物品筛选方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种物品筛选方法、装置、设备和存储介质。该方法包括：获取各待筛选物品分别对应的特征向量，其中，所述特征向量包括至少一个目标物品特征维度分别对应的子特征向量；基于各所述特征向量和预设的线性回归模型，确定各所述待筛选物品的预测点击率，其中，所述线性回归模型通过预先对线性回归的正则化模型进行训练而获得；依据各所述预测点击率，从各所述待筛选物品中筛选出目标物品。通过上述技术方案，实现了物品筛选，且均衡了物品筛选过程中的筛选精度和筛选效率。

【技术实现步骤摘要】
物品筛选方法、装置、设备和存储介质
本专利技术实施例涉及计算机技术，尤其涉及一种物品筛选方法、装置、设备和存储介质。
技术介绍
在电子商务应用场景中，通常会基于用户和/或物品(如商品)的信息进行物品筛选，从而进行物品推荐，以提高用户体验。传统的推荐算法(也可称为物品筛选算法)主要是对用户的历史行为进行简单的数据分析，从而得到用户的偏好，继而从所有物品中筛选出用户偏好度高的物品，并推荐给用户。目前主流的物品筛选算法是基于物品的协同过滤算法，该算法计算用户偏好的商品与其他商品的相似度，并筛选出相似度高的物品进行推荐。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：基于物品的协同过滤算法会使得物品筛选陷入马太效应，即热门的商品变得更加热门、冷门的商品变得更加冷门。
技术实现思路
本专利技术实施例提供一种物品筛选方法、装置、设备和存储介质，以实现物品筛选，且均衡物品筛选过程中的筛选精度和筛选效率。第一方面，本专利技术实施例提供了一种物品筛选方法，包括：获取各待筛选物品分别对应的特征向本文档来自技高网...

【技术保护点】
1.一种物品筛选方法，其特征在于，包括：/n获取各待筛选物品分别对应的特征向量，其中，所述特征向量包括至少一个目标物品特征维度分别对应的子特征向量；/n基于各所述特征向量和预设的线性回归模型，确定各所述待筛选物品的预测点击率，其中，所述线性回归模型通过预先对线性回归的正则化模型进行训练而获得；/n依据各所述预测点击率，从各所述待筛选物品中筛选出目标物品。/n

【技术特征摘要】
1.一种物品筛选方法，其特征在于，包括：
获取各待筛选物品分别对应的特征向量，其中，所述特征向量包括至少一个目标物品特征维度分别对应的子特征向量；
基于各所述特征向量和预设的线性回归模型，确定各所述待筛选物品的预测点击率，其中，所述线性回归模型通过预先对线性回归的正则化模型进行训练而获得；
依据各所述预测点击率，从各所述待筛选物品中筛选出目标物品。


2.根据权利要求1所述的方法，其特征在于，获取各待筛选物品分别对应的特征向量包括：
获取目标用户的目标用户画像数据；
依据所述目标用户画像数据中的历史行为数据，确定各所述待筛选物品及每个所述待筛选物品的特征向量。


3.根据权利要求2所述的方法，其特征在于，依据所述目标用户画像数据中的历史行为数据，确定每个所述待筛选物品的特征向量包括：
依据所述目标用户画像数据中的历史行为数据，确定每个所述待筛选物品的各目标物品特征维度的特征值；
基于预设非线性变换算法，对每个所述待筛选物品的各所述特征值进行数据标准化处理，生成每个所述待筛选物品的特征向量。


4.根据权利要求1所述的方法，其特征在于，依据各所述预测点击率，从各所述待筛选物品中筛选出目标物品包括：
对各所述待筛选物品进行分类，确定各所述待筛选物品所属的物品品类；
针对各物品品类，依据属于所述物品品类的待筛选物品的预测点击率，从属于所述物品品类的待筛选物品中筛选出目标物品。


5.根据权利要求1所述的方法，其特征在于，所述线性回归模型通过如下方式预先训练获得：
获取至少两个样本物品的特征向量及点击率，作为各训练样本；
将各所述训练样本输入所述线性回归的正则化模型进行模型训练，确定所述线性回归的正则化模型中各模型参数的取值，其中，所述线性回归的正则化模型的因变量和自变量分别为预测点击率和所述特征向量对应的各所述目标物品特征维度，各...

【专利技术属性】
技术研发人员：寿涛，张白羽，郑丰，
申请(专利权)人：北京沃东天骏信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11