The embodiment of the specification discloses a store recommendation method, device and equipment. The scheme includes: obtaining the first data feature log, which includes the user ID, store ID and the user's historical behavior characteristics. The store ID represents the store recommended to the user, and the historical behavior characteristics represent the user's actual operation behavior to the store. According to the first data feature log, the sample set is extracted from the database based on the set dimension, and the sample set is included in the sample set Each sample of the model includes the user characteristics corresponding to the user ID, the store characteristics corresponding to the store ID, the cross characteristics between the user and the store and the historical behavior characteristics. The cross characteristics represent the interactive behavior between the user and the store. The deep learning model is trained by using the sample set to get the prediction model. The candidate stores corresponding to the online user are predicted by using the prediction model To obtain the stores to be recommended that meet the conditions; to recommend the stores to the online users.
【技术实现步骤摘要】
一种店铺推荐方法、装置及设备
本申请涉及计算机
,尤其涉及一种店铺推荐方法、装置及设备。
技术介绍
随着大数据时代的到来,在电商网站上,人们面对海量的店铺或商品数据,不容易找到自己最想要的信息。用户如何从海量的店铺或商品数据中,找到满意的店铺以及电商网站如何挖掘长尾店铺或商品,从而推荐给用户,都变得越来越重要。在一些互联网产品中,为了便于用户快速找到自己想要的商品,需要进行个性化推荐,采用算法模型计算出用户最可能点击产生购买记录的店铺推荐给用户,现有技术中店铺推荐的方法主要是采用传统的机器学习模型对用户点击行为进行预测,比如:采用逻辑回归或者决策树来获取用户偏好店铺得分,但是这种方法是随机抽样部分数据,在统计软件中做逻辑回归,用样本估计全体,这种方法的特征选取过于依赖人工特征选取,不容易挖掘用户的交叉特征,推荐效果不佳。
技术实现思路
有鉴于此,本申请实施例提供了一种店铺推荐方法、装置及设备,用于提高店铺推荐效果。为解决上述技术问题,本说明书实施例是这样实现的:本说明书实施例提供的一种店铺推荐方法,包括:获取第一数据特征日志,所述数据特征日志中包括用户标识、店铺标识以及用户的历史行为特征,所述店铺标识表示被推荐给所述用户的店铺,所述历史行为特征表示所述用户对所述店铺的实际操作行为;根据所述第一数据特征日志基于设定维度从数据库中提取样本集合,所述样本集合中的各个样本包括所述用户标识对应的用户特征、所述店铺标识对应的店铺特征、所述用户与所述店铺的交叉特征以及所述历史行为特征,所述交叉特征表示所述用户与所述店铺之间的互动行为;利用所述样本集合对深度学习模型进行 ...
【技术保护点】
1.一种店铺推荐方法,包括:获取第一数据特征日志,所述数据特征日志中包括用户标识、店铺标识以及用户的历史行为特征,所述店铺标识表示被推荐给所述用户的店铺,所述历史行为特征表示所述用户对所述店铺的实际操作行为;根据所述第一数据特征日志基于设定维度从数据库中提取样本集合,所述样本集合中的各个样本包括所述用户标识对应的用户特征、所述店铺标识对应的店铺特征、所述用户与所述店铺的交叉特征以及所述历史行为特征,所述交叉特征表示所述用户与所述店铺之间的互动行为;利用所述样本集合对深度学习模型进行训练,得到预测模型;采用所述预测模型对在线用户对应的候选店铺进行预测,得到满足条件的待推荐店铺;将所述待推荐店铺推荐给所述在线用户。
