CN113221006B - 物品推荐方法及装置、电子设备、计算机存储介质 - Google Patents
物品推荐方法及装置、电子设备、计算机存储介质 Download PDFInfo
- Publication number
- CN113221006B CN113221006B CN202110562080.XA CN202110562080A CN113221006B CN 113221006 B CN113221006 B CN 113221006B CN 202110562080 A CN202110562080 A CN 202110562080A CN 113221006 B CN113221006 B CN 113221006B
- Authority
- CN
- China
- Prior art keywords
- articles
- occurrence
- article
- items
- calculating
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000003993 interaction Effects 0.000 claims abstract description 70
- 239000013598 vector Substances 0.000 claims description 26
- 238000009825 accumulation Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 104
- 230000006399 behavior Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种物品推荐方法及装置、电子设备、计算机存储介质，所述方法包括：统计每个用户交互的物品的集合、每个物品交互的用户的集合、每个物品包含的物品属性的集合以及每个物品属性关联的物品的集合；基于交互集合计算每两个物品的每两个共有用户共同交互的物品的数量，以及基于关联集合计算每两个物品对应的每两个共有物品属性共同关联的物品的数量，得到每两个物品对应的多个第一共现数量和第二共现数量；两个物品的共有用户指代与两个物品均存在交互的用户；两个物品对应的共有物品属性指代两个物品均包含的物品属性；利用每两个物品对应的第一共现数量和第二共现数量计算两者的相似度；基于每两个物品的相似度，选取物品推荐给用户。
Description
技术领域
本申请涉及物品推荐技术领域，特别涉及一种物品推荐方法及装置、电子设备、计算机存储介质。
背景技术
为了将文章、视频、商品等物品的推广和销售等，也为了更好地满足用户的需求，现今都会基于推荐算法的进行物品的推荐。
现今采用的推荐方式主要是基于协同过滤算法进行物品推荐，其的原理是基于对用户历史行为数据的挖掘来发现用户的喜好偏向，并预测用户可能喜好的物品进行推荐。具体根据物品间的共现次数，即基于物品与用户存在的交互行为的次数，如购买、收藏或者点赞等行为的次数，计算物品间的相似度，然后根据物品间的相似度进行物品推荐。
但是由于这种方式需要依赖于有用户的交互行为的历史数据，所以只能针对存在共现的物品。当两个物品不存在共现，则无法计算得到物品间的相似度，也就无法基于物品间的相似度进行物品推荐。
发明内容
基于上述现有技术的不足，本申请提供了一种物品推荐方法及装置、电子设备、计算机存储介质，以解决现有对于不存在用户共现的交互行为的物品，无法计算相似度的问题。
为了实现上述目的，本申请提供了以下技术方案：
本申请第一方面提供了一种物品推荐方法，包括：
统计用户与物品之间的交互集合，以及统计所述物品与物品属性之间的关联集合；其中，所述交互集合包括每一个用户交互的物品的集合，以及每一个物品交互的用户的集合；所述关联集合包括每个物品包含的物品属性的集合，以及每个物品属性关联的物品的集合；
基于所述交互集合计算每两个所述物品对应的多个第一共现数量，以及基于所述关联集合计算每两个所述物品对应的多个第二共现数量；其中，两个所述物品对应的多个第一共现数量为两个所述物品的每两个共有用户共同交互的物品的数量；两个所述物品对应的多个第二共现数量为两个所述物品对应的每两个共有物品属性共同关联的物品的数量；两个所述物品的共有用户指代与两个所述物品均存在交互的用户；两个所述物品对应的共有物品属性指代两个所述物品均包含的物品属性；
利用每两个所述物品对应的各个所述第一共现数量以及对应的各个所述第二共现数量进行相似度计算，得到每两个所述物品的相似度；其中，所述第一共现数量以及所述第二共现数量越小，所述相似度越大；
基于每两个所述物品的相似度，选取所述物品推荐给所述用户。
可选地，在上述的物品推荐方法中，所述基于所述交互集合计算每两个所述物品对应的多个第一共现数量，包括：
分别对每两个所述物品交互的用户的集合求交集，得到每两个所述物品的共有用户的集合；
分别针对每两个所述物品，计算每两个所述物品的共有用户的集合中，每两个所述共有用户交互的物品的集合的交集中的物品数量，得到每两个所述物品对应的各个第一共现数量。
