商城推荐列表的生成方法、装置、电子设备及计算机介质制造方法及图纸

本发明专利技术实施例涉及数据处理领域，公开了一种商户推荐列表的生成方法、装置、电子设备及计算机可读存储介质。商户推荐列表的生成方法包括：获取历史下单用户的用户数据；利用历史下单用户的用户数据进行模型训练以获取下单率预测模型及下单价格预估模型；获取当前下单用户的用户数据，将当前下单用户的用户数据输入下单率预测模型中得到预测下单率、将当前下单用户的用户数据输入下单价格预估模型中得到预估下单价格；根据预测下单率及预估下单价格获取商户的推荐分，并根据推荐分生成商户推荐列表。本发明专利技术提供的商户推荐列表的生成方法、装置、电子设备及计算机可读存储介质能够针对不同用户进行精准商户推荐，提升用户体验及商户收益。

【技术实现步骤摘要】
商城推荐列表的生成方法、装置、电子设备及计算机介质
本专利技术实施例涉及数据处理领域，特别涉及一种商户推荐列表的生成方法、装置、电子设备及计算机可读存储介质。
技术介绍
现代搜索引擎能够为用户提供查询推荐功能，从而帮助用户获得其预期的搜索结果。以前的查询推荐工作主要是针对用户的输入查询来推荐语义相关的查询，然而，上述查询方式在科技飞速发展的今天已无法满足用户的信息需求，因此，个性化查询方式应运而生。个性化查询推荐旨在更好地说明个人的信息需求，到目前为止，很多个性化的查询推荐方法都是基于用户的搜索历史记录或者是用户的点击信息。例如通过对特定用户点击过的文档进行挖掘，生成相应的推荐列表，但是这种方法依赖于用户的点击行为，如果用户没有点击行为或者点击行为较少，那么该方法就没有较好的个性化查询推荐的效果。或者根据用户输入的查询和相关的历史记录，给用户返回一个推荐列表，对用户下一个可能输入的查询进行预测。在电商领域，推荐列表的生成一般基于用户对商品的下单率或点击率。诸如逻辑回归(LogisticRegression,LR)、深度神经网络(DeepNeuralNetwork,DNN)、因子分解机本文档来自技高网...

【技术保护点】
1.一种商户推荐列表的生成方法，其特征在于，包括：获取历史下单用户的用户数据；利用所述历史下单用户的用户数据进行模型训练以获取下单率预测模型及下单价格预估模型；获取当前下单用户的用户数据，将所述当前下单用户的用户数据输入所述下单率预测模型中得到预测下单率、将所述当前下单用户的用户数据输入所述下单价格预估模型中得到预估下单价格；根据所述预测下单率及所述预估下单价格获取商户的推荐分，并根据所述推荐分生成商户推荐列表。

【技术特征摘要】
1.一种商户推荐列表的生成方法，其特征在于，包括：获取历史下单用户的用户数据；利用所述历史下单用户的用户数据进行模型训练以获取下单率预测模型及下单价格预估模型；获取当前下单用户的用户数据，将所述当前下单用户的用户数据输入所述下单率预测模型中得到预测下单率、将所述当前下单用户的用户数据输入所述下单价格预估模型中得到预估下单价格；根据所述预测下单率及所述预估下单价格获取商户的推荐分，并根据所述推荐分生成商户推荐列表。2.根据权利要求1所述的推荐列表的生成方法，其特征在于，所述历史下单用户的用户数据具体包括：所述历史下单用户的基本属性及历史浏览数据、商户属性及历史交易信息、所述历史下单用户与所述商户的交叉属性，其中，所述历史交易信息包括用户下单商户记录及商户对用户曝光而未获下单记录。3.根据权利要求2所述的推荐列表的生成方法，其特征在于，在所述获取历史下单用户的用户数据之后，还包括：将所述历史下单用户的下单商户记录标记为正样本，将商户对用户曝光而未获下单记录标记为负样本；对所述负样本进行抽样以使所述负样本的数量与所述正样本的数量相等，将所述正样本及抽样后的所述负样本作为所述历史交易信息。4.根据权利要求3所述的推荐列表的生成方法，其特征在于，所述根据所述预测下单率及所述预估下单价格获取商户的推荐分，具体包括：根据所述预测下单率以及以下公式获取所述商户的真实下单率：q＝p/(p+(1-p)/w)；其中，q为所述真实下单率，p为所述预测下单率，w为负样本采样比例因子；根据所述真实下单率及所述预估下单价格获取餐厅的推荐分。5.根据权利要求4所述的推荐列表的生成方法，其特征在于，所述根据所述真实下单率及所述预估下单价格获取餐厅的推荐分，具体包括：根据以下公式获取所述推荐分：Score＝q*price；其中，Score为所述推荐分，q为所述真实下单率，price为所述预估下单价格。6.根据权利要求1所述的推荐列表的生成方法，其特征在于，利用所述历史下单用户的用户数据进行模型...

【专利技术属性】
技术研发人员：徐龙，钟航标，彭振，
申请(专利权)人：拉扎斯网络科技上海有限公司，
类型：发明
国别省市：上海,31