型和所述特征權重網絡的參數之后,所述方法還包括:
8.一種商品推薦裝置,其特征在于,包括:
9.一種電子設備,包括存儲器、處理器以
10.一種計算機可讀存儲介質,所述計算機可讀存儲介質存儲有計算機程序,其特征在于,所述計算機程序被處理器執行時實現如權利要求1至7中任一項所述方法的步驟。
...【技術特征摘要】
1.一種商品推薦方法,其特征在于,包括:
2.根據權利要求1所述的方法,其特征在于,利用所述訓練數據對所述推薦模型進行第一訓練,以優化所述推薦模型和所述特征權重網絡的參數,包括:
3.根據權利要求1所述的方法,其特征在于,在所述第一訓練后,利用所述輸入層、所述特征拼接層和所述特征權重網絡為所述訓練數據中各條數據賦予權重,包括:
4.根據權利要求3所述的方法,其特征在于,按照為各條數據賦予的權重對各條數據進行篩選,得到篩選數據,包括:
5.根據權利要求1所述的方法,其特征在于,利用所述篩選數據對所述推薦模型進行第二訓練,以優化所述推薦模型的參數,包括:
6.根據權利要求1所述的方法,其特征...
【專利技術屬性】
技術研發人員:孟超,
申請(專利權)人:北京龍智數科科技服務有限公司,
類型:發明
國別省市:
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。