可选地，在上述的物品推荐方法中，所述基于所述关联集合计算每两个所述物品对应的多个第二共现数量，包括：
分别对每两个物品包含的物品属性的集合求交集，得到每两个所述物品的共有物品属性的集合；
分别针对每两个所述物品，计算每两个所述物品的共有物品属性的集合中，每两个所述物品属性关联的物品的集合对应的词向量的内积，得到每两个所述物品对应的各个第二共现数量；其中，所述词向量的位数等于所有所述物品的数量，且所述词向量中的每一位用于表示所述物品属性关联的物品的集合中是否包含对应的物品。
可选地，在上述的物品推荐方法中，所述利用每两个所述物品对应的各个所述第一共现数量以及对应的各个所述第二共现数量进行相似度计算，得到每两个所述物品的相似度，包括：
分别针对每两个所述物品，计算每两个所述物品对应的各个所述第一共现数量对应的第一共现权重以及对应的各个所述第二共现数量对应的第二共现权重；其中，所述第一共现数量对应的第一共现权重等于所述第一共现数量与预设常量的和的倒数；所述第二共现数量对应的第二共现权重等于所述第二共现数量与所述预设常量的和的倒数；
计算各个所述第一共现权重的累加结果与所述各个所述第二共现权重的累加结果的和，得到每两个所述物品的相似度。
可选地，在上述的物品推荐方法中，所述基于每两个所述物品的相似度，选取所述物品推荐给所述用户，包括：
分别将每个所述物品作为目标物品，并按照从大到小的顺序，将与所述目标物品的相似度排在前N位的所述物品推荐给所述目标物品交互的用户。
本申请第二方面提供了一种物品推荐装置，包括：
统计单元，用于统计用户与物品之间的交互集合，以及统计所述物品与物品属性之间的关联集合；其中，所述交互集合包括每一个用户交互的物品的集合，以及每一个物品交互的用户的集合；所述关联集合包括每个物品包含的物品属性的集合，以及每个物品属性关联的物品的集合；
第一计算单元，用于基于所述交互集合计算每两个所述物品对应的多个第一共现数量；其中，两个所述物品对应的多个第一共现数量为两个所述物品的每两个共有用户共同交互的物品的数量；两个所述物品的共有用户指代与两个所述物品均存在交互的用户；
第二计算单元，用于基于所述关联集合计算每两个所述物品对应的多个第二共现数量；其中，两个所述物品对应的多个第二共现数量为两个所述物品对应的每两个共有物品属性共同关联的物品的数量；两个所述物品对应的共有物品属性指代两个所述物品均包含的物品属性；
第三计算单元，用于利用每两个所述物品对应的各个所述第一共现数量以及对应的各个所述第二共现数量进行相似度计算，得到每两个所述物品的相似度；其中，所述第一共现数量以及所述第二共现数量越小，所述相似度越大；
推荐单元，用于基于每两个所述物品的相似度，选取所述物品推荐给所述用户。
可选地，在上述的物品推荐装置中，所述第一计算单元，包括：
第一确定单元，用于分别对每两个所述物品交互的用户的集合求交集，得到每两个所述物品的共有用户的集合；
第一计算子单元，用于分别针对每两个所述物品，计算每两个所述物品的共有用户的集合中，每两个所述共有用户交互的物品的集合的交集中的物品数量，得到每两个所述物品对应的各个第一共现数量。
可选地，在上述的物品推荐装置中，所述第二计算单元，包括：
第二确定单元，用于分别对每两个物品包含的物品属性的集合求交集，得到每两个所述物品的共有物品属性的集合；
第二计算子单元，用于分别针对每两个所述物品，计算每两个所述物品的共有物品属性的集合中，每两个所述物品属性关联的物品的集合对应的词向量的内积，得到每两个所述物品对应的各个第二共现数量；其中，所述词向量的位数等于所有所述物品的数量，且所述词向量中的每一位用于表示所述物品属性关联的物品的集合中是否包含对应的物品。
可选地，在上述的物品推荐装置中，第三计算单元，包括：
第三计算子单元，用于分别针对每两个所述物品，计算每两个所述物品对应的各个所述第一共现数量对应的第一共现权重以及对应的各个所述第二共现数量对应的第二共现权重，并计算各个所述第一共现权重的累加结果与所述各个所述第二共现权重的累加结果的和，得到每两个所述物品的相似度；其中，所述第一共现数量对应的第一共现权重等于所述第一共现数量与预设常量的和的倒数；所述第二共现数量对应的第二共现权重等于所述第二共现数量与所述预设常量的和的倒数。
可选地，在上述的装置中，所述推荐单元，包括：
推荐子单元，用于分别将每个所述物品作为目标物品，并按照从大到小的顺序，将与所述目标物品的相似度排在前N位的所述物品推荐给所述目标物品交互的用户。
本申请第三方面提供了一种电子设备，包括：
存储器和处理器；
其中，所述存储器用于存储程序；
所述处理器用于执行所述程序，所述程序被执行时，具体用于实现如上述任意一项所述的物品推荐方法。
本申请第四方面提供了一种计算机存储介质，用于存储计算机程序，所述计算机程序被执行时，用于实现如上述任意一项所述的物品推荐方法。
