【技术实现步骤摘要】
物品推荐方法、装置、设备以及存储介质
本公开涉及推荐领域，特别是涉及一种物品推荐方法、装置、设备以及存储介质。
技术介绍
个性化推荐技术能够帮助人们接触到那些足够小众的内容，而这些内容在其他大众传播方式下，通常会因为广告价值太低等之类的原因，无法有效呈现。但是实际上这样的小众内容的比例却是一块不可忽视的数量，而且在互联网日益普及的今天，人们获取信息的方式越来越多样化、入口越来越碎片化，这样的长尾现象只会越来越显著。当前的搜索场景下，热词占据比较大的份额，优化热词可以直接提高系统整体流量，提升客户体验，单客停留时间等指标，客单价(每位顾客消费的平均价格)也将获得提升(需与其他商业化模式配合)。当用户的参与度(参与的深度与时长)提高时商业化变现能力也将随之提升，这是营造良好的商业循环的基础。现有的热词推荐方案大多是将实时统计得到的当前操作率最高的N个热词，推荐给所有用户。这样的后果是无法做到千人千面，无法对每个用户的不同喜好(即使我们知道他们各自的喜好)作出反应，从而带来较原始的用户体验，不利于提升用户粘性，更不利于商业化。尤其是在互联网手机的使用场景下，长尾用户的大...
【技术保护点】
1.一种物品推荐方法，其特征在于，包括：获取第一物品集；根据用户的第一历史操作信息，从所述第一物品集中选取适于向所述用户推荐的物品，以得到第二物品集；将所述第二物品集中的物品推荐给所述用户。
【技术特征摘要】
1.一种物品推荐方法，其特征在于，包括：获取第一物品集；根据用户的第一历史操作信息，从所述第一物品集中选取适于向所述用户推荐的物品，以得到第二物品集；将所述第二物品集中的物品推荐给所述用户。2.根据权利要求1所述的物品推荐方法，其特征在于，所述获取第一物品集的步骤包括：从一个或多个数据源获取热门物品，以得到所述第一物品集。3.根据权利要求1所述的物品推荐方法，其特征在于，所述从第一物品集中选取适于向所述用户推荐的物品的步骤包括：基于协同过滤的方式，从所述第一物品集中选取适于向所述用户推荐的物品。4.根据权利要求1所述的物品推荐方法，其特征在于，所述从所述第一物品集中选取适于向所述用户推荐的物品的步骤包括：根据所述第一历史操作信息，确定所述用户的偏好物品；计算所述第一物品集中的物品与所述偏好物品之间的第一相似度；选取第一相似度排名靠前的第一预定数量的物品，以得到所述第二物品集。5.根据权利要求4所述的物品推荐方法，其特征在于，所述确定用户的偏好物品的步骤包括：根据所述第一历史操作信息，确定第三物品集，所述第三物品集包括一个或多个历史操作物品；从所述第三物品集中选取操作次数超过第一预定阈值的历史操作物品作为所述偏好物品。6.根据权利要求4所述的物品推荐方法，其特征在于，所述确定用户的偏好物品的步骤包括：根据所述第一历史操作信息，选取操作次数超过第二预定阈值的历史操作物品，得到第四物品集；计算所述第四物品集中任意两个历史操作物品间的第二相似度；将第二相似度超过第三预定阈值的历史操作物品合并为同一物品，得到第五物品集，其中，合并后的物品的操作次数为合并前各历史操作物品的操作次数之和；从所述第五物品集中选取操作次数排名靠前的第二预定数量的历史操作物品作为所述偏好物品。7.根据权利要求5或6所述的物品推荐方法，其特征在于，还包括：对属于现象级物品的历史操作物品的操作次数进行降权处理。8.根据权利要求1所述的物品推荐方法，其特征在于，所述将第二物品集中的物品推荐给所述用户的步骤包括：确定所述第二物品集中至少部分物品的推荐度；选取推荐度排名靠前的第三预定数量的物品，推荐给所述用户。9.根据权利要求8所述的物品推荐方法，其特征在于，所述确定第二物品集中至少部分物品的推荐度的步骤包括：根据所述用户的第二历史操作信息，将所述用户和所述至少部分物品分别映射到同一语义空间，以得到所述用户的第一特征向量表示和所述至少部分物品中每个所述物品的第二特征向量表示；计算所述第一特征向量表示和所述第二特征向量表示之间的第三相似度，作为所述推荐度。10.根据权利要求8所述的物品推荐方法，其特征在于，所述确定第二物品集中至少部分物品的推荐度的步骤包括：利用预先训练好的排序模型，为所述至少部分物品中的每个所述物品生成排序分，作为所述推荐度。11.根据权利要求10所述的物品推荐方法，其特征在于，还包括：根据一个或多个用户的第三历史操作信息，构建一个或多个训练样本，每个所述训练样本包括对应于一个或多个维度的样本特征；使用一个或多个所述训练样本训练梯度提升决策树模型，以得到所述排序模型，所述排序模型用于为所述物品生成排序分。12.根据权利要求11所述的物品推荐方法，其特征在于，还包括：根据所述第三历史操作信息，构建一个或多个验证样本，所述验证样本包括样本特征及样本标记；使用训练得到的所述排序模型对所述验证样本进行验证，以计算所述排序模型的模型误差。13.根据权利要求8所述的物品推荐方法，其特征在于，还包括：从所述第二物品集中随机选取第四预定数量个曝光次数小于第四预定阈值的物品推荐给所述用户。14.根据权利要求8所述的物品推荐方法，其特征在于，还包括：对具有时效性的物品的推荐度乘以时间衰减因子α，0＜α＜1。15.根据权利要求1所述的物品推荐方法，其特征在于，还包括：剔除向用户展示的推荐次数超过第五预定阈值的物品。16.根据权利要求1所述的物品推荐方法，其特征在于，还包括：剔除转化率小于第六预定阈值的物品。17.根据权利要求1所述的物品推荐方法，其特征在于，还包括：根据所述用户对向其推荐的物品的物品操作情况，对推荐给所述用户的物品的召回率进行评测。18.一种物品推荐装置，其特征在于，包括：第一物品集获取模块，用于获取第一物品集；第二物品集确定模块，用于根据用户的第一历史操作信息，从所述第一物品集中选取适于向所述用户推荐的物品，以得到第二物品集；以及推荐模块，用于将所述第二物品集中的物品推荐给所述用户。19.根据权利要求18所述的物品推荐装置，其特征在于，所述第一物品集获取模块从一个或多个数据源获取热门物...
【专利技术属性】
技术研发人员：刘舒蒙，秦锴，盖永波，谢志辉，周志洋，张涛，王骏，
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
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。