This application provides a method and device for commodity recommendation. The method includes: obtaining user behavior data generated by user's behavior operation on electronic commodities, and determining user's attention to electronic commodities based on user behavior data; inputting the obtained user browsing behavior data into similarity prediction model to obtain similarity prediction model. Commodity similarity between different commodities exported; user similarity between different users is determined according to the purchase data of the user's commodities; and commodities recommended to users are determined according to the commodity attention, commodity similarity and user similarity. The embodiment of this application uses similarity prediction model to recommend products that users may be interested in, saves users'browsing time and provides users with more accurate personalized product recommendation.
【技术实现步骤摘要】
一种进行商品推荐的方法和装置
本申请涉及数据处理
,具体而言,涉及一种进行商品推荐的方法和装置。
技术介绍
近年来,随着电子商务规模的不断扩大,商品个数和种类快速增长,用户在挑选商品时,通常需要从大量的无关的商品中,花费大量的时间才能筛选出自己想要购买的商品,使得用户的使用体验下降。为了解决以上问题,电子商务推荐系统应运而生。目前互联网上的电子商务推荐系统,一般是基于商品销售排行、用户对商品的评价评分进行商品推荐。
技术实现思路
有鉴于此,本申请的目的在于提供一种进行商品推荐的方法和装置,以为用户提供较为精准的个性化商品推荐,以节约用户浏览不相关商品所耗费的时间。第一方面,本申请实施例提供了一种进行商品推荐的方法,其特征在于,包括:获取用户对电子商品进行行为操作而产生的用户行为数据,并根据用户行为数据确定用户对电子商品的商品关注度;将获取到的用户浏览行为数据输入到相似度预测模型,以获取相似度预测模型所输出的不同商品之间的商品相似度;根据用户的商品购买数据,确定不同用户之间的用户相似度;根据所述商品关注度、商品相似度和用户相似度,确定向用户进行推荐的商品。结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式,其中,所述用户行为数据包括用户对商品的点击次数数据、用户对商品的购买次数数据、用户对商品的收藏次数数据、用户将商品加购物车的行为数据和用户对商品的用户浏览行为数据;步骤根据用户行为数据确定用户对电子商品的商品关注度,包括:按照预设的权重值,对不同的所述用户行为数据进行加权计算,以确定用户对电子商品的商品关注度。结合第一方面,本申请实施例提供了 ...
【技术保护点】
1.一种进行商品推荐的方法,其特征在于,包括:获取用户对电子商品进行行为操作而产生的用户行为数据,并根据用户行为数据确定用户对电子商品的商品关注度;将获取到的用户浏览行为数据输入到相似度预测模型,以获取相似度预测模型所输出的不同商品之间的商品相似度;根据用户的商品购买数据,确定不同用户之间的用户相似度;根据所述商品关注度、商品相似度和用户相似度,确定向用户进行推荐的商品。
【技术特征摘要】
1.一种进行商品推荐的方法,其特征在于,包括:获取用户对电子商品进行行为操作而产生的用户行为数据,并根据用户行为数据确定用户对电子商品的商品关注度;将获取到的用户浏览行为数据输入到相似度预测模型,以获取相似度预测模型所输出的不同商品之间的商品相似度;根据用户的商品购买数据,确定不同用户之间的用户相似度;根据所述商品关注度、商品相似度和用户相似度,确定向用户进行推荐的商品。2.根据权利要求1所述的方法,其特征在于,所述用户行为数据至少包括用户对商品的点击次数数据、用户对商品的购买次数数据、用户对商品的收藏次数数据、用户将商品加购物车的行为数据和用户对商品的用户浏览行为数据;根据用户行为数据确定用户对电子商品的商品关注度,包括:按照预设的权重值,对不同的所述用户行为数据进行加权计算,以确定用户对电子商品的商品关注度。3.根据权利要求1所述的方法,其特征在于,将获取到的用户浏览行为数据输入到相似度预测模型,以获取相似度预测模型所输出的不同商品之间的商品相似度,包括:将所述用户浏览行为数据输入到第一预测模型,以生成表征用户对商品进行浏览的次序的商品浏览轨迹向量;根据所述用户浏览行为数据得到属性浏览轨迹样本,并将所述属性浏览轨迹样本输入到第二预测模型,以生成商品属性向量;所述商品属性向量用于表征相同商品属性所对应的不同商品之间的关联性;将所述商品浏览轨迹向量和所述商品属性向量输入到池化层,以确定不同商品之间的商品相似度。4.根据权利要求3所述的方法,其特征在于,步骤将所述用户浏览行为数据输入到第一预测模型,以生成表征用户对商品进行浏览的次序的商品浏览轨迹向量,包括:根据所述用户浏览行为数据,生成无向图结构;所述无向图结构用于表征用户按照每一种浏览顺序对商品进行浏览后的商品之间的浏览的关联性;采用随机游走的方式,从所述无向图结构中提取商品浏览轨迹样本;所述商品浏览轨迹样本用于表征用户可能采用的商品浏览轨迹;将商品浏览轨迹样本输入第一预测模型,以生成表征用户对商品进行浏览的浏览次序的商品浏览轨迹向量。5.根据权利要求4所述的方法...
【专利技术属性】
技术研发人员:韩亮,翁谦,张博宣,刘玉明,
申请(专利权)人:北京九狐时代智能科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。