确定推荐商品的方法和装置制造方法及图纸

本申请公开了一种确定推荐商品的方法和装置，属于计算机技术领域。该方法包括：在用户集中选取第一子用户集和第二子用户集，其中，第一子用户集中的第一用户存在商城操作行为，第二子用户集中的第二用户不存在商城操作行为；基于第一用户的商城操作行为，确定第一用户的推荐商品；基于第一用户和第二用户的静态属性信息、基本功能操作行为、物联网设备操作行为和物联网设备的静态属性信息，在第一子用户集中确定第二用户对应的相似用户集；在相似用户集中的第一用户的推荐商品中选取第二用户的推荐商品。采用本申请，可以使得确定出的推荐商品与用户的特点相适应，有效提高了推荐广告的点击率与客单转换率。

【技术实现步骤摘要】
确定推荐商品的方法和装置
本申请涉及计算机
，具体涉及一种确定推荐商品的方法和装置。
技术介绍
随着物联网技术和互联网技术的融合，人们在终端使用应用程序就可以在异地实时远程操控与注册用户绑定的各类物联网设备(如智能摄像头)。同时，为了满足用户不断变化的需求，应用程序中往往会向用户提供购买商品(如各种物联网设备)的商城功能。随着电子商务规模的不断扩大，商品的个数和种类快速增长，用户在不明确自身需求的情况下，需要花费大量的时间才能找到自己想买的商品。另外，也存在着大量已注册用户，他们对商城的功能并不熟悉或者并不经常使用，尚未产生实际的订单，而这部分用户很可能是商城的潜在客户。相关技术中，为了挽回那些使用过商城功能却不断流失的用户，同时挖掘那些已注册却不熟悉商城功能的潜在客户，目前已有的方案是通过定期向所有用户投放推荐广告，引导用户前来商城进行商品购买。然后，相关技术中向所有用户推荐的商品均相同，不能根据每个用户的特点去推荐商品，这就使得推荐广告的点击率与客单转换率较低。
技术实现思路
本申请实施例提供了一种确定推荐商品的方法和装置，可以解决相关技术中存在的技术问题。所述确定推荐商品的方法和装置的技术方案如下：第一方面，提供了一种确定推荐商品的方法，所述方法包括：在用户集中选取第一子用户集和第二子用户集，其中，所述第一子用户集中的第一用户存在商城操作行为，所述第二子用户集中的第二用户不存在商城操作行为；基于所述第一用户的商城操作行为，确定所述第一用户的推荐商品；基于所述第一用户和所述第二用户的静态属性信息、基本功能操作行为、物联网设备操作行为和物联网设备的静态属性信息，在所述第一子用户集中确定所述第二用户对应的相似用户集；在所述相似用户集中的第一用户的推荐商品中选取所述第二用户的推荐商品。在一种可能的实现方式中，所述在用户集中选取第一子用户集和第二子用户集之前，所述方法还包括：获取所述用户集中的用户的静态属性信息、基本功能操作行为、商城操作行为、物联网设备操作行为和物联网设备的静态属性信息，建立所述用户集对应的用户信息数据库；所述在用户集中选取第一子用户集和第二子用户集，包括：基于所述用户信息数据库，在所述用户集中选取第一子用户集和第二子用户集。在一种可能的实现方式中，所述获取所述用户集中的用户的静态属性信息、基本功能操作行为、商城操作行为、物联网设备操作行为和物联网设备的静态属性信息，包括：获取所述用户集中的用户的静态属性信息和物联网设备的静态属性信息；在所述用户集中确定活跃用户，其中，所述活跃用户是指在最近设定时间段内存在登录行为的用户；获取所述活跃用户的基本功能操作行为、商城操作行为和物联网设备操作行为。在一种可能的实现方式中，所述物联网设备包括智能摄像头、智能门锁、智能照明设备和智能影音设备中的一种或多种。在一种可能的实现方式中，所述基于所述第一用户的商城操作行为，确定所述第一用户的推荐商品，包括：基于所述第一用户的商城操作行为的类型、发生时间、发生时长和对应的商品，确定所述第一用户的推荐商品。