本申请提供的一种物品推荐方法，通过统计用户与物品之间的交互集合，以及统计物品与物品属性之间的关联集合。其中，交互集合包括每一个用户交互的物品的集合，以及每一个物品交互的用户的集合。关联集合包括每个物品包含的物品属性的集合，以及每个物品属性关联的物品的集合。然后基于交互集合，计算每两个物品的每两个共有用户共同交互的物品的数量，得到每两个所述物品对应多个第一共现数量，以及基于关联集合，计算每两个物品对应的每两个共有物品属性共同关联的物品的数量，得到每两个物品对应多个第二共现数量。其中，两个物品的共有用户指代与两个物品均存在交互的用户。两个物品对应的共有物品属性指代两个物品均包含的物品属性。最后分别利用每两个所述物品对应的各个所述第一共现数量以及对应的各个第二共现数量进行相似度计算，得到每两个物品的相似度，从而通过物品在用户行为上的共现次数，以及物品在物品属性上共现次数，计算得到相似度，而由于物品均具有相应的物品属性，并且也能很好的反应物品间的相似度，因此即使在没有物品间没有在用户行为上的共现时，也能准确计算得到物品间的相似度，进而可以保证最后可以基于每两个所述物品的相似度，将物品推荐给用户。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种物品推荐方法的流程图；
图2为本申请另一实施例提供的一种计算第一共现数量的方法的流程图；
图3为本申请另一实施例提供的一种计算第二共现数量的方法的流程图；
图4为本申请另一实施例提供的一种物品推荐装置的结构示意图；
图5为本申请另一实施例提供的一种第一计算单元的结构示意图；
图6为本申请另一实施例提供的一种第二计算单元的结构示意图；
图7为本申请另一实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本申请实施例提供了一种物品推荐方法，如图1所示，包括以下步骤：
S101、统计用户与物品之间的交互集合，以及统计物品与物品属性之间的关联集合。
其中，物品可以指的是商品，或者视频、文章等。用户与物品之间的交互指的是用户针对物品产生过的交互行为，例如交互行为可以指的是购买行为，当然也可以指的是收藏或评论等其他行为，具体可以根据需求进行定义。
物品属性指的是物品所包含的属性，例如，以商品为例，其存在标题、类别、标签、关键词等物品属性。类别可以包括电子产品、食品、衣物等；标签可以包括休闲裤，男款等；关键词可以包括爆款、新品等。所以物品与物品属性之间的关联，指的就是物品包含有物品属性，或者说是，该物品属性下具有该物品。
具体的，可以是统计预设时间段内，用户与物品之间的交互集合，并且统计物品与物品属性之间的关联集合。其中，交互集合包括每一个用户交互的物品的集合，以及每一个物品交互的用户的集合，即交互集合包括有多个集合。具体可以针对每个用户，统计该用户交互的物品，得到该用户交互的物品的集合，例如，统计一个用户在预设时间段内购买过的商品的集合。同样，可以针对每个物品，统计该物品交互的用户，得到该物品交互的用户的集合，例如针对一个物品，统计得到在预设时间段内购买过该物品的用户的集合。
关联集合包括每个物品包含的物品属性的集合，以及每个物品属性关联的物品的集合。同样，分别针对每个物品，统计其所包含的物品属性的集合，以及分别针对每个物品属性，统计其所关联的物品的集合，例如，针对一个物品，统计该物品所包含的所有物品属性，得到该物品所包含的物品属性的集合，以及针对一个物品属性，统计该物品属性下的所有物品，得到该物品属性关联的物品的集合。
S102、基于交互集合计算每两个物品对应的多个第一共现数量，以及基于关联集合计算每两个物品对应的多个第二共现数量；两个物品对应的多个第一共现数量为两个所述物品的每两个共有用户共同交互的物品的数量；两个物品对应的多个第二共现数量为两个物品对应的每两个共有物品属性共同关联的物品的数量。
两个物品的共有用户指代与两个物品均存在交互的用户，共有用户指代与两个物品都存在交互行为的用户。例如，对于商品A和商品B，这两个商品的共有用户可以指的是购买过商品A，又购买过商品B的用户。两个物品对应的共有物品属性指代两个物品均包含的物品属性，例如，对于商品A和商品B，两者都包含有男装这一物品属性，即两者都属于男装，则“男装”即为商品A和商品B的共有物品属性。
具体的，针对两个物品，基于交互集合中的这两个物品交互的用户的集合可以确定出这两个物品的所有共有用户。然后，针对这两个物品的所有共有用户中的任意两个用户，基于交互集合中这两个用户交互的物品的集合，可以确定出这两个用户共同交互的物品的数量，得到这两个物品对应的一个第一共现数量，即两个物品的两个共有用户共同交互的物品的数量等于这两个物品对应的第一共现数量。即计算得到两个物品对应的第一共现数量的个数，等于两个物品的所有共有用户两两排列组合的数量。需要说明的是，两个用户共同交互的物品指的是分别与两个用户均存在交互的物品。
