(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210267359.X (22)申请日 2022.03.17 (71)申请人 广州华多网络科技有限公司 地址 511442 广东省广州市番禺区南村镇 万达广场B1栋24层 (72)发明人 李露　 (74)专利代理 机构 广州利能知识产权代理事务 所(普通合伙) 44673 专利代理师 王增鑫 (51)Int.Cl. G06Q 30/06(2012.01) G06Q 30/02(2012.01) G06F 16/23(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06F 40/30(2020.01) G06F 7/08(2006.01) (54)发明名称 商品推荐列表更新方法及其装置、 设备、 介 质、 产品 (57)摘要 本申请公开一种商品推荐列表更新方法及 其装置、 设备、 介质、 产品， 所述方法包括： 向商品 推荐列表添加新增商品对象， 该新增商品对象 的 品类属于 该商品推荐列表的品类涵盖范围； 采用 预建模的操作意向推理模型确定出所述新增商 品对象分别关联于预设用户群中的每个用户而 相应预测的业务操作等级， 所述用户群为该模型 所赖以建模的数据集的样本数据的来源用户的 集合； 针对所述新增商品对象， 对所述用户群的 各个用户的业务操作等级相对应的权重分值进 行统计， 计算出流行度； 根据流行度对商品推荐 列表中的全部商品对象进行重新排序。 本申请可 实现对新增商品对象 的推荐的冷启动， 能对商品 对象的流行趋势做出有效预测， 使据此做出的商 品推荐效果更为精准。 权利要求书3页 说明书18页 附图5页 CN 114612189 A 2022.06.10 CN 114612189 A 1.一种商品推荐列表更新方法， 其特 征在于， 包括如下步骤： 向商品推荐列表添加新增商品对象， 该新增商 品对象的品类属于由该商 品推荐列表中 的原有商品对象的品类所共同限定的品类涵盖范围； 采用预建模的操作意向推理模型确定出所述新增商品对象分别关联于预设用户群中 的每个用户而相应预测的业务操作等级， 每种业务操作等级对应同一业务流程中的单个业 务环节， 且按照业务先后匹配有渐增的权重分值， 所述用户群为该模型所赖以建模的数据 集的样本数据的来源用户的集 合； 针对所述新增商 品对象， 对所述用户群的各个用户的业务操作等级相对应的权重分值 进行统计， 计算出预定的目标业务操作等级 所对应的部 分用户相对应的权重分值的总和与 全量用户相对应的权 重分值的总和之比， 获得 所述新增商品对象的流行度； 根据所述流行度对商品推荐列表中的全部商品对象进行重新排序以实现商品推荐列 表的更新， 其中， 所述原有 商品对象的流行度已预 先确定。 2.根据权利要求1所述的商 品推荐列表更新方法， 其特征在于， 向商 品推荐列表添加新 增商品对象， 该新增商品对象的品类属于由该商品推荐列表中的原有商品对象的品类所共 同限定的品类涵盖范围， 包括如下步骤： 接收商品推荐列表更新指令， 获取该指令相对应的商品集合， 该商品集合包含一个或 多个新增商品对象； 获取原有存在的所述商品推荐列表， 其包含多个原有已存在的商品对象， 即原有商品 对象， 每个原有商品对象均标注有预设的多 级品类体系中的末级品类； 根据所述商品推荐列表内所有原有商品对象的品类关联确定该商品推荐列表的品类 涵盖范围， 该品类涵盖范围包含对多级品类体系中的所有 各级内所有品类的全部覆盖和 仅 对其中一级内其中一个品类的单一覆盖 两种情况中任意 一种； 判断每个新增商 品对象的品类是否属于所述品类涵盖范围， 将属于该品类覆盖范围的 新增商品对象添加至该商品推荐列表中， 获得最 新的商品推荐列表。 3.