【技术特征摘要】
1.一种店铺推荐方法,包括:获取第一数据特征日志,所述数据特征日志中包括用户标识、店铺标识以及用户的历史行为特征,所述店铺标识表示被推荐给所述用户的店铺,所述历史行为特征表示所述用户对所述店铺的实际操作行为;根据所述第一数据特征日志基于设定维度从数据库中提取样本集合,所述样本集合中的各个样本包括所述用户标识对应的用户特征、所述店铺标识对应的店铺特征、所述用户与所述店铺的交叉特征以及所述历史行为特征,所述交叉特征表示所述用户与所述店铺之间的互动行为;利用所述样本集合对深度学习模型进行训练,得到预测模型;采用所述预测模型对在线用户对应的候选店铺进行预测,得到满足条件的待推荐店铺;将所述待推荐店铺推荐给所述在线用户。2.如权利要求1所述的方法,所述根据所述第一数据特征日志基于设定维度从数据库中提取样本集合,具体包括;根据所述用户标识从所述数据库中提取所述用户标识对应的用户特征,所述用户特征包括用户基本特征、用户财富类特征、用户历史行为特征以及用户的兴趣特征中的一个或多个;根据所述店铺标识从所述数据库中提取所述店铺标识对应的店铺特征,所述店铺特征包括店铺属性特征和店铺历史统计特征,所述店铺历史统计特征包括所述店铺的曝光量、点击量、购买量以及点击率中的一个或多个;根据所述用户标识以及所述店铺标识从所述数据库中提取所述用户与所述店铺的交叉特征,所述交叉特征包括所述用户对店铺或品牌的曝光数、点击数以及点击率中的一个或多个;得到包含所述用户特征、所述店铺特征、所述交叉特征以及所述用户的历史行为特征的样本集合。3.如权利要求1所述的方法,所述采用所述预测模型对在线用户对应的候选店铺进行预测,得到满足条件的待推荐店铺,具体包括:获取在线用户的个人信息;确定针对所述在线用户的候选店铺;将所述个人信息以及所述候选店铺的店铺信息输入所述预测模型中,得到各所述候选店铺的预测分数;根据所述预测分数从所述候选店铺中确定待推荐店铺,所述待推荐店铺的预测分数满足预设阈值。4.如权利要求1所述的方法,所述将所述待推荐店铺推荐给用户之后,还包括:获取所述待推荐店铺推荐给用户对应的第二数据特征日志;根据所述第二数据特征日志对所述预测模型进行修正,得到更新后的预测模型。5.如权利要求4所述的方法,所述根据所述第二数据特征日志对所述预测模型进行修正,得到更新后的预测模型,具体包括:从所述第二数据特征日志中获取用户点击的店铺对应的当前序列位置;根据所述当前序列位置确定训练样本;通过所述训练样本对所述预测模型进行训练,得到更新后的预测模型。6.如权利要求5所述的方法,所述根据所述当前序列位置确定训练样本,具体包括:确定所述当前序列位置之前的店铺以及位于所述当前序列位置之后的满足预设条件的店铺对应的行为数据为训练样本;所述满足预设条件的店铺表示以所述当前序列位置为依据,往后依次选取的设定数目个店铺。7.如权利要求5所述的方法,所述得到更新后的预测模型之后,还包括:获取验证样本;所述验证样本为位于所述当前序列位置之后的除训练样本外的行为数据;通过所述验证样本对所述更新后的预测模型进行验证。8.如权利要求3所述的方法,所述确定针对所述在线用户的候选店铺,具体包括:获取店铺推荐请求;根据所述店铺推荐请求从数据库中筛选得到满足所述店铺推荐请求对应的候选店铺。9.如权利要求8所述的方法,所述根据所述店铺推荐请求从数据库中筛选得到满足所述店铺推荐请求对应的候选店铺,具体包括:获取所述店铺推荐请求对应用户的用户特征以及当前定位的距离特征;根据所述用户特征以及所述当前定位的距离特征从所述数据库中获取满足所述用户特征以及所述距离特征预设条件的候选店铺。10.如权利要求1所述的方法,所述利用所述样本集合对深度学习模型进行训练,得到预测模型,具体包括:基于用户维度、店铺维度、交叉维度以及实时距离维度对所述样本集合进行分组;确定每一组样本对应的嵌入向量,得到嵌入向量集合;将所述嵌入向量集合输入深度学习模型中进行训练,得到预测模型。11.如权利要求1所述的方法,所述采用所述预测模型对在线用户对应的候选店铺进行预测,得到满足条件的待推荐店铺之后,还包括:将预测过程中对应的数据特征日志回流到所述数据库中。12.一种店铺推荐装置,包括:第一数据特征日志获取模块,用于获取第一数据特征日志,所述数据特征日志中包括用户标识、店铺标识以及用户的历史行为特征,所述店铺标识表示被推荐给所述用户的店铺,所述历史行为特征表示所述用户对所述店铺的实际操作行为;样本提取模块,用于根据所述第一数据特征日志基于设定维度从数据库中提取样本集合,所述样本集合中的各个样本包括所述用户标识对应的用户特征、所述店铺标识对应的店铺特征、所述用户与所述店铺的交叉特征以及所述历史行为特征,所述交叉特征表示所述用户与所述店铺之间的...
【专利技术属性】
技术研发人员:王艺林,王哲,苏建安,
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。