技术摘要：
本发明实施例公开了一种物品推荐的方法、装置、设备及存储介质。其中，该方法包括：将用户信息和待推荐物品的属性信息输入到预先训练的深度神经网络模型中，确定待推荐物品的模型分数；根据待推荐物品的热度类型和/或待推荐物品的属性信息，确定待推荐物品的修正分数；  全部
背景技术：
随着线上购物的普及，用户对物品推荐的需求越来越高，对用户进行针对性的物 品推荐能够满足用户的购买需要，并促进物品消费。 在现有推荐系统中，通过召回所有与用户相关的物品，然后进行用户与物品的相 关度计算，根据计算得出的分数进行排序，以选择物品进行推荐。 然而，这种方式无法针对物品的销量和点击量等维度进行优先推荐，比如，不能将 实时点击过的物品优先排在前面，推荐灵活度不够，推荐的物品无法精准满足用户需求。
技术实现要素：
本发明实施例提供一种物品推荐的方法、装置、设备及存储介质，以实现对用户进 行准确的物品推荐，提升用户体验。 第一方面，本发明实施例提供了一种物品推荐方法，该方法包括： 将用户信息和待推荐物品的属性信息输入到预先训练的深度神经网络模型中，确 定所述待推荐物品的模型分数； 根据所述待推荐物品的热度类型和/或所述待推荐物品的属性信息，确定所述待 推荐物品的修正分数； 根据所述待推荐物品的模型分数和所述修正分数，从所述待推荐物品中为所述用 户选择目标物品。 第二方面，本发明实施例还提供了一种物品推荐装置，该装置包括： 模型分数确定模块，用于将用户信息和待推荐物品的属性信息输入到预先训练的 深度神经网络模型中，确定所述待推荐物品的模型分数； 修正分数确定模块，用于根据所述待推荐物品的热度类型和/或所述待推荐物品 的属性信息，确定所述待推荐物品的修正分数； 目标物品选择模块，用于根据所述待推荐物品的模型分数和所述修正分数，从所 述待推荐物品中为所述用户选择目标物品。 第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在 存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明任 意实施例所述的物品推荐方法。 第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述 计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的物品推 荐方法。 本发明实施例先通过预先训练的深度神经网络模型，计算物品的模型分数，再根 4 CN 111612581 A 说　明　书 2/8 页 据物品的热度类型和/或属性信息，确定物品的修正分数，根据模型分数和修正分数选择最 终为用户进行推荐的物品。解决了现有技术中，只能通过单一维度对物品的分数进行计算， 所导致的物品推荐不准确的问题，通过计算修正分数，提高了物品推荐的精确性和灵活度， 实现对用户有针对性的推荐，提升用户体验。 附图说明 图1是本发明实施例一中的一种物品推荐方法的流程示意图； 图2是本发明实施例二中的一种物品推荐方法的流程示意图； 图3是本发明实施例三中的一种物品推荐装置的结构框图； 图4是本发明实施例四中的一种计算机设备的结构示意图。