一种商品推荐方法、装置及计算设备制造方法及图纸

本发明专利技术是关于一种商品推荐方法、装置及计算设备。该方法首先根据用户实时偏好数据在商品库中选择当前用户实时偏好商品，根据商城用户历史偏好数据在商品库中选择商城历史用户偏好商品。然后，通过当前用户画像标签在所述当前用户实时偏好商品和所述商城历史用户偏好商品中选择针对当前用户的推荐商品，并生成推荐商品列表。最后，将所述推荐商品列表中的商品推荐给用户。本发明专利技术既考虑商城平台用户偏好又考虑用户实时偏好进行商品的推送，推送商品更全面且精准。

【技术实现步骤摘要】
一种商品推荐方法、装置及计算设备
本专利技术涉及电商
，尤其涉及一种商品推荐方法、装置及计算设备。
技术介绍
现有的电商推荐技术中主要是两种类型的商品推荐，第一种是基于用户的协同过滤，根据所有用户对物品或者信息的偏好，发现与当前用户口味和偏好相似的用户群，然后基于这些用户的历史偏好，为当前用户进行推荐。第二种是基于物品的协同过滤，根据所有用户对物品或者信息的偏好，发现物品和物品之间的相似度，然后根据用户的历史偏好信息，将类似的物品推荐给当前用户。这两种方法的算法模型只能根据商城用户历史偏好信息作为训练数据，所推荐商品缺少多样性，且不够准确。
技术实现思路
为克服相关技术中存在的问题，本专利技术提供一种商品推荐方法、装置及计算设备，能根据商城平台用户偏好又考虑用户实时偏好进行商品的推送，推送商品更全面且精准。根据本专利技术实施例的第一方面，提供一种商品推荐方法，包括：根据用户实时偏好数据在商品库中选择当前用户实时偏好商品；根据商城用户历史偏好数据在商品库中选择商城历史用户偏好商品；通过当前用户画像标签在所述当前用户实时偏好商品和所述商城历史用户偏好商品中选择针对当前用户的推荐商品，并生成推荐商品列表；将所述推荐商品列表中的商品推荐给用户。根据本专利技术实施例的第二方面，提供一种商品推荐装置，包括：第一待推荐商品选择模块、第二待推荐商品选择模块、推荐商品列表生成模块和商品推荐模块；第一待推荐商品选择模块，用于根据用户实时偏好数据在商品库中选择当前用户实时偏好商品；第二待推荐商品选择模块，用于根据商城用户历史偏好数据在商品库中选择商城历史用户偏好商品；推荐商品列表生成模块，用于通过当前用户画像标签在所述当前用户实时偏好商品和所述商城历史用户偏好商品中选择针对当前用户的推荐商品，并生成推荐商品列表；商品推荐模块，用于将所述推荐商品列表中的商品推荐给用户。根据本专利技术实施例的第三方面，提供一种计算设备，包括：处理器；以及存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。本专利技术的实施例提供的技术方案可以包括以下有益效果：在进行用户商品推荐时考虑用户实时偏好因素，更贴近用户最近偏好；所以本专利技术在生成商品推荐列表时既根据商城平台用户偏好又考虑用户实时偏好，使得推送商品更全面且精准。本专利技术的实施例提供的技术方案还可以包括以下有益效果：在生成商品推荐列表时既根据商城平台用户偏好又考虑用户实时偏好，进一步考虑当前热门商品因素。考虑当前热门商品因素，可以增加热门事件影响的商品的推荐，保证推荐商品与特殊事件的相结合的时效性。所以本专利技术在生成商品推荐列表时既根据商城平台用户偏好又考虑用户实时偏好和热门商品，使得推送商品更全面且精准。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明通过结合附图对本专利技术示例性实施方式进行更详细的描述，本专利技术的上述以及其它目的、特征和优势将变得更加明显，其中，在本专利技术示例性实施方式中，相同的参考标号通常代表相同部件。图1是本专利技术根据一示例性实施例示出的一种商品推荐方法的流程图；图2是本专利技术根据一示例性实施例示出的一种商品推荐方法的另一流程图；图3是本专利技术根据一示例性实施例示出的一种商品推荐装置的示意图框图；图4是本专利技术根据一示例性实施例示出的一种商品推荐装置的第二待推荐商品选择模块的示意框图；图5是本专利技术根据一示例性实施例示出的一种计算设备的结构示意图。具体实施方式下面将参照附图更详细地描述本专利技术的优选实施方式。虽然附图中显示了本专利技术的优选实施方式，然而应该理解，可以以各种形式实现本专利技术而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本专利技术更加透彻和完整，并且能够将本专利技术的范围完整地传达给本领域的技术人员。在本专利技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本专利技术可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本专利技术范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。本专利技术提供了一种商品推荐方法，既考虑商城平台用户偏好又考虑用户实时偏好进行商品的推送，推送商品更全面且精准。图1是本专利技术根据一示例性实施例示出的一种商品推荐方法的流程图。如图1所示，该方法可以包括以下步骤：在S101中，根据用户实时偏好数据在商品库中选择当前用户实时偏好商品。在S102中，根据商城用户历史偏好数据在商品库中选择商城历史用户偏好商品。值得说明的是，本专利技术中S101和S102并没有先后顺序，可以同时进行也可以分先后顺序进行。完成S102之后，进入S103，通过当前用户画像标签在所述当前用户实时偏好商品和所述商城历史用户偏好商品中选择针对当前用户的推荐商品，并生成推荐商品列表。之后进入S104，将所述推荐商品列表中的商品推荐给用户。由该实施例可见，本实施例首先根据用户实时偏好数据在商品库中选择当前用户实时偏好商品，根据商城用户历史偏好数据在商品库中选择商城历史用户偏好商品。然后，通过当前用户画像标签在所述当前用户实时偏好商品和所述商城历史用户偏好商品中选择针对当前用户的推荐商品，并生成推荐商品列表。最后，将所述推荐商品列表中的商品推荐给用户。本实施例既考虑商城平台用户偏好又考虑用户实时偏好进行商品的推送，推送商品更全面且精准。图2是本专利技术根据一示例性实施例示出的一种商品推荐方法的另一流程图。如图2所示，该方法可以包括以下步骤：S201，在商城中埋点来获取用户实时偏好数据和实时热门商品数据。在一个优选实施例中，用户在商城搜索引擎或推荐位，进行商品点击次数超过5次、商品详情页浏览深度80％、商品详情页浏览、加入购物车、收藏某个商品，但未下单。本步骤通过在商城埋点获取到这些用户实时行为，形成用户实时行为数据流，即本实施例的用户实时偏好数据。完成S201之后，进入S202或者S203。S202，根据所述用户实时偏好数据在商品库中选择当前用户实时偏好商品。S203，根据实时热门商品数据在商品库中选择实时热门商品。本步骤可以通过在商城埋点实时获取转化率和点击率高的商品，在优选实施例中使用转化率乘以点击率的结果高的商品。将这些商品的信息组合成热门商品列表，如：星巴克推出的猫爪杯这种本文档来自技高网...