同理，针对两个物品，基于关联集合中的这两个物品包含的物品属性的集合，则可以确定出这两个物品的所有共有物品属性。然后，针对这两个物品的所有共有物品属性中的两个物品属性，基于集合中这两个物品属性关联的物品的集合，确定出这两个物品属性共同关联的物品的数量，得到这两个物品对应的一个第二共现数量，即两个物品的两个共有物品属性共同关联的物品的数量等于这两个物品对应的第二共现数量。即计算得到两个物品对应的第二共现数量的个数，等于两个物品的所有共有物品属性两两排列组合的数量。
可选地，本申请另一实施例中，步骤S102中基于交互集合，计算每两个所述物品的每两个共有用户共同交互的物品的数量，得到每两个所述物品对应多个第一共现数量，如图2所示，具体包括：
S201、分别对每两个物品交互的用户的集合求交集，得到每两个物品的共有用户的集合。
具体的，分别针对每两个物品，计算两个物品交互的用户的集合的交集，而该交集即为两个物品的共有用户的集合。
S202、分别针对每两个物品，计算每两个物品的共有用户的集合中，每两个共有用户交互的物品的集合的交集中的物品的数量，得到每两个物品对应的各个第一共现数量。
可选地，本申请另一实施例中，步骤S102中基于所述关联集合，计算每两个所述物品对应的每两个共有物品属性间共同关联的物品的数量，得到每两个所述物品对应多个第二共现数量，如图3所示，具体包括：
S301、分别对每两个物品包含的物品属性的集合求交集，得到每两个物品的共有物品属性的集合。
S302、分别针对每两个物品，计算每两个物品的共有物品属性的集合中，每两个物品属性关联的物品的集合对应的词向量的内积，得到每两个物品对应的各个第二共现数量。
可选地，可以基于词袋模型计算每两个物品对应的各个第二共现数量。
其中，词向量的位数等于所有物品的数量，且词向量中的每一位用于表示物品属性关联的物品的集合中是否包含对应的物品。
具体的，词向量可以为一个二进制的向量，所包含的位数等于所有物品的数量，并且每一位用于表示物品属性关联的物品的集合中是否包含对应的物品。具体的，可以是通过0和1表示，若词向量中的某一位为1，则表示物品属性关联的物品的集合中包含有该位所对应的物品。
具体的，构建每个物品属性关联的物品的集合对应的词向量。然后，在计算两个物品属性共同关联的物品的数量时，通过计算这两个物品属性关联的物品的集合对应的词向量的内积，从而可以直接得到两个物品属性共同关联的物品的数量，即得到一个第二共现数量。例如，一共存在7种物品，一个物品属性关联的物品的集合对应的词向量为（1，1，1，1，1，0，0），另一个物品属性关联的物品的集合对应的词向量为（0，1，1，1，0，1，1），则两个物品属性共同关联的物品的数量等于上述的两个词向量的内积，即等于1+1+1=3。
S103、利用每两个物品对应的各个第一共现数量以及对应的各个第二共现数量进行相似度计算，得到每两个物品的相似度。
其中，第一共现数量以及第二共现数量越小，所述相似度越大。
需要说明的是，以商品为例，若用户1和用户2都购买过物品i和j，则物品i和物品j存在共现，说明两个物品可能具有较强的关联关系，所以购买物品i的用户，会购买物品j。但同时，用户1和用户2共同购买的物品越多，说明两个用户共同购买到这两个物品的所存在的偶然性较大，所以共同购买的物品越多，则会相应的削弱物品i和物品j之间的关联关系。同理，对于两个物品管理的物品属性也一样，此处不再赘述。因此，可以基于两个物品对应的各个第一共现数量以及对应的各个第二共现数量，计算两个物品的相似度。并且，各个第一共现数量以及各个第二共现数量越小，则计算得到的相似度越大。
可选地，本申请另一实施例中，步骤S103具体包括：
分别针对每两个物品，计算每两个物品对应的各个所述第一共现数量对应的第一共现权重以及对应的各个第二共现数量对应的第二共现权重，并计算各个第一共现权重的累加结果与各个第二共现权重的累加结果的和，得到每两个物品的相似度。
其中，第一共现数量对应的第一共现权重等于第一共现数量与预设常量的和的倒数。第二共现数量对应的第二共现权重等于第二共现数量与预设常量的和的倒数。所以，本申请实施例中，具体计算两个物品的相似度可以表示为：
。
其中，i和j分别表示物品i和物品j。u和v分别表示用户u和物品用户v。m，n分别表
示物品属性m和物品属性n。U i 表示物品i交互的用户的集合；U j 表示物品j交互的用户的集
合。I u 表示用户u交互的物品的集合；I v 表示用户v交互的物品的集合。表示第一
共现数量。
F i 表示物品i包含的物品属性的集合；F j 表示物品j包含的物品属性的集合。I m 表示
物品属性关联m的物品的集合；I n 表示物品属性关联n的物品的集合。表示第二共
现数量。α为一个超参数，是认为预先定义的预设常量，主要用于保证分母不为零。例如，可
以设置为1。
S104、基于每两个物品的相似度，选取物品推荐给用户。
可选地，步骤S102的一种具体实施方式，包括：分别将每个物品作为目标物品，并按照从大到小的顺序，将与目标物品的相似度排在前N位的物品推荐给目标物品交互的用户。
