(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 202211187008.4 (22)申请日 2022.09.27 (71)申请人 广联达科技股份有限公司 地址 100193 北京市海淀区西北旺东路10 号院东区13号楼 (72)发明人 王志元　陈静　 (74)专利代理 机构 北京英特普罗知识产权代理 有限公司 1 1015 专利代理师 邵煜程 (51)Int.Cl. G06F 16/9535(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种组件推荐方法、 装置、 设备及可读存储 介质 (57)摘要 本发明公开了一种组件推荐方法、 装置、 设 备及可读存储介质， 该方法包括： 获取目标用户 的基本属性信息、 并获取所述目标用户在N天内 使用物料库中组件的短期行为信息以及在M天内 使用所述物料库中组件的长期行为信息； 其中， N 小于M； 将所述基本属性信息、 所述短期行为信息 和所述长期行为信息输入预设的动态路由的多 兴趣网络MIND 模型中以得到 K个用于表征用户兴 趣的兴趣胶囊； 依次遍历所述物料库中的各个组 件， 并计算当前遍历到的组件与K个兴趣胶囊之 间的相似度值； 按照相似度值由大到小的顺序对 所述物料库中所有组件进行排序， 并基于排序结 果向所述目标用户推荐目标组件； 本发明可以更 精准的从物料库中筛选出用户感兴趣的热门组 件。 权利要求书2页 说明书9页 附图2页 CN 115455297 A 2022.12.09 CN 115455297 A 1.一种组件推荐方法， 其特 征在于， 所述方法包括： 获取目标用户的基本属性信息、 并获取所述目标用户在N天内使用物料库中组件的短 期行为信息以及 在M天内使用所述物料库中组件的长期行为信息； 其中， N小于 M； 将所述基本属性信 息、 所述短期行为信 息和所述长期行为信 息输入预设的动态路由的 多兴趣网络 MIND模型中以得到K个用于表征用户兴趣的兴趣胶囊； 依次遍历所述物料库中的各个组件， 并计算当前遍历到的组件与K个兴趣胶囊之间的 相似度值； 按照相似度值由大到小的顺序对所述物料库中所有组件进行排序， 并基于排序 结果向 所述目标用户推荐目标组件。 2.根据权利要求1所述的组件推荐方法， 其特征在于， 所述将所述基本属性信息、 所述 短期行为信息和所述长期行为信息输入 预设的动态路由的多兴趣网络MIND模型中以得到K 个用于表征用户兴趣的兴趣胶囊， 包括： 将所述基本属性信息转换为基本属性向量、 将所述短期行为信息转换为短期行为向 量、 以及将所述长期行为信息转换为长期行为向量； 将所述基本属性向量、 所述短期行为向量和所述长期行为向量进行线性变换求和， 并 将求和结果进行sigmo id转换以得到短期权 重和长期权 重； 对所述短期行为向量、 所述长期行为向量、 所述短期权重和长期权重进行加权以生成 用户行为综合表示； 基于所述基本属性向量、 所述短期行为向量和所述长期行为向量确定出兴趣胶囊的数 量K； 将所述用户行为综合表示和所述数量K输入到所述MI ND模型中以得到K个兴趣胶囊。 3.根据权利要求2所述的组件推荐方法， 其特征在于， 所述将所述短期行为信 息转换为 短期行为向量， 包括： 从所述短期行为信 息中解析出N个组件使用信 息； 其中， 所述组件使用信息表征用户在 一天内使用的所有组件的编号信息； 将所述N个组件使用信息转换为N个组件使用向量， 并将所述N个组件使用向量输入到 长短期记 忆网络LSTM模型中以得到N个隐状态向量； 利用多头注意力机制分别为每 个隐状态向量添加对应的权 重值以得到N个隐向量； 分别将每 个隐向量与所述基本属性向量 点积并归一 化， 以得到N个隐权 重； 对所述N个隐向量和N个隐权 重进行加权以生成所述短期行为向量。 4.根据权利要求2所述的组件推荐方法， 其特征在于， 所述将所述长期行为信 息转换为 长期行为向量， 包括： 从所述长期行为信 息中解析出M个类目使用信 息； 其中， 所述类目使用信息表征用户在 一天内使用的所有组件所属的类目种类； 将所述M个 类目使用信息转换为M个 类目使用向量； 分别将每 个类目使用向量与所述基本属性向量 点积并归一 化， 以得到 M个类目权重； 对所述M个 类目使用向量和M个 类目权重进行加权以生成所述长期行为向量。 5.根据权利要求2所述的组件推荐方法， 其特征在于， 所述基于所述基本属性向量、 所 述短期行为向量和所述长期行为向量确定出兴趣胶囊的数量K， 包括：权　利　要　求　书 1/2 页 2 CN 115455297 A 2获取所述目标用户在M天内使用组件的总次数； 计算以2为底、 所述总次数为真数的对数值， 并对所述对数值取整以得到比较数值； 判断所述比较数值是否小于预设阈值， 若是， 则将所述比较数值作为兴趣胶囊的数量 K， 若否， 则将所述预设阈值作为兴趣胶囊的数量K。 6.根据权利要求1至5中任一项所述的组件推荐方法， 其特征在于， 所述依次遍历所述 物料库中的各个组件， 并计算当前遍历到的组件与K个兴趣胶囊之间的相似度值， 包括： 将所述物料库中的每 个组件转换为对应的组件向量； 依次遍历各个组件向量， 采用Faiss框架中Cosine相似度模型计算当前遍历到的组件 向量与K个兴趣胶囊之间的相似度值。 7.一种组件推荐装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取目标用户的基本属性信 息、 并获取所述目标用户在N天内使用物料 库中组件的短期行为信息以及在M天内使用所述物料库中组件的长期行为信息； 其中， N小 于M； 处理模块， 用于将所述基本属性信息、 所述短期行为信息和所述长期行为信息输入预 设的动态路由 的多兴趣网络 MIND模型中以得到K个用于表征用户兴趣的兴趣胶囊； 计算模块， 用于依次遍历所述物料库中的各个组件， 并计算当前遍历到的组件与K个兴 趣胶囊之间的相似度值； 推荐模块， 用于按照相似度值由大到小的顺序对所述物料库中所有组件进行排序， 并 基于排序结果向所述目标用户推荐目标组件。 8.根据权利要求7 所述的组件推荐装置， 其特 征在于， 所述处 理模块， 包括： 转换单元， 用于将所述基本属性信息转换为基本属性向量、 将所述短期行为信息转换 为短期行为向量、 以及将所述长期行为信息转换为长期行为向量； 权重单元， 用于将所述基本属性向量、 所述短期行为向量和所述长期行为向量进行线 性变换求和， 并将求和结果进行sigmo id转换以得到短期权 重和长期权 重； 加权单元， 用于对所述短期行为向量、 所述长期行为向量、 所述短期权重和长期权重进 行加权以生成用户行为综合表示； 确定单元， 用于基于所述基本属性向量、 所述短期行为向量和所述长期行为向量确定 出兴趣胶囊的数量K； 处理单元， 用于将所述用户行为综合表示和所述数量K输入到所述MIND模型中以得到K 个兴趣胶囊。 9.一种计算机设备， 所述计算机设备包括： 存储器、 处理器以及存储在所述存储器上并 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 现权利要求1至 6中任一项所述方法的步骤。 10.一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权利要求1至 6中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115455297 A 3