商品偏好预估方法和装置制造方法及图纸

本申请公开了一种商品偏好预估方法和装置，其中，商品偏好预估方法包括：采集用户的历史行为样本，将历史行为样本分为商品序列样本和商品序列样本对应的行为序列样本；根据商品序列样本和行为序列样本生成分类器；获取当前用户的行为数据和待预估商品的信息；根据行为数据和待预估商品的信息，通过分类器获得当前用户对待预估商品的偏好值。本申请实施例的商品偏好预估方法和装置，能够实时地根据用户的行为数据来预估当前用户的对待预估商品的偏好，且利用训练好的分类器准确地预估出当前用户的商品偏好，时效性强。

Method and device for prediction of commodity preference

The invention discloses a commodity preference estimation method and device, which comprises a sample commodity preference prediction method for collecting the user's historical behavior, the behavior sequence sample history behavior sample divided into commodity sequence samples and sample sequence corresponding to the goods; goods according to the sample sequence and sequence sample generation classifier; get the current user behavior data and to estimate the information of goods; according to the data and to estimate the information of goods, to obtain the current user to estimate commodity preference values by classifier. The commodity preference prediction method and device of the application example can predict the current user's preferences for the estimated commodity in real time according to the user's behavior data, and accurately predict the current user's preference with the trained classifier, and the timeliness is strong.

【技术实现步骤摘要】
商品偏好预估方法和装置
本申请涉及计算机
，尤其涉及一种商品偏好预估方法和装置。
技术介绍
网络技术的快速发展使得互联网对社会生活的影响越来越大，网民作为互联网上信息传播的主体，其行为模式对于互联网上信息的传播过程有着直接影响，例如可基于用户的历史行为能够预估出用户对商品的偏好。其中，用户商品偏好预估可以广泛应用在搜索、推荐、广告中，利用用户商品偏好可以向用户推荐用户更感兴趣的商品。目前，传统的用户商品偏好预估都是基于离线的，在离线的情况下主要通过统计用户已购买、加购物车、收藏或者关系传播等历史数据来计算用户商品偏好。但是，上述方法存在两个缺点：1.不能有效的利用其他用户的行为数据来预估当前用户的商品偏好。2.不具有时效性，不能准确的预估当前用户当前时刻的商品偏好。申请内容本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请的一个目的在于提出一种商品偏好预估方法，能够实时地根据用户的行为数据来预估当前用户的对待预估商品的偏好，且利用训练好的分类器准确地预估出当前用户的商品偏好，时效性强。本申请的第二个目的在于提出一种商品偏好预估装置。为了实现上述目的，本申请第一本文档来自技高网...

【技术保护点】
一种商品偏好预估方法，其特征在于，包括以下步骤：采集用户的历史行为样本，将所述历史行为样本分为商品序列样本和所述商品序列样本对应的行为序列样本；根据所述商品序列样本和所述行为序列样本生成分类器；获取当前用户的行为数据和待预估商品的信息；根据所述行为数据和所述待预估商品的信息，通过所述分类器获得所述当前用户对所述待预估商品的偏好值。

【技术特征摘要】
1.一种商品偏好预估方法，其特征在于，包括以下步骤：采集用户的历史行为样本，将所述历史行为样本分为商品序列样本和所述商品序列样本对应的行为序列样本；根据所述商品序列样本和所述行为序列样本生成分类器；获取当前用户的行为数据和待预估商品的信息；根据所述行为数据和所述待预估商品的信息，通过所述分类器获得所述当前用户对所述待预估商品的偏好值。2.如权利要求1所述的方法，其特征在于，根据所述商品序列样本和所述行为序列样本生成分类器，包括：将所述商品序列样本和所述行为序列样本输入至循环神经网络RNN进行训练，以生成所述分类器。3.如权利要求1所述的方法，其特征在于，根据所述行为数据和所述待预估商品的信息，通过所述分类器获得所述当前用户对所述待预估商品的偏好值，包括：将所述行为数据分为商品序列和所述商品序列对应的行为序列；将所述商品序列和所述行为序列输入至所述RNN，以生成所述当前用户对应的隐层特征；根据所述隐层特征和所述待预估商品的信息，通过所述分类器预估出所述当前用户针对所述待预估商品的偏好值。4.如权利要求1所述的方法，其特征在于，所述分类器包括softmaxloss分类函数。5.如权利要求1所述的方法，其特征在于，所述RNN包括时间递归神经网络LSTM。6.如权利要求1所述的方法，其特征在于，在通过所述分类器获得所述当前用户对所述待预估商品的偏好值之后，还包括：根据所述待预估商品的偏好值向所述当前用户推送所述待预估商...

【专利技术属性】
技术研发人员：孙佰贵，赵小伟，华先胜，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY