(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 202211319193.8 (22)申请日 2022.10.26 (71)申请人 上海浦东发展银行股份有限公司 地址 200002 上海市黄浦区中山 东一路12 号 (72)发明人 鲁羽佳　赵权有　陈俊　冯耀　 周霄龙　徐朋兵　魏超伟　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 廖程 (51)Int.Cl. G06Q 30/06(2012.01) G06K 9/62(2022.01) G06F 40/30(2020.01) (54)发明名称 一种基于资讯的商品推荐方法 (57)摘要 本发明涉及一种基于资讯的商品推荐 方法， 包括： 获取历史数据， 采用相关等级标注方式， 对 历史数据进行前期标注； 将标注 等级数据组合作 为训练标的， 通过模型训练， 得到多个初始推荐 模型； 基于分数矩阵， 分别计算多个初始推荐模 型对应的损失函数， 筛选出损失函数值最小的初 始推荐模型， 以作为验证用推荐模型； 对验证用 推荐模型进行相应验证， 得到最终推荐模型； 将 实际的资讯名 称以及所有商品数据输入最终推 荐模型， 输出得到相应的推荐商品。 与现有技术 相比， 本发 明能够有效提升标注效率与相关关系 丰富程度， 进而保证构建模型的准确性， 即保证 后续商品推荐的准确性。 权利要求书2页 说明书5页 附图2页 CN 115511580 A 2022.12.23 CN 115511580 A 1.一种基于资 讯的商品推荐方法， 其特 征在于， 包括以下步骤： S1、 获取历史数据， 采用相关等级标注方式， 对历史数据进行 前期标注； S2、 将标注等级数据组合作为训练标的， 通过模型训练， 得到多个初始推荐模型； S3、 基于分数矩阵， 分别计算多个初始推荐模型对应的损失函数， 筛选出损失函数值最 小的初始推荐模型， 以作为验证用推荐模型； S4、 对验证用推荐模型进行相应验证， 得到最终推荐模型； S5、 将实际的资讯名称以及所有商品数据输入最终推荐模型， 输出得到相应的推荐商 品。 2.根据权利要求1所述的一种基于资讯的商品推荐方法， 其特征在于， 所述步骤S1具体 是针对历史数据中的资 讯名称， 对历史数据中不同商品分别进行相关等级标注。 3.根据权利要求2所述的一种基于资讯的商品推荐方法， 其特征在于， 所述相关等级标 注包括： 0， 意为无关商品； 1， 意为较相关商品； 2， 意为高度相关商品。 4.根据权利要求2所述的一种基于资讯的商品推荐方法， 其特征在于， 所述步骤S2中标 注等级数据组合具体为： 资 讯向量+正例商品向量+负例商品向量。 5.根据权利要求4所述的一种基于资讯的商品推荐方法， 其特征在于， 所述正例商品与 负例商品为相对关系， 针对任意两件商品组合， 相关等级标注数值较高者即为正例商品、 相 关等级标注数值较低者则为负例商品。 6.根据权利要求4所述的一种基于资讯的商品推荐方法， 其特征在于， 所述步骤S3具体 包括以下步骤： S31、 通过语义模型， 分别计算得到多个初始推荐模型对应的分数矩阵； S32、 根据分数矩阵， 进一 步计算得到对应初始推荐模型的损失函数； S33、 将损失函数 数值最小的初始推荐模型作为验证用推荐模型。 7.根据权利要求6所述的一种基于资讯的商品推荐方法， 其特征在于， 所述步骤S31的 具体过程 为： S311、 通过语义模型， 分别计算资 讯标题、 正例商品标题和负例商品标题的embed ding； S312、 分别构建 资讯矩阵、 正例商品矩阵和负例商品矩阵； S313、 将正例商品矩阵和负例商品矩阵组合为统一商品矩阵， 计算资讯矩阵与统一商 品矩阵之间的内积， 即得到分数矩阵。 8.根据权利要求7所述的一种基于资讯的商品推荐方法， 其特征在于， 所述步骤S312具 体是将资讯组合为资讯矩阵、 将正例商品拼接为正例商品矩阵、 将负例商品拼接为负例商 品矩阵。 9.根据权利要求8所述的一种基于资讯的商品推荐方法， 其特征在于， 所述正例商品和 负例商品均通过横向拼接方式， 以对应拼接得到正例商品矩阵、 负例商品矩阵。 10.根据权利要求7所述的一种基于资讯的商品推荐方法， 其特征在于， 所述步骤S32中 损失函数的计算公式为：权　利　要　求　书 1/2 页 2 CN 115511580 A 2其中， sim(h， h+)为资讯embedding与正例商品embedding的内积相似度， sim(h， h‑)为资 讯embedding与负例商品embed ding的内积相似度。权　利　要　求　书 2/2 页 3 CN 115511580 A 3