(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210953005.0 (22)申请日 2022.08.10 (65)同一申请的已公布的文献号 申请公布号 CN 115033801 A (43)申请公布日 2022.09.09 (73)专利权人 中国科学技术大学 地址 230026 安徽省合肥市包河区金寨路 96号 (72)发明人 连德富　陈恩红　冯超　黎武超　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 樊晓 (51)Int.Cl. G06F 16/9535(2019.01) G06Q 10/04(2012.01)G06Q 30/02(2012.01) G06Q 30/06(2012.01) (56)对比文件 CN 109558533 A,2019.04.02 CN 107391549 A,2017.1 1.24 US 2015088911 A1,2015.0 3.26 连德富等.推荐系统中物品召回技 术的研究 进展. 《南京信息 工程大学学报 （自然科 学版） 》 .2019,241-25 0. Han Zhu等.Lean ing tree-based de ep model for recom mendation system s. 《http:// arxiv.org/pdf/1801.02 294.pdf》 .2018, 陈平华等.基于满二叉树的二分K-means聚 类并行推荐算法. 《计算机 工程与科 学》 .2015,1- 7. 审查员 邓慧丽 (54)发明名称 物品推荐方法、 模型训练方法及电子设备 (57)摘要 本发明提供了一种物品推荐 方法、 模型训练 方法及电子设备。 该方法包括： 获取候选物品集 和目标用户的用户特征信息； 基于带有随机性的 层次化平衡聚类算法， 对候选物品集进行平衡聚 类分析， 构建M棵K叉树， 每棵K叉树的每个非叶子 节点对应一个物品集， 每个物品集对应一个路径 序列， 每个物品集对应的路径序列表征K叉树的 根节点到每个物品集对应的每个非叶子节点的 路径， 每棵K叉树的每个叶子节点对应一个候选 物品； 针对每棵K叉树， 根据用户特征信息和非叶 子节点对应的路径序列， 确定出一条从根节点到 一个叶子节 点的目标路径， 并将目标路径上的 叶 子节点对应的候选物品作为目标候选物品； 根据 N个目标候选物品确定目标推荐物品。 权利要求书2页 说明书17页 附图5页 CN 115033801 B 2022.12.30 CN 115033801 B 1.一种物品推荐方法， 包括： 获取候选物品集和目标用户的用户特 征信息； 基于带有随机性的层次化平衡聚类算法， 对所述候选物品集进行平衡聚类分析， 构建M 棵K叉树， 其中， 每棵所述K叉树的每个非叶子节点对应一个物品集， 每个所述物品集对应一 个路径序列， 每个所述物品集对应的路径序列表征所述K叉树的根节点到每个所述物品集 对应的每个所述非 叶子节点的路径， 每棵所述K叉树的每个叶子节点对应一个候选物品， K 为大于或等于2的整数， M为大于或等于2的整数； 针对每棵所述K叉树， 根据 所述用户特征信 息和所述物品集对应的路径序列， 确定从所 述根节点到所述叶子节点的目标路径， 并将所述目标路径上的叶子节点对应的候选物品作 为目标候选物品； 根据N个所述目标候选物品确定目标推荐物品， N 为大于或等于1的正整数； 其中， 根据所述用户特征信息和所述物品集对应的路径序列， 确定从所述根节点到所 述叶子节点的目标路径， 并将所述目标路径上的叶子节点对应的候选物品作为目标候选物 品， 包括： 对所述用户特 征信息进行 特征提取， 得到用户特 征向量； 基于从所述根节点到所述叶子节点的顺序， 根据 所述用户特征向量和所述物品集对应 的路径序列， 由当前层节点的物品集对应的路径序列预测所述当前层节点的下一层节点的 方向表征， 生成所述下一层节点的物品集对应的路径序列； 在所述下一层节点为非叶子节点的情况下， 将所述下一层节点作为新的当前层节点， 重复执行 由新的所述当前层节点的物品集对应的路径序列预测 新的所述当前层节点的下 一层节点的方向表征， 生成新的所述当前层节点的下一层节点的物品集对应的路径序列； 在所述下一层节点为叶子节点的情况下， 生成从根节点到所述叶子节点的目标路径， 将所述目标路径上的所述叶子节点对应的候选物品作为目标候选物品。 