在一种可能的实现方式中，所述基于所述第一用户的商城操作行为的类型、发生时间、发生时长和对应的商品，确定所述第一用户的推荐商品，包括：基于所述第一用户的商城操作行为的类型、发生时间和发生时长，以及所述商城操作行为对应的商品，确定所述第一用户与商品的评分矩阵；基于所述第一用户与商品的评分矩阵中的各个商品的销量，对所述第一用户与商品的评分矩阵进行平滑化处理；对经所述平滑化处理后的第一用户与商品的评分矩阵，进行对数平滑化处理；将经所述对数平滑化处理后的第一用户与商品的评分矩阵，进行归一化处理；将经归一化处理后的第一用户与商品的评分矩阵输入到交替最小二乘法ALS算法模型中，得到所述第一用户对应的每个商品的评分；对于每个第一用户，确定所述第一用户对应的商品中评分最高的一个或多个商品，作为所述第一用户的推荐商品。在一种可能的实现方式中，所述第一用户和所述第二用户均属于活跃用户，所述活跃用户是指在最近设定时间段内存在登录操作的用户，所述方法还包括：在所述用户集中选取第三子用户集，其中，所述第三子用户集中的第三用户不属于活跃用户；在商城的热门商品集中选取所述第三用户的推荐商品。在一种可能的实现方式中，每个用户对应多个推荐商品，在确定用户的推荐商品之后，所述方法还包括：确定每个用户的每个推荐商品对应的显示概率。第二方面，提供了一种确定推荐商品的装置，所述装置包括：选取模块，用于在用户集中选取第一子用户集和第二子用户集，其中，所述第一子用户集中的第一用户存在商城操作行为，所述第二子用户集中的第二用户不存在商城操作行为；确定模块，用于基于所述第一用户的商城操作行为，确定所述第一用户的推荐商品；所述确定模块，还用于基于所述第一用户和所述第二用户的静态属性信息、基本功能操作行为、物联网设备操作行为和物联网设备的静态属性信息，在所述第一子用户集中确定所述第二用户对应的相似用户集；所述选取模块，还用于在所述相似用户集中的第一用户的推荐商品中选取所述第二用户的推荐商品。在一种可能的实现方式中，所述装置还包括获取模块，用于：获取所述用户集中的用户的静态属性信息、基本功能操作行为、商城操作行为、物联网设备操作行为和物联网设备的静态属性信息，建立所述用户集对应的用户信息数据库；所述选取模块，用于：基于所述用户信息数据库，在所述用户集中选取第一子用户集和第二子用户集。在一种可能的实现方式中，所述获取模块，用于：获取所述用户集中的用户的静态属性信息和物联网设备的静态属性信息；在所述用户集中确定活跃用户，其中，所述活跃用户是指在最近设定时间段内存在登录行为的用户；获取所述活跃用户的基本功能操作行为、商城操作行为和物联网设备操作行为。在一种可能的实现方式中，所述确定模块，用于：基于所述第一用户的商城操作行为的类型、发生时间、发生时长和对应的商品，确定所述第一用户的推荐商品。在一种可能的实现方式中，所述确定模块，用于：基于所述第一用户的商城操作行为的类型、发生时间和发生时长，以及所述商城操作行为对应的商品，确定所述第一用户与商品的评分矩阵；基于所述第一用户与商品的评分矩阵中的各个商品的销量，对所述第一用户与商品的评分矩阵进行平滑化处理；对经所述平滑化处理后的第一用户与商品的评分矩阵，进行对数平滑化处理；将经所述对数平滑化处理后的第一用户与商品的评分矩阵，进行归一化处理；将经归一化处理后的第一用户与商品的评分矩阵输入到交替最小二乘法ALS算法模型中，得到所述第一用户对应的每个商品的评分；对于每个第一用户，确定所述第一用户对应的商品中评分最高的一个或多个商品，作为所述本文档来自技高网...