本申请实施例提供的一种物品推荐方法，通过统计用户与物品之间的交互集合，以及统计物品与物品属性之间的关联集合。其中，交互集合包括每一个用户交互的物品的集合，以及每一个物品交互的用户的集合。关联集合包括每个物品包含的物品属性的集合，以及每个物品属性关联的物品的集合。然后基于交互集合，计算每两个物品的每两个共有用户共同交互的物品的数量，得到每两个所述物品对应多个第一共现数量，以及基于关联集合，计算每两个物品对应的每两个共有物品属性共同关联的物品的数量，得到每两个物品对应多个第二共现数量。其中，两个物品的共有用户指代与两个物品均存在交互的用户。两个物品对应的共有物品属性指代两个物品均包含的物品属性。最后分别利用每两个物品对应的各个第一共现数量以及对应的各个第二共现数量进行相似度计算，得到每两个物品的相似度，从而通过物品在用户行为上的共现次数，以及物品在物品属性上共现次数，计算得到相似度，而由于物品的物品属性是必然存在的，并且也能很好的反应物品间的相似度，因此即使在没有物品间没有在用户行为上的共现时，也能准确计算得到物品间的相似度，进而可以保证最后可以基于每两个所述物品的相似度，将物品推荐给用户。
本申请另一实施例提供了一种物品推荐装置，如图4所示，具体包括以下单元：
统计单元401，用于统计用户与物品之间的交互集合，以及统计物品与物品属性之间的关联集合。
其中，交互集合包括每一个用户交互的物品的集合，以及每一个物品交互的用户的集合；关联集合包括每个物品包含的物品属性的集合，以及每个物品属性关联的物品的集合。
第一计算单元402，用于基于所述交互集合计算每两个所述物品对应的多个第一共现数量。
其中，两个所述物品对应的多个第一共现数量为两个所述物品的每两个共有用户共同交互的物品的数量。两个所述物品的共有用户指代与两个所述物品均存在交互的用户；
第二计算单元403，用于基于所述关联集合计算每两个所述物品对应的多个第二共现数量。
其中，两个所述物品对应的多个第二共现数量为两个所述物品对应的每两个共有物品属性共同关联的物品的数量。两个所述物品对应的共有物品属性指代两个所述物品均包含的物品属性。
第三计算单元404，用于利用每两个物品对应的各个第一共现数量以及对应的各个第二共现数量进行相似度计算，得到每两个物品的相似度。
其中，第一共现数量以及第二共现数量越小，相似度越大。
推荐单元405，用于基于每两个物品的相似度，选取物品推荐给所述用户。
可选地，本申请另一实施例提供的一种物品推荐装置中，第一计算单元，如图5所示，包括：
第一确定单元501，用于分别对每两个物品交互的用户的集合求交集，得到每两个物品的共有用户的集合。
第一计算子单元502，用于分别针对每两个物品，计算每两个物品的共有用户的集合中，每两个共有用户交互的物品的集合的交集中的物品的数量，得到每两个物品对应的各个第一共现数量。
可选地，本申请另一实施例提供的一种物品推荐装置中，第二计算单元，如图6所示，包括：
第二确定单元601，用于分别对每两个物品包含的物品属性的集合求交集，得到每两个物品的共有物品属性的集合。
第二计算子单元602，用于分别针对每两个物品，计算每两个物品的共有物品属性的集合中，每两个物品属性关联的物品的集合对应的词向量的内积，得到每两个物品对应的各个第二共现数量。
其中，词向量的位数等于所有物品的数量，且每一位用于表示物品属性关联的物品的集合中是否包含对应的物品。
可选地，本申请另一实施例提供的一种物品推荐装置中，第三计算单元，包括：
第三计算子单元，用于分别针对每两个物品，计算每两个物品对应的各个第一共现数量对应的第一共现权重以及对应的各个第二共现数量对应的第二共现权重，并计算各个第一共现权重的累加结果与各个第二共现权重的累加结果的和，得到每两个物品的相似度。
其中，第一共现数量对应的第一共现权重等于第一共现数量与预设常量的和的倒数；第二共现数量对应的第二共现权重等于第二共现数量与预设常量的和的倒数。
可选地，本申请另一实施例提供的一种物品推荐装置中，推荐单元，包括：
推荐子单元，用于分别将每个物品作为目标物品，并按照从大到小的顺序，将与目标物品的相似度排在前N位的所述物品推荐给目标物品交互的用户。
需要说明的是，本申请上述实施例提供的各个单元的具体工作过程，可相应地参考上述方法实施例中的相应的步骤，此处不再赘述。
本申请另一实施例提供了一种电子设备，如图7所示，包括：
存储器701和处理器702。
其中，存储器701用于存储程序，处理器702用于执行存储器701存储的程序。并且，该程序被执行时，具体用于实现如上述任意一个实施例提供的物品推荐方法。
本申请另一实施例提供了一种计算机存储介质，用于存储计算机程序，该计算机程序被执行时，用于实现如上述任意一个实施例提供的物品推荐方法。
计算机存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种物品推荐方法，其特征在于，包括：
统计用户与物品之间的交互集合，以及统计所述物品与物品属性之间的关联集合；其中，所述交互集合包括每一个用户交互的物品的集合，以及每一个物品交互的用户的集合；所述关联集合包括每个物品包含的物品属性的集合，以及每个物品属性关联的物品的集合；
