一种商品推荐列表确定方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供的一种商品推荐列表确定方法、装置、电子设备及存储介质，根据用户特征得到初始商品推荐列表，根据用户针对已购商品的历史行为数据，计算用户针对已购商品的复购分数，如果初始商品推荐列表中存在已购商品和/或与已购商品属于同一类目的商品，则根据已购商品的复购分数对初始商品推荐列表进行过滤或排序，得到目标商品推荐列表。本方案根据已购商品的复购分数对初始商品推荐列表进行过滤或排序，可以将一些复购率较低的商品从商品推荐列表中过滤掉，使得目标商品推荐列表更加符合用户的需求，从而提升了商品推荐的转化率。

A method, device, electronic equipment and storage medium for determining commodity recommendation list

【技术实现步骤摘要】
一种商品推荐列表确定方法、装置、电子设备及存储介质
本申请涉及互联网领域，尤其涉及一种商品推荐列表确定方法、装置、电子设备及存储介质。
技术介绍
在电商应用内，为了解决商品信息过载的问题，推荐系统会将用户在电商应用中发生的各种行为(例如浏览行为，加购行为，购买行为，收藏行为，关注行为、搜索行为等等)作为推荐因子，并且对推荐不同的行为赋予不同的权重进行商品的推荐。但是，现有技术虽然考虑了各种行为对于商品推荐的重要性，但是对于推荐商品中可能存在许多复购率较低的商品(例如笔记本电脑、冰箱等使用寿命长的商品)，导致例如现有的商品推荐方法进行商品推荐时的转化率(通过商品推荐产生订单的概率)低下。
技术实现思路
为了解决上述现有的商品推荐方法转化率低的技术问题，本申请提供了一种。第一方面，本申请提供了一种商品推荐列表确定方法，包括：获取用户的特征标签；根据所述用户的特征标签，采用预设的推荐算法，得到与所述用户对应的初始推荐商品列表；获取所述用户在预设时长内针对已购商品的历史行为数据；根据所述历史行为数据，计算所述用户针对所述已购商品的复购分数；检测所述待推荐列表中是否包含目标商品，所述目标商品为所述已购商品和/或与所述已购商品属于同一类目的商品；若所述待推荐列表中包含所述目标商品，根据所述复购分数对所述初始推荐商品列表中的商品进行过滤或排序，得到目标推荐商品列表。在一种可能的实现方式中，根据所述复购分数对所述初始推荐商品列表中的商品进行过滤或排序，得到目标推荐商品列表，包括：若所述复购分数大于预设的分数阈值，则将所述复购分数与所述待推荐列表中所述目标商品对应的初始排序评分进行相加，得到所述已购商品的目标排序评分；根据所述目标排序评分，对所述待推荐列表中的商品进行重新排序，得到目标商品推荐列表。在一种可能的实现方式中，根据所述复购分数对所述初始推荐商品列表中的商品进行过滤或排序，得到目标推荐商品列表，包括：若所述复购分数不大于预设的分数阈值，则将所述目标商品从所述待推荐列表中删除，得到目标商品推荐列表。在一种可能的实现方式中，根据所述历史行为数据，计算所述用户针对所述已购商品的复购分数，包括：根据所述历史行为数据，采用预设的第一计算公式分别计算所述用户针对所述已购商品进行的各种行为的行为因子；根据所述行为因子，采用预设的第二计算公式计算所述用户针对所述已购商品的复购分数。在一种可能的实现方式中，所述第一计算公式如下：Si＝Ai*Ti其中，Si表示所述用户针对已购商品进行的第i种行为的行为因子，Ai表示预设的第i种行为对应的分数，Ti表示所述用户在预设时长内针对所述已购商品进行的第i种行为的次数；所述第二计算公式如下：其中，SS表示所述用户针对所述已购商品的复购分数，ri表示预设的所述第i种行为的权重，n表示所述历史行为数据中包含的行为的种类数。第二方面，本专利技术实施例还提供了一种商品推荐列表确定装置，包括：特征获取模块，英语获取用户的特征标签；初始列表生成模块，用于根据所述用户的特征标签，采用预设的推荐算法，得到与所述用户对应的初始推荐商品列表；数据获取模块，用于获取所述用户在预设时长内针对已购商品的历史行为数据；计算模块，用于根据所述历史行为数据，计算所述用户针对所述已购商品的复购分数；检测模块，用于检测所述待推荐列表中是否包含目标商品，所述目标商品为所述已购商品和/或与所述已购商品属于同一类目的商品；目标列表生成模块，若所述待推荐列表中包含所述目标商品，根据所述复购分数对所述初始推荐商品列表中的商品进行过滤或排序，得到目标推荐商品列表。在一种可能的实现方式中，所述目标列表生成模块具体用于：若所述复购分数大于预设的分数阈值，则将所述复购分数与所述待推荐列表中所述目标商品对应的初始排序评分进行相加，得到所述已购商品的目标排序评分；根据所述目标排序评分，对所述待推荐列表中的商品进行重新排序，得到目标商品推荐列表。在一种可能的实现方式中，所述目标列表生成模块具体用于：若所述复购分数不大于预设的分数阈值，则将所述目标商品从所述待推荐列表中删除，得到目标商品推荐列表。在一种可能的实现方式中，所述计算模块具体用于：根据所述历史行为数据，采用预设的第一计算公式分别计算所述用户针对所述已购商品进行的各种行为的行为因子；根据所述行为因子，采用预设的第二计算公式计算所述用户针对所述已购商品的复购分数。在一种可能的实现方式中，所述第一计算公式如下：Si＝Ai*Ti其中，Si表示所述用户针对已购商品进行的第i种行为的行为因子，Ai表示预设的第i种行为对应的分数，Ti表示所述用户在预设时长内针对所述已购商品进行的第i种行为的次数；所述第二计算公式如下：其中，SS表示所述用户针对所述已购商品的复购分数，ri表示预设的所述第i种行为的权重，n表示所述历史行为数据中包含的行为的种类数。第三方面，本专利技术实施例还提供了一种电子设备，包括：处理器和存储器，所述处理器用于执行所述存储器中存储的数据处理程序，以实现第一方面所述商品推荐列表确定方法。第四方面，本专利技术实施例还提供了一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现第一方面所述商品推荐列表确定方法。本专利技术实施例提供的一种商品推荐列表确定方法，根据用户特征得到初始商品推荐列表，根据用户针对已购商品的历史行为数据，计算用户针对已购商品的复购分数，如果初始商品推荐列表中存在已购商品和/或与已购商品属于同一类目的商品，则根据已购商品的复购分数对初始商品推荐列表进行过滤或排序，得到目标商品推荐列表。本方案根据已购商品的复购分数对初始商品推荐列表进行过滤或排序，可以将一些复购率较低的商品从商品推荐列表中过滤掉，使得目标商品推荐列表更加符合用户的需求，从而提升了商品推荐的转化率。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例提供的一种商品推荐列表确定方法的流程图；图2为本申请实施例提供的一种商品推荐列表确定方法的流程图；图3为本申请实施例提供的一种商品推荐列表确定装置的框图；图4为本申请实施例提供的一种电子设备的示意图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实本文档来自技高网...

