道具推荐方法、装置、设备及介质与流程

技术特征：
1.一种道具推荐方法，其特征在于，所述方法包括：统计用户帐号的历史购买记录中各个历史购买道具的相似道具，得到候选推荐集；根据道具购买时间和道具相似度，计算所述各个历史购买道具的推荐权重，所述道具购买时间用于衡量所述历史购买道具的购买时间对所述推荐道具的影响程度，所述道具相似度用于衡量所述相似道具对所述推荐道具的影响程度；根据所述各个历史购买道具的推荐权重和所述候选推荐集中的各个候选推荐道具，确定所述各个候选推荐道具的加权推荐度；根据所述各个候选推荐道具的加权推荐度的排序，确定向所述用户帐号推荐的推荐道具。2.根据权利要求1所述的方法，其特征在于，所述根据道具购买时间和道具相似度，计算所述各个历史购买道具的推荐权重，包括：根据所述道具购买时间，计算所述历史购买记录中第i个历史购买道具的时间权重，所述时间权重和所述第i个历史购买道具的购买时间与当前时间之间的差值呈负相关，所述i为正整数，所述i的初始值为1；根据所述道具相似度，计算所述第i个历史购买道具的相似权重，所述相似权重用于表示所述第i个历史购买道具与所述用户帐号的用户画像的相关程度；加权计算所述第i个历史购买道具的时间权重和所述第i个历史购买道具的相似权重，得到所述第i个历史购买道具的推荐权重；将所述i更新为i 1，重复上述三个步骤，直至得到所述各个历史购买道具的推荐权重。3.根据权利要求2所述的方法，其特征在于，所述根据所述道具购买时间，计算所述历史购买记录中第i个历史购买道具的时间权重，包括：确定所述第i个历史购买道具的购买时间与首次购买道具的购买时间之间的时间间隔，所述首次购买道具指所述用户帐号的所述历史购买记录中最早的购买道具；确定当前时间到上一次获取所述推荐道具的时间的时间跨度；根据所述时间间隔和所述时间跨度的比值，得到所述第i个历史购买道具的时间权重。4.根据权利要求2所述的方法，其特征在于，所述根据所述道具相似度，计算所述第i个历史购买道具的相似权重，包括：根据时间窗口，从所述历史购买记录提取出历史购买记录子集；计算所述第i个历史购买道具与所述历史购买记录子集的整体相似度；根据所述整体相似度与历史购买记录子集的道具数量之间的比值，得到所述第i个历史购买道具的相似权重。5.根据权利要求4所述的方法，其特征在于，所述计算所述第i个历史购买道具与所述历史购买记录子集的整体相似度，包括：计算所述第i个历史购买道具与所述历史购买记录子集中各个历史购买道具的相似度；计算所述相似度的和，得到所述整体相似度。6.根据权利要求1至5任一项所述的方法，其特征在于，所述根据所述各个历史购买道具的推荐权重和所述候选推荐集中的各个候选推荐道具，确定所述各个候选推荐道具的加权推荐度，包括：
计算第p个历史购买道具和第q个候选推荐道具的相似度，p和q为正整数，p和q的初始值为1；计算所述第p个历史购买道具的推荐权重与所述相似度的乘积，得到所述第p个历史购买道具的加权相似度；将p更新为p 1，重复上述两个步骤k次，直至得到所述第q个候选推荐道具的k个加权相似度，k表示所述历史购买道具的数量；计算所述第q个候选推荐道具的k个加权相似度的和，得到所述第q个候选推荐道具的加权推荐度；将q更新为q 1，初始化p，重复上述四个步骤，直至得到所述各个候选推荐道具的加权推荐度。7.根据权利要求6所述的方法，其特征在于，所述计算第p个历史购买道具和第q个候选推荐道具的相似度，包括：计算所述第p个历史购买道具和所述第q个候选推荐道具的余弦相似度。8.根据权利要求1至5任一项所述的方法，其特征在于，所述统计所述历史购买记录中各个历史购买道具的相似道具，得到候选推荐集，包括：确定所述历史购买记录中所述各个历史购买道具的相似道具；删除所述各个历史购买道具的相似道具中的重复道具，得到所述候选推荐集，所述重复道具指所述各个历史购买道具的相似道具中道具数量大于1的道具。9.根据权利要求1至5任一项所述的方法，其特征在于，所述根据所述各个候选推荐道具的加权推荐度的排序，确定推荐道具，包括：将所述各个候选推荐道具按照所述加权推荐度进行降序排序；将最前的n个候选推荐道具确定为所述推荐道具，所述n为正整数。10.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：调用道具推荐模型，对所述历史购买记录和所述候选推荐集进行数据处理，输出所述各个候选推荐道具的加权推荐度，所述道具推荐模型包括时间权重计算网络和相似权重计算网络，所述时间权重计算网络用于计算所述各个历史购买道具的时间权重，所述相似权重计算网络用于计算所述各个历史购买道具的相似权重。11.根据权利要求10所述的方法，其特征在于，所述道具推荐模型是根据所述用户帐号的所述历史购买记录和所述候选推荐集训练得到的；所述方法还包括：确定所述用户帐号的相似用户帐号；根据所述相似用户帐号的推荐道具购买情况，对所述道具推荐模型进行二次训练。12.一种道具推荐装置，其特征在于，所述装置包括：统计模块，用于统计用户帐号的历史购买记录中各个历史购买道具的相似道具，得到候选推荐集；计算模块，用于根据道具购买时间和道具相似度，计算所述各个历史购买道具的推荐权重，所述道具购买时间用于衡量所述历史购买道具的购买时间对所述推荐道具的影响程度，所述道具相似度用于衡量所述相似道具对所述推荐道具的影响程度；所述计算模块，还用于根据所述各个历史购买道具的推荐权重和所述候选推荐集中的
各个候选推荐道具，确定所述各个候选推荐道具的加权推荐度；所述计算模块，还用于根据所述各个候选推荐道具的加权推荐度的排序，确定向所述用户帐号推荐的推荐道具。13.一种计算机设备，其特征在于，所述计算机设备包括：处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至11中任一项所述的道具推荐方法。14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条程序代码，所述程序代码由处理器加载并执行以实现如权利要求1至11中任一项所述的道具推荐方法。15.一种计算机程序产品，包括计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行时实现权利要求1至11中任一项所述的道具推荐方法。

技术总结
本申请公开了一种道具推荐方法、装置、设备及介质，涉及机器学习领域。该方法包括：统计用户帐号的历史购买记录中各个历史购买道具的相似道具，得到候选推荐集；根据道具购买时间和道具相似度，计算所述各个历史购买道具的推荐权重，所述道具购买时间用于衡量所述历史购买道具的购买时间对所述推荐道具的影响程度，所述道具相似度用于衡量所述相似道具对所述推荐道具的影响程度；根据所述各个历史购买道具的推荐权重和所述候选推荐集中的各个候选推荐道具，确定所述各个候选推荐道具的加权推荐度；根据所述各个候选推荐道具的加权推荐度的排序，确定向所述用户帐号推荐的推荐道具。本申请可以提高推荐道具的准确率。本申请可以提高推荐道具的准确率。本申请可以提高推荐道具的准确率。


技术研发人员：徐广根
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2022.01.28
技术公布日：2022/5/17