基于所述交互集合计算每两个所述物品对应的多个第一共现数量，以及基于所述关联集合计算每两个所述物品对应的多个第二共现数量；其中，两个所述物品对应的多个第一共现数量为两个所述物品的每两个共有用户共同交互的物品的数量；两个所述物品对应的多个第二共现数量为两个所述物品对应的每两个共有物品属性共同关联的物品的数量；两个所述物品的共有用户指代与两个所述物品均存在交互的用户；两个所述物品对应的共有物品属性指代两个所述物品均包含的物品属性；
利用每两个所述物品对应的各个所述第一共现数量以及对应的各个所述第二共现数量进行相似度计算，得到每两个所述物品的相似度，包括：分别针对每两个所述物品，计算每两个所述物品对应的各个所述第一共现数量对应的第一共现权重以及对应的各个所述第二共现数量对应的第二共现权重；所述第一共现数量对应的第一共现权重等于所述第一共现数量与预设常量的和的倒数；所述第二共现数量对应的第二共现权重等于所述第二共现数量与所述预设常量的和的倒数；计算各个所述第一共现权重的累加结果与所述各个所述第二共现权重的累加结果的和，得到每两个所述物品的相似度；其中，所述第一共现数量以及所述第二共现数量越小，所述相似度越大；
基于每两个所述物品的相似度，选取所述物品推荐给所述用户。
2.根据权利要求1所述的方法，其特征在于，所述基于所述交互集合计算每两个所述物品对应的多个第一共现数量，包括：
分别对每两个所述物品交互的用户的集合求交集，得到每两个所述物品的共有用户的集合；
分别针对每两个所述物品，计算每两个所述物品的共有用户的集合中，每两个所述共有用户交互的物品的集合的交集中的物品数量，得到每两个所述物品对应的各个第一共现数量。
3.根据权利要求1所述的方法，其特征在于，所述基于所述关联集合计算每两个所述物品对应的多个第二共现数量，包括：
分别对每两个物品包含的物品属性的集合求交集，得到每两个所述物品的共有物品属性的集合；
分别针对每两个所述物品，计算每两个所述物品的共有物品属性的集合中，每两个所述物品属性关联的物品的集合对应的词向量的内积，得到每两个所述物品对应的各个第二共现数量；其中，所述词向量的位数等于所有所述物品的数量，且所述词向量中的每一位用于表示所述物品属性关联的物品的集合中是否包含对应的物品。
4.根据权利要求1所述的方法，其特征在于，所述基于每两个所述物品的相似度，选取所述物品推荐给所述用户，包括：
分别将每个所述物品作为目标物品，并按照从大到小的顺序，将与所述目标物品的相似度排在前N位的所述物品推荐给所述目标物品交互的用户。
5.一种物品推荐装置，其特征在于，包括：
统计单元，用于统计用户与物品之间的交互集合，以及统计所述物品与物品属性之间的关联集合；其中，所述交互集合包括每一个用户交互的物品的集合，以及每一个物品交互的用户的集合；所述关联集合包括每个物品包含的物品属性的集合，以及每个物品属性关联的物品的集合；
第一计算单元，用于基于所述交互集合计算每两个所述物品对应的多个第一共现数量；其中，两个所述物品对应的多个第一共现数量为两个所述物品的每两个共有用户共同交互的物品的数量；两个所述物品的共有用户指代与两个所述物品均存在交互的用户；
第二计算单元，用于基于所述关联集合计算每两个所述物品对应的多个第二共现数量；其中，两个所述物品对应的多个第二共现数量为两个所述物品对应的每两个共有物品属性共同关联的物品的数量；两个所述物品对应的共有物品属性指代两个所述物品均包含的物品属性；
第三计算单元，用于利用每两个所述物品对应的各个所述第一共现数量以及对应的各个所述第二共现数量进行相似度计算，得到每两个所述物品的相似度；其中，所述第一共现数量以及所述第二共现数量越小，所述相似度越大；
所述第三计算单元，包括：第三计算子单元；
所述第三计算子单元，用于分别针对每两个所述物品，计算每两个所述物品对应的各个所述第一共现数量对应的第一共现权重以及对应的各个所述第二共现数量对应的第二共现权重，并计算各个所述第一共现权重的累加结果与所述各个所述第二共现权重的累加结果的和，得到每两个所述物品的相似度；其中，所述第一共现数量对应的第一共现权重等于所述第一共现数量与预设常量的和的倒数；所述第二共现数量对应的第二共现权重等于所述第二共现数量与所述预设常量的和的倒数；
推荐单元，用于基于每两个所述物品的相似度，选取所述物品推荐给所述用户。
6.根据权利要求5所述的装置，其特征在于，所述第一计算单元，包括：
第一确定单元，用于分别对每两个所述物品交互的用户的集合求交集，得到每两个所述物品的共有用户的集合；
第一计算子单元，用于分别针对每两个所述物品，计算每两个所述物品的共有用户的集合中，每两个所述共有用户交互的物品的集合的交集中的物品数量，得到每两个所述物品对应的各个第一共现数量。
7.根据权利要求5所述的装置，其特征在于，所述第二计算单元，包括：
第二确定单元，用于分别对每两个物品包含的物品属性的集合求交集，得到每两个所述物品的共有物品属性的集合；
第二计算子单元，用于分别针对每两个所述物品，计算每两个所述物品的共有物品属性的集合中，每两个所述物品属性关联的物品的集合对应的词向量的内积，得到每两个所述物品对应的各个第二共现数量；其中，所述词向量的位数等于所有所述物品的数量，且所述词向量中的每一位用于表示所述物品属性关联的物品的集合中是否包含对应的物品。