【技术保护点】
1.一种商品推荐方法，包括：/n根据用户实时偏好数据在商品库中选择当前用户实时偏好商品；/n根据商城用户历史偏好数据在商品库中选择商城历史用户偏好商品；/n通过当前用户画像标签在所述当前用户实时偏好商品和所述商城历史用户偏好商品中选择针对当前用户的推荐商品，并生成推荐商品列表；/n将所述推荐商品列表中的商品推荐给用户。/n

【技术特征摘要】
1.一种商品推荐方法，包括：
根据用户实时偏好数据在商品库中选择当前用户实时偏好商品；
根据商城用户历史偏好数据在商品库中选择商城历史用户偏好商品；
通过当前用户画像标签在所述当前用户实时偏好商品和所述商城历史用户偏好商品中选择针对当前用户的推荐商品，并生成推荐商品列表；
将所述推荐商品列表中的商品推荐给用户。


2.根据权利要求1所述的方法，还包括：
根据实时热门商品数据在商品库中选择实时热门商品；
其中，通过当前用户画像标签在所述当前用户实时偏好商品和所述商城历史用户偏好商品中选择针对当前用户的推荐商品，并生成推荐商品列表，包括：
通过当前用户画像标签在所述当前用户实时偏好商品、所述实时热门商品和所述商城历史用户偏好商品中选择针对当前用户的推荐商品，并生成推荐商品列表。


3.根据权利要求2所述的方法，还包括：
在商城中埋点来获取所述用户实时偏好数据和所述实时热门商品数据。


4.根据权利要求3所述的方法，其中，根据商城用户历史偏好数据在商品库中选择商城历史用户偏好商品，包括：
基于商城用户历史偏好数据利用基于用户推荐的协同过滤方法在商品库中选择基于用户推荐的商品；
基于商城用户历史偏好数据利用基于物品推荐的协同过滤方法在商品库中选择基于物品推荐的商品；
其中，通过当前用户画像标签在所述当前用户实时偏好商品、所述实时热门商品和所述商城历史用户偏好商品中选择针对当前用户的推荐商品，并生成推荐商品列表包括：
通过当前用户画像标签在所述当前用户实时偏好商品、所述实时热门商品、所述基于用户推荐的商品和所述基于物品推荐的商品中选择针对当前用户的推荐商品，并生成推荐商品列表。


5.根据权利要求4所述的方法，其中，通过当前用户画像标签在所述当前用户实时偏好商品、所述实时热门商品、所述基于用户推荐的商品和所述基于物品推荐的商品中选择针对当前用户的推荐商品，并生成推荐商品列表，包括：
通过当前用户画像标签与所述当前用户实时...

【专利技术属性】
技术研发人员：王宇，
申请(专利权)人：广州探途网络技术有限公司，
类型：发明
国别省市：广东;44