【技术保护点】
1.一种确定推荐商品的方法，其特征在于，所述方法包括：/n在用户集中选取第一子用户集和第二子用户集，其中，所述第一子用户集中的第一用户存在商城操作行为，所述第二子用户集中的第二用户不存在商城操作行为；/n基于所述第一用户的商城操作行为，确定所述第一用户的推荐商品；/n基于所述第一用户和所述第二用户的静态属性信息、基本功能操作行为、物联网设备操作行为和物联网设备的静态属性信息，在所述第一子用户集中确定所述第二用户对应的相似用户集；/n在所述相似用户集中的第一用户的推荐商品中选取所述第二用户的推荐商品。/n

【技术特征摘要】
1.一种确定推荐商品的方法，其特征在于，所述方法包括：
在用户集中选取第一子用户集和第二子用户集，其中，所述第一子用户集中的第一用户存在商城操作行为，所述第二子用户集中的第二用户不存在商城操作行为；
基于所述第一用户的商城操作行为，确定所述第一用户的推荐商品；
基于所述第一用户和所述第二用户的静态属性信息、基本功能操作行为、物联网设备操作行为和物联网设备的静态属性信息，在所述第一子用户集中确定所述第二用户对应的相似用户集；
在所述相似用户集中的第一用户的推荐商品中选取所述第二用户的推荐商品。


2.根据权利要求1所述的方法，其特征在于，所述在用户集中选取第一子用户集和第二子用户集之前，所述方法还包括：
获取所述用户集中的用户的静态属性信息、基本功能操作行为、商城操作行为、物联网设备操作行为和物联网设备的静态属性信息，建立所述用户集对应的用户信息数据库；
所述在用户集中选取第一子用户集和第二子用户集，包括：
基于所述用户信息数据库，在所述用户集中选取第一子用户集和第二子用户集。


3.根据权利要求2所述的方法，其特征在于，所述获取所述用户集中的用户的静态属性信息、基本功能操作行为、商城操作行为、物联网设备操作行为和物联网设备的静态属性信息，包括：
获取所述用户集中的用户的静态属性信息和物联网设备的静态属性信息；
在所述用户集中确定活跃用户，其中，所述活跃用户是指在最近设定时间段内存在登录行为的用户；
获取所述活跃用户的基本功能操作行为、商城操作行为和物联网设备操作行为。


4.根据权利要求1所述的方法，其特征在于，所述物联网设备包括智能摄像头、智能门锁、智能照明设备和智能影音设备中的一种或多种。


5.根据权利要求1所述的方法，其特征在于，所述基于所述第一用户的商城操作行为，确定所述第一用户的推荐商品，包括：
基于所述第一用户的商城操作行为的类型、发生时间、发生时长和对应的商品，确定所述第一用户的推荐商品。


6.根据权利要求5所述的方法，其特征在于，所述基于所述第一用户的商城操作行为的类型、发生时间、发生时长和对应的商品，确定所述第一用户的推荐商品，包括：
基于所述第一用户的商城操作行为的类型、发生时间和发生时长，以及所述商城操作行为对应的商品，确定所述第一用户与商品的评分矩阵；
基于所述第一用户与商品的评分矩阵中的各个商品的销量，对所述第一用户与商品的评分矩阵进行平滑化处理；
对经所述平滑化处理后的第一用户与商品的评分矩阵，进行对数平滑化处理；
将经所述对数平滑化处理后的第一用户与商品的评分矩阵，进行归一化处理；
将经归一化处理后的第一用户与商品的评分矩阵输入到交替最小二乘法ALS算法模型中，得到所述第一用户对应的每个商品的评分；
对于每个第一用户，确定所述第一用户...

【专利技术属性】
技术研发人员：王昌建，郭浩，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江;33