8.一种电子设备，其特征在于，包括：
存储器和处理器；
其中，所述存储器用于存储程序；
所述处理器用于执行所述程序，所述程序被执行时，具体用于实现如权利要求1至4任意一项所述的物品推荐方法。
9.一种计算机存储介质，其特征在于，用于存储计算机程序，所述计算机程序被执行时，用于实现如权利要求1至4任意一项所述的物品推荐方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110562080.XA CN113221006B (zh) | 2021-05-24 | 2021-05-24 | 物品推荐方法及装置、电子设备、计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110562080.XA CN113221006B (zh) | 2021-05-24 | 2021-05-24 | 物品推荐方法及装置、电子设备、计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113221006A CN113221006A (zh) | 2021-08-06 |
| CN113221006B true CN113221006B (zh) | 2023-12-19 |
Family
ID=77097958
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110562080.XA Active CN113221006B (zh) | 2021-05-24 | 2021-05-24 | 物品推荐方法及装置、电子设备、计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113221006B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113761393B (zh) * | 2021-09-26 | 2024-07-19 | 广州华多网络科技有限公司 | 商品协同推荐方法及其装置、设备、介质、产品 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107341204A (zh) * | 2017-06-22 | 2017-11-10 | 电子科技大学 | 一种融合物品标签信息的协同过滤推荐方法及*** |
| US9959563B1 (en) * | 2013-12-19 | 2018-05-01 | Amazon Technologies, Inc. | Recommendation generation for infrequently accessed items |
| CN108596712A (zh) * | 2018-03-29 | 2018-09-28 | 深圳大学 | 基于物品序列的单类协同过滤方法、存储介质及服务器 |
| CN109544396A (zh) * | 2019-01-10 | 2019-03-29 | 腾讯科技（深圳）有限公司 | 账号推荐方法、装置、服务器、终端及存储介质 |
| CN111737558A (zh) * | 2020-05-21 | 2020-10-02 | 苏宁金融科技(南京)有限公司 | 一种资讯推荐方法、装置及计算机可读存储介质 |
| CN112750011A (zh) * | 2021-01-13 | 2021-05-04 | 叮当快药科技集团有限公司 | 商品推荐方法、装置和电子设备 |
| CN112801803A (zh) * | 2021-02-07 | 2021-05-14 | 中国工商银行股份有限公司 | 一种理财产品推荐方法和装置 |
-
2021
- 2021-05-24 CN CN202110562080.XA patent/CN113221006B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9959563B1 (en) * | 2013-12-19 | 2018-05-01 | Amazon Technologies, Inc. | Recommendation generation for infrequently accessed items |
| CN107341204A (zh) * | 2017-06-22 | 2017-11-10 | 电子科技大学 | 一种融合物品标签信息的协同过滤推荐方法及*** |
| CN108596712A (zh) * | 2018-03-29 | 2018-09-28 | 深圳大学 | 基于物品序列的单类协同过滤方法、存储介质及服务器 |
| CN109544396A (zh) * | 2019-01-10 | 2019-03-29 | 腾讯科技（深圳）有限公司 | 账号推荐方法、装置、服务器、终端及存储介质 |