【技术保护点】
1.一种商品推荐列表确定方法，其特征在于，包括：/n获取用户的特征标签；/n根据所述用户的特征标签，采用预设的推荐算法，得到与所述用户对应的初始推荐商品列表；/n获取所述用户在预设时长内针对已购商品的历史行为数据；/n根据所述历史行为数据，计算所述用户针对所述已购商品的复购分数；/n检测所述待推荐列表中是否包含目标商品，所述目标商品为所述已购商品和/或与所述已购商品属于同一类目的商品；/n若所述待推荐列表中包含所述目标商品，根据所述复购分数对所述初始推荐商品列表中的商品进行过滤或排序，得到目标推荐商品列表。/n

【技术特征摘要】
1.一种商品推荐列表确定方法，其特征在于，包括：
获取用户的特征标签；
根据所述用户的特征标签，采用预设的推荐算法，得到与所述用户对应的初始推荐商品列表；
获取所述用户在预设时长内针对已购商品的历史行为数据；
根据所述历史行为数据，计算所述用户针对所述已购商品的复购分数；
检测所述待推荐列表中是否包含目标商品，所述目标商品为所述已购商品和/或与所述已购商品属于同一类目的商品；
若所述待推荐列表中包含所述目标商品，根据所述复购分数对所述初始推荐商品列表中的商品进行过滤或排序，得到目标推荐商品列表。


2.根据权利要求1所述的方法，其特征在于，根据所述复购分数对所述初始推荐商品列表中的商品进行过滤或排序，得到目标推荐商品列表，包括：
若所述复购分数大于预设的分数阈值，则将所述复购分数与所述待推荐列表中所述目标商品对应的初始排序评分进行相加，得到所述已购商品的目标排序评分；
根据所述目标排序评分，对所述待推荐列表中的商品进行重新排序，得到目标商品推荐列表。


3.根据权利要求1或2所述的方法，其特征在于，根据所述复购分数对所述初始推荐商品列表中的商品进行过滤或排序，得到目标推荐商品列表，包括：
若所述复购分数不大于预设的分数阈值，则将所述目标商品从所述待推荐列表中删除，得到目标商品推荐列表。


4.根据权利要求1所述的方法，其特征在于，根据所述历史行为数据，计算所述用户针对所述已购商品的复购分数，包括：
根据所述历史行为数据，采用预设的第一计算公式分别计算所述用户针对所述已购商品进行的各种行为的行为因子；
根据所述行为因子，采用预设的第二计算公式计算所述用户针对所述已购商品的复购分数。


5.根据权利要求1所述的方法，其特征在于，
所述第一计算公式如下：
Si＝Ai*Ti
其中，Si表示所述用户针对已购商品进行的第i种行为的行为因子，Ai表示预设的第i种行为对应的分数，Ti表示所述用户在预设时长内针对所述已...

【专利技术属性】
技术研发人员：夏杰，
申请(专利权)人：京东数字科技控股有限公司，
类型：发明
国别省市：北京;11