根据权利要求2所述的商 品推荐列表更新方法， 其特征在于， 根据所述商 品推荐列表 内所有原有 商品对象的品类关联确定该商品推荐列表的品类涵盖范围， 包括如下步骤： 以末级品类为聚类单位， 对所述商品推荐列表中的原有商品对象进行分类汇总， 统计 出各个末级品类相对应的原有商品对 象总数相对于商品推荐列表中原有商品对 象总量之 比作为该末级品类相对应的频度； 确定出频度为最高值且大于预设频度阈值的末级品类， 作为该商品推荐列表的主品 类， 根据该主品类确定所述商品推荐列表的品类覆盖范围仅包含属于该主品类的商品对 象； 当无法确定出所述主品类时， 沿所述多级品类体系逐级回溯， 按照所述末级品类的相 同方式在相应级的各个品类中确定出 所述的主品类； 当沿多级 品类体系回溯至最顶级仍无法确定出所述的主品类时， 确定所述商品推荐列 表的品类覆盖范围包 含对多级品类体系中的所有各级内所有品类的全部覆盖 。 4.根据权利要求1所述的商 品推荐列表更新方法， 其特征在于， 向商 品推荐列表添加新 增商品对象的步骤之前， 包括如下步骤： 响应定时任务， 获取 所述商品推荐列表， 将其中包 含的商品对象视为原有 商品对象；权　利　要　求　书 1/3 页 2 CN 114612189 A 2构造数据集， 该数据集包含多个样本数据， 每个样本数据包括对所述商品推荐列表中 的一个原有商品对象施加操作的来源用户的特征信息、 被施加操作的原有商品对象的特征 信息， 以及所施加操作相对应的业 务操作等级； 采用所述数据集中的样本数据对所述操作意向推理模型进行建模， 其中， 样本数据的 来源用户的特征信息和原有商品对象的特征信息作为输入， 样本数据中的业务操作等级作 为监督模型输出的标签； 采用完成建模的操作意向推理模型预测所述商品推荐列表中原有商品对象关联于所 述每个来源用户的业务操作等级， 根据业务操作等级相对应的权重 分值计算确定商品推荐 列表中每 个原有商品对象的流行度。 5.根据权利要求4所述的商品推荐列表更新方法， 其特征在于， 构造数据集， 包括如下 步骤： 根据所述商 品推荐列表中的原有商品对象， 获取各原有商 品对象在预定历史时长范围 内相对应的用户行为记录， 所述用户行为记录表征来源用户对该原有商品对象所施加的业 务操作事 件， 每个业务操作事 件与一个业 务操作等级相对应； 过滤所述用户行为记录， 使对于每个来源用户的关联于同一原有商 品对象的多个用户 行为记录， 仅保留其中对应最高业务操作等级的业务操作事件所对应的仅一条用户行为记 录； 根据被保留的用户行为记录生成样本数据， 使每个样本数据对应一条所述的用户行为 记录而包含该用户行为记录中的来源用户的特征信息、 原有商品对象的特征信息以及与其 业务操作事 件相应的业 务操作等级； 将所有样本数据存储为数据集， 确定该数据集中所有样本数据 所包含的全量来源用户 构成该数据集相对应的用户群。 6.根据权利要求4所述的商 品推荐列表更新方法， 其特征在于， 采用所述数据集中的样 本数据对所述操作意向推理模型进行建模的步骤中， 所述操作意向推理模 型针对每条样本 数据执行如下步骤： 采用两个文本特征提取模型分别提取输入其中的样本数据中来源用户的特征信息和 原有商品对象的特 征信息的深层语义信息， 相应获得用户语义信息和商品语义信息； 将所述用户语义信息和商品语义信息进行 特征拼接并映射 为高维综合向量； 采用分类 器对所述高维综合向量进行分类映射， 以预测出相对应的业 务操作等级； 采用该样本数据中的业务操作等级计算分类器预测出的业务操作等级的交叉熵损失 值， 根据该交叉熵损失值对 模型实施梯度更新。 7.根据权利要求1所述的商 品推荐列表更新方法， 其特征在于， 本方法包括如下后置步 骤： 响应线上店铺的广告推荐请求， 从完成更新的商品推荐列表中选取流行度排序靠前的 部分商品对象， 获取 该些商品对象的商品摘要信息应答该请求。 8.一种商品推荐列表更新装置， 其特 征在于， 包括： 新品发布模块， 被配置为向商品推荐列表添加新增商品对象， 该新增商品对象的品类 属于由该商品推荐列表中的原有 商品对象的品类所共同限定的品类涵盖范围； 推理预测模块， 被配置为采用预建模的操作意向推理模型确定出所述新增商品对象分权　利　要　求　书 2/3 页 3 CN 114612189 A 3