物品标识的特征提取方法、装置、设备及存储介质与流程

技术特征：
1.一种物品标识的特征提取方法，其特征在于，包括：获取各用户对于各物品的历史访问数据，对各所述历史访问数据进行切分，分别得到每个所述用户的用户访问序列，其中，所述用户访问序列是用于表示所述用户对各所述物品的物品标识的访问顺序的序列；根据各所述用户访问序列构建各所述物品标识的图网络，对所述图网络中的各所述物品标识进行采样，并根据采样结果生成第一训练样本；将所述第一训练样本输入至未经训练的图神经网络中，并根据所述图神经网络的训练结果分别提取出各所述物品标识的标识特征。2.根据权利要求1所述的方法，其特征在于，所述对各所述历史访问数据进行切分，包括：基于预设切分因素对各所述历史访问数据进行切分，其中，所述预设切分因素包括下述中的至少一个：访问词、访问时间、访问地点、访问设备和访问页面。3.根据权利要求1所述的方法，其特征在于，所述对所述图网络中的各所述物品标识进行采样，包括：针对所述图网络内各物品标识中的当前标识，分别确定所述当前标识到各所述物品标识中除所述当前标识之外的候选标识的概率；根据各所述概率从各所述候选标识中采样出所述当前标识的下一标识，将所述下一标识归属到所述当前标识所在的采样样本中；将所述下一标识更新为所述当前标识，如果所述采样样本中的样本标识的数量小于预设数量阈值，则重复执行所述分别确定所述当前标识到各所述物品标识中除所述当前标识之外的候选标识的概率的步骤；将所述采样样本作为所述采样结果。4.根据权利要求3所述的方法，其特征在于，所述分别确定所述当前标识到各所述物品标识中除所述当前标识之外的候选标识的概率，包括：针对各所述物品标识中除所述当前标识之外的每个候选标识，通过如下公式确定所述当前标识到所述候选标识的概率p(v
j
|v
i
)：其中，v
i
是所述当前标识，v
j
是所述候选标识，m
ij
是v
i
到v
j
的边的权重，是v
i
的全部的出边的集合，e
ij
是v
i
到v
j
的边，ε是所述图网络中全部的边的集合。5.根据权利要求1所述的方法，其特征在于，每组所述第一训练样本包括所述采样结果中的样本标识、以及在所述样本标识的预设采样窗口内的上下文标识；所述将所述第一训练样本输入至未经训练的图神经网络中，并根据所述图神经网络的训练结果分别提取出各所述物品标识的标识特征，包括：将多组所述第一训练样本输入至未经训练的图神经网络中，并根据所述图神经网络的训练结果得到所述图神经网络中的输入权重矩阵；
针对每个所述物品标识，从所述输入权重矩阵中提取出与所述物品标识对应的一组权重，并将所述权重作为所述物品标识的标识特征。6.根据权利要求5所述的方法，其特征在于，在所述获取各用户对于各物品的历史访问数据之前，还包括：对各所述物品标识进行映射，得到编码连续的映射结果，并根据所述映射结果分别更新相应的所述物品标识。7.根据权利要求1所述的方法，其特征在于，在所述根据所述图神经网络的训练结果分别提取出各所述物品标识的标识特征之后，还包括：获取各所述用户中的目标用户的目标特征、以及各所述物品中与所述目标用户关联的召回物品的召回特征；将所述目标特征和所述召回特征输入至已训练完成的物品排序模型中，并根据所述物品排序模型的输出结果对各所述召回物品进行展示。8.根据权利要求7所述的方法，其特征在于，所述物品排序模型通过如下步骤预先训练得到：获取各所述用户中历史用户的历史特征、各所述物品中的样本物品的样本特征、以及所述历史用户对所述样本物品的访问操作；将所述历史特征、所述样本特征以及所述访问操作作为一组第二训练样本，基于多组所述第二训练样本对原始排序模型进行训练，得到所述物品排序模型。9.一种物品标识的特征提取装置，其特征在于，包括：用户访问序列得到模块，用于获取各用户对于各物品的历史访问数据，对各所述历史访问数据进行切分，分别得到每个所述用户的用户访问序列，所述用户访问序列是用于表示所述用户对各所述物品的物品标识的访问顺序的序列；第一训练样本生成模块，用于根据各所述用户访问序列构建各所述物品标识的图网络，对所述图网络中的各所述物品标识进行采样，根据采样结果生成第一训练样本；标识特征提取模块，用于将所述第一训练样本输入至未经训练的图神经网络中，根据所述图神经网络的训练结果分别提取出各所述物品标识的标识特征。10.一种物品标识的特征提取设备，其特征在于，包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1
‑
8中任一所述的物品标识的特征提取方法。11.一种计算机可读存储介质，其上存储有计算机程序，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
‑
8中任一所述的物品标识的特征提取方法。

技术总结
本发明实施例公开了一种物品标识的特征提取方法、装置、设备及存储介质。该方法包括：获取各用户对于各物品的历史访问数据，对各历史访问数据进行切分，分别得到每个用户的用户访问序列，其中，用户访问序列是用于表示用户对各物品的物品标识的访问顺序的序列；根据各用户访问序列构建各物品标识的图网络，对图网络中的各物品标识进行采样，并根据采样结果生成第一训练样本；将第一训练样本输入至未经训练的图神经网络中，并根据图神经网络的训练结果分别提取出各物品标识的标识特征。本发明实施例的技术方案，可以深入挖掘各物品标识间的关联关系，并将其压缩为有限维度的可以被理解的标识特征，达到了降低维度并且高效利用物品标识的效果。标识的效果。标识的效果。


技术研发人员：安冬
受保护的技术使用者：北京京东世纪贸易有限公司
技术研发日：2021.01.28
技术公布日：2021/12/6