2.根据权利要求1所述的方法， 其中， 所述根据N个所述目标候选物品确定目标推荐物 品， 包括： 对N个所述目标候选物品取并集， 生成目标候选物品集； 确定所述目标候选物品集中每 个所述目标候选物品的推荐概 率值； 基于预设排序规则， 将每个所述目标候选物品的推荐概率值进行排序， 得到所述目标 候选物品的推荐概 率值的排序结果； 根据所述目标候选物品的推荐概 率值的排序结果， 确定所述目标推荐物品。 3.根据权利要求1所述的方法， 其中， 所述基于带有随机性的层次化平衡聚类算法， 对 所述候选物品集进行平衡聚类分析， 构建M棵 K叉树， 包括： 针对每棵 K叉树， 对所述候选物品集中的候选物品进行特征提取， 得到多个候选物品表征向量， 其中， 将 多个所述 候选物品表征向量作为所述K 叉树的根节点； 确定所述 候选物品表征向量的K个聚类中心； 基于K个所述聚类中心和多个所述候选物品表征向量， 对所述根节点的多个所述候选 物品表征向量进行第一平衡聚类分析， 得到所述根节点的K个簇， 其中， 每个所述簇中包括 相同数量的多个所述 候选物品表征向量；权　利　要　求　书 1/2 页 2 CN 115033801 B 2根据所述 根节点的K个所述簇， 得到所述 根节点的K个聚类结果； 将所述根节点的K个所述聚类结果作为所述 根节点的第一层的K个非叶子节点； 对每个所述非叶子节点进行第 二平衡聚类分析， 直到得到的每个聚类结果中包括一个 所述候选物品表征向量， 并将包含一个所述候选物品表征向量的每个所述聚类结果作为叶 子节点， 得到所述K 叉树。 4.一种物品推荐模型训练方法， 包括： 获取训练样本， 所述训练样本包括样本用户特征信息和标签样本物品的历史路径序 列； 基于所述训练样本， 对待训练物品推荐模型进行训练， 得到经训练的物品推荐模型， 其 中， 所述标签样 本物品的历史路径序列通过已构建的M棵K叉树中的与标签样本物品对应的 候选物品的路径序列得到的， 所述已构建的M棵K叉树是基于带有随机性的层次化平衡聚类 算法， 对候选物品集进 行平衡聚类分析而 得到的， K为大于或等于2的整 数， M为大于或等于2 的整数； 其中， 基于所述训练样本， 对待训练物品推荐模型进行训练， 包括： 针对每棵所述K叉树， 对所述训练样本 中的所述样本用户特征信 息进行特征提取， 得到 样本用户特 征向量； 根据所述样本用户特征向量和所述标签样本物品的历史路径序列， 确定目标函数值， 其中， 所述标签样本物品的历史路径序列包括所述标签样本物品在所述K叉树中的每层给 定的历史路径序列； 基于所述目标函数值， 调整所述待训练物品推荐模型的模型参数； 其中， 所述根据所述样本用户特征向量和所述标签样本物品的历史路径序列， 确定目 标函数值， 包括： 根据所述样本用户特征向量和所述K叉树中的每层给定的历史路径序列， 预测与所述 样本用户特征向量对应的所述K叉树中每层的下一层的路径方向表征的概率值， 得到所述K 叉树中的每层的路径方向表征的概 率值； 根据所述每层的路径方向表征的概 率值， 确定所述目标函数值。 5.根据权利要求 4所述的方法， 其中， 所述物品推荐模型包括编码器和解码器。 6. 根据权利要求5所述的方法， 其中， 所述 解码器为Transformer  Decoder结构。 7.一种电子设备， 包括： 一个或多个处 理器； 存储器， 用于存 储一个或多个程序， 其中， 当所述一个或多个程序被所述一个或多个处理器执行时， 使得所述一个或多个 处理器执行根据权利要求1~6中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115033801 B 3