技术特征：
1.一种商品推荐方法，其特征在于，包括：接收商品推荐指令；所述商品推荐指令中包括目标用户对应的用户基本信息和目标商品对应的商品基本信息；获取所述用户基本信息对应的用户传播向量集和所述商品基本信息对应的商品传播向量集；所述用户传播向量集包括一个初始用户向量和按照传播层级排序的多个传播用户向量；所述商品传播向量集包括一个初始商品向量和按照传播层级排序的多个传播商品向量；获取每一传播层级的用户特征向量和商品特征向量；所述用户特征向量根据前一传播层级的用户特征向量、初始用户向量和当前传播层级的传播用户向量生成；所述商品特征向量根据前一传播层级的商品特征向量、初始商品向量和当前传播层级的传播商品向量生成；对所有传播层级的用户特征向量和商品特征向量进行特征交互处理，得到商品推荐结果；所述商品推荐结果中包括针对不同的目标用户时所有所述目标商品对应的推荐值；根据针对同一目标用户的所有所述推荐值对所述目标商品进行排序，生成所述目标用户对应的商品推荐序列，并将所有所述目标用户对应的所述商品推荐序列推送至客户端中。2.如权利要求1所述的商品推荐方法，其特征在于，所述获取所述用户基本信息对应的用户传播向量集和所述商品基本信息对应的商品传播向量集之前，还包括：对所述用户基本信息进行向量转换，得到初始用户向量；对所述商品基本信息进行向量转换，得到初始商品向量；将所述初始用户向量和所述初始商品向量输入至预设商品推荐模型中，通过所述预设商品推荐模型对所述初始用户向量和所述初始商品向量进行信息传播，得到不同传播层级对应的传播用户向量和不同传播层级对应的传播商品向量。3.如权利要求2所述的商品推荐方法，其特征在于，所述通过所述预设商品推荐模型对所述初始用户向量和所述初始商品向量进行信息传播，得到不同传播层级对应的传播用户向量和不同传播层级对应的传播商品向量，包括：将所述初始用户向量设置为用户节点，将所述初始商品向量设置为商品节点，根据所有所述用户节点和所有所述商品节点构建目标二部图；从所述目标二部图中确定与所述用户节点对应的第一邻居节点数量，以及与所述商品节点对应的第二邻居节点数量；根据所述第一邻居节点数量、第二邻居节点数量、前一传播层级的传播用户向量和前一传播层级的传播商品向量，确定当前传播层级的传播用户向量和传播商品向量。4.如权利要求1所述的商品推荐方法，其特征在于，所述获取每一传播层级的用户特征向量和商品特征向量，包括：获取与当前传播层级对应的第一向量矩阵和第二向量矩阵；根据前一传播层级的用户特征向量、初始用户向量、当前传播层级的传播用户向量、第一向量矩阵和第二向量矩阵，确定当前传播层级的所述用户特征向量；根据前一传播层级的商品特征向量、初始商品向量、当前传播层级的传播商品向量、第一向量矩阵和第二向量矩阵，确定当前传播层级的所述商品特征向量。
5.如权利要求4所述的商品推荐方法，其特征在于，所述根据前一传播层级的用户特征向量、初始用户向量、当前传播层级的传播用户向量、第一向量矩阵和第二向量矩阵，确定所述用户特征向量，包括：对前一传播层级的用户特征向量、初始用户向量和所述第一向量矩阵进行向量激活处理，得到第一激活向量；对当前传播层级的传播用户向量和所述第二向量矩阵进行向量激活处理，得到第二激活向量；根据所述第一激活向量和所述第二激活向量，确定当前传播层级的所述用户特征向量。6.如权利要求4所述的商品推荐方法，其特征在于，所述根据前一传播层级的商品特征向量、初始商品向量、当前传播层级的传播商品向量、第一向量矩阵和第二向量矩阵，确定当前传播层级的所述商品特征向量，包括：对前一传播层级的商品特征向量、初始商品向量和所述第一向量矩阵进行向量激活处理，得到第三激活向量；对当前传播层级的传播商品向量和所述第二向量矩阵进行向量激活处理，得到第四激活向量；根据所述第三激活向量和所述第四激活向量，确定当前传播层级的所述商品特征向量。7.如权利要求1所述的商品推荐方法，其特征在于，所述对所有传播层级的用户特征向量和商品特征向量进行特征交互处理，得到商品推荐结果，包括：将所有所述传播层级的用户特征向量和商品特征向量输入至预设卷积网络模型中，获取第一推荐结果；通过内积函数对所有所述传播层级的用户特征向量和商品特征向量进行特征交互处理，获取第二推荐结果；根据所述第一推荐结果和所述第二推荐结果，确定所述商品推荐结果。8.一种商品推荐装置，其特征在于，包括：指令接收模块，用于接收商品推荐指令；所述商品推荐指令中包括目标用户对应的用户基本信息和目标商品对应的商品基本信息；传播向量获取模块，用于获取所述用户基本信息对应的用户传播向量集和所述商品基本信息对应的商品传播向量集；所述用户传播向量集包括一个初始用户向量和按照传播层级排序的多个传播用户向量；所述商品传播向量集包括一个初始商品向量和按照传播层级排序的多个传播商品向量；特征提取模块，用于获取每一传播层级的用户特征向量和商品特征向量；所述用户特征向量根据前一传播层级的用户特征向量、初始用户向量和当前传播层级的传播用户向量生成；所述商品特征向量根据前一传播层级的商品特征向量、初始商品向量和当前传播层级的传播商品向量生成；特征交互模块，用于对所有传播层级的用户特征向量和商品特征向量进行特征交互处理，得到商品推荐结果；所述商品推荐结果中包括针对不同的目标用户时所有所述目标商品对应的推荐值；
商品推荐模块，用于根据针对同一目标用户的所有所述推荐值对所述目标商品进行排序，生成所述目标用户对应的商品推荐序列，并将所有所述目标用户对应的所述商品推荐序列推送至客户端中。9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，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任一项所述商品推荐方法。10.一种计算机可读存储介质，所述计算机可读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任一项所述商品推荐方法。
技术总结
本发明公开了一种商品推荐方法、装置、计算机设备及存储介质，该方法通过获取用户基本信息对应的用户传播向量集和商品基本信息对应的商品传播向量集；获取每一传播层级的用户特征向量和商品特征向量；用户特征向量根据前一传播层级的用户特征向量、初始用户向量和当前传播层级的传播用户向量生成；商品特征向量根据前一传播层级的商品特征向量、初始商品向量和当前传播层级的传播商品向量生成；对所有传播层级的用户特征向量和商品特征向量进行特征交互处理，得到商品推荐结果；根据针对同一目标用户的所有推荐值对目标商品进行排序，生成目标用户对应的商品推荐序列，并将商品推荐序列推送至客户端中。本发明提高了商品推荐的准确性。的准确性。的准确性。
技术研发人员：李飞
受保护的技术使用者：中国平安人寿保险股份有限公司
技术研发日：2022.08.02
技术公布日：2022/10/20