| CN111737558A (zh) * | 2020-05-21 | 2020-10-02 | 苏宁金融科技(南京)有限公司 | 一种资讯推荐方法、装置及计算机可读存储介质 |
| CN112750011A (zh) * | 2021-01-13 | 2021-05-04 | 叮当快药科技集团有限公司 | 商品推荐方法、装置和电子设备 |
| CN112801803A (zh) * | 2021-02-07 | 2021-05-14 | 中国工商银行股份有限公司 | 一种理财产品推荐方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113221006A (zh) | 2021-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chinnamgari | R Machine Learning Projects: Implement supervised, unsupervised, and reinforcement learning techniques using R 3.5 | |
| US20180357703A1 (en) | Recommendations Based Upon Explicit User Similarity | |
| CN108829808A (zh) | 一种页面个性化排序方法、装置及电子设备 | |
| US20140136278A1 (en) | Competitive price alert system with competitive price rules engine | |
| US20120078681A1 (en) | Multi-hierarchical customer and product profiling for enhanced retail offerings | |
| CN103646341B (zh) | 一种网站提供对象的推荐方法和装置 | |
| CN102446330A (zh) | 内容推荐***和方法 | |
| CN111695023A (zh) | 信息推荐方法、装置、存储介质及设备 | |
| US20180262417A1 (en) | Method and apparatus for associating network item and calculating association information | |
| CN109934684A (zh) | 一种商品推荐方法、装置、终端及存储介质 | |
| US20190205769A1 (en) | Data Processing Method, Apparatus, Device and Computer Readable Storage Media | |
| JP6199958B2 (ja) | ユーザー推奨方法および装置 | |
| CN106980629A (zh) | 一种网络资源推荐方法及计算机设备 | |
| CN113221006B (zh) | 物品推荐方法及装置、电子设备、计算机存储介质 | |
| CN110309410A (zh) | 一种资讯推荐方法、平台及计算机可读存储介质 | |
| Zhang et al. | The approaches to contextual transaction trust computation in e‐Commerce environments | |
| CN105512914B (zh) | 一种信息处理方法及电子设备 | |
| CN111143546A (zh) | 一种获得推荐语的方法、装置及电子设备 | |
| US11392851B2 (en) | Social network navigation based on content relationships | |
| CN110929017B (zh) | 文本的推荐方法及装置 | |
| CN114677176A (zh) | 兴趣内容的推荐方法及装置、电子设备、存储介质 | |
| Mohan et al. | Recommendation system in business intelligence solutions for grocery shops: Challenges and perspective | |
| CN107688979A (zh) | 用于提供信用参考信息的方法和装置 | |
| CN113222627A (zh) | 一种用于盲盒商品分配的方法与设备 | |
| Wang et al. | Collaborative filtering enhanced by user free-text reviews topic modelling |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |