物品推送方法、计算机系统及存储介质技术方案

本公开提供了一种物品推送方法、计算机系统及存储介质；其中，所述物品推送方法，包括：确定历史用户信息和历史物品信息；根据所述历史用户信息和历史物品信息确定与目标用户相对应的目标物品；将所述目标物品推送至所述目标用户。

【技术实现步骤摘要】
物品推送方法、计算机系统及存储介质
本公开涉及机器学习
，特别涉及一种物品推送方法、计算机系统及存储介质。
技术介绍
目前，电商领域主流的商品推荐方式主要是协同过滤(CollaborativeFilteringrecommendation)。协同过滤的前提是假设相似的用户可能会有相似的喜好，相似的物品可能会被相似的人所偏好。于是，协同过滤就要去寻找相似的用户或者相似的物品。协同过滤通常有基于物品的协同和基于用户的协同量两个方向。这两个方向一个侧重于物品，一个侧重于用户，对于用户量和商品量都很大的情景，如何取舍成为一个重要的问题。此外，现有的协同过滤推荐方式还存在以下问题：(1)对于新出现的购物者，若只有一次购买记录，无法给出推荐商品；(2)某些商品购买数量很少，很难获得推荐；(3)采用协同过滤的商品推荐系统后续升级较为困难。
技术实现思路
(一)要解决的技术问题鉴于上述问题，本公开的主要目的在于提供一种物品推送方法、计算机系统及存储介质，以便解决上述问题的至少之一。(二)技术方案根据本公开的一个方面，提供了一种物品推送方法，包括：确定历史用户信息和历史物品信息；根据所述历史用户信息和历史物品信息确定与目标用户相对应的目标物品；将所述目标物品推送至所述目标用户。进一步的，所述历史用户信息包括历史用户与历史物品的关系矩阵VU，I，历史物品与历史用户的关系矩阵VI，U；所述历史物品信息包括本次选择物品与上次选择物品的关系矩阵VI，L，上次选择物品与本次选择物品的关系矩阵VL，I。进一步的，所述历史用户信息还包括历史用户与外部数据的关系矩阵VU，K，外部数据与历史用户的关系矩阵VK，U；所述历史物品信息还包括历史物品与外部数据的关系矩阵VI，K，外部数据与历史物品的关系矩阵VK，I，本次选择物品与所述上次之前的n次选择物品的关系矩阵VI，L+1、VI，L+2、…、VI，L+n，所述上次之前的n次选择物品与本次选择物品的关系矩阵VL+1，I、VL+2，I、…、VL+n，I；其中，所述外部数据包括天气、节假日、舆论数据。进一步的，根据所述历史用户信息和历史物品信息确定与目标用户相对应的目标物品，包括：根据历史用户与历史物品的关系矩阵VU，I、历史物品与历史用户的关系矩阵VI，U确定矩阵分解向量MF；根据本次选择物品与上次选择物品的关系矩阵VI，L、上次选择物品与本次选择物品的关系矩阵VL，I确定分解非个性化马尔可夫链向量FMC；根据向量MF和向量FMC确定概率向量p；根据概率向量p确定与目标用户相对应的目标物品。进一步的，根据历史用户与历史物品的关系矩阵VU，I、历史物品与历史用户的关系矩阵VI，U确定矩阵分解向量MF，包括：根据历史用户与历史物品的关系矩阵VU，I、历史物品与历史用户的关系矩阵VI，U确定矩阵VUI_m_VIU；及根据矩阵矩阵VUI_m_VIU确定向量MF。进一步的，根据本次选择物品与上次选择物品的关系矩阵VI，L、上次选择物品与本次选择物品的关系矩阵VL，I确定向量FMC，包括：根据本次选择物品与上次选择物品的关系矩阵VI，L、上次选择物品与本次选择物品的关系矩阵VL，I确定矩阵VIL_m_VLI；及根据矩阵VIL_m_VLI确定向量FMC。进一步的，所述矩阵VIL_m_VLI、矩阵VUI_m_VIU、向量MF、向量FMC、概率向量p分别满足以下关系式：VIL_m_VLI＝VI，L·VL，I；VUI_m_VIU＝VU，I·VI，U；MF＝VUI_m_VIUi；FMC＝mean(VIL_m_VLI，ε)＝mean(VIL_m_VLI，{x，y，z})；p＝MF+FMC；其中，ε表示本次选择物品集合，ε＝{x，y，z}，x，y，z表示本次选择物品集合中的各元素。进一步的，根据概率向量p确定与目标用户相对应的目标物品，包括：预设概率阈值；确定所述向量p中的概率大于所述概率阈值的元素所对应的物品为与目标用户相对应的目标物品。根据本公开的另一个方面，提供了一种计算机系统，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行所述的方法。根据本公开的另一个方面，提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行所述的方法。(三)有益效果从上述技术方案可以看出，本公开一种物品推送方法、计算机系统及存储介质至少具有以下有益效果其中之一：(1)本公开适用于只有一次购买记录的购物者，能够给新购物者推荐相对合理的目标物品。(2)本公开对于购买数量低的商品，同样有获得高购买概率的可能性，不会完全屏蔽购买数量低的商品。(3)本公开可以根据需要补充外部数据信息及本次购物之前的多次购物信息，提高了推荐的准确性。附图说明构成本公开的一部分的附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：图1示意性示出了根据本公开实施例的物品推荐方法的流程图。图2示意性示出了根据本公开实施例的根据所述历史用户信息和历史物品信息确定与目标用户相对应的目标物品的流程图。图3示意性示出了根据本公开实施例的根据历史用户与历史物品的关系矩阵VU，I、历史物品与历史用户的关系矩阵VI，U确定矩阵分解向量MF的流程图。图4示意性示出了根据本公开实施例的根据本次选择物品与上次选择物品的关系矩阵VI，L、上次选择物品与本次选择物品的关系矩阵VL，I确定向量FMC的流程图。图5示意性示出了根据概率向量确定与目标用户相对应的目标物品的流程图。图6示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机系统的框图。具体实施方式以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。在使用类似于“A、B和C本文档来自技高网...

【技术保护点】
1.一种物品推送方法，包括：/n确定历史用户信息和历史物品信息；/n根据所述历史用户信息和历史物品信息确定与目标用户相对应的目标物品；/n将所述目标物品推送至所述目标用户。/n

【技术特征摘要】
1.一种物品推送方法，包括：
确定历史用户信息和历史物品信息；
根据所述历史用户信息和历史物品信息确定与目标用户相对应的目标物品；
将所述目标物品推送至所述目标用户。


2.根据权利要求1所述的方法，其中，所述历史用户信息包括历史用户与历史物品的关系矩阵VU，I，历史物品与历史用户的关系矩阵VI，U；所述历史物品信息包括本次选择物品与上次选择物品的关系矩阵VI，L，上次选择物品与本次选择物品的关系矩阵VL，I。


3.根据权利要求2所述的方法，所述历史用户信息还包括历史用户与外部数据的关系矩阵VU，K，外部数据与历史用户的关系矩阵VK，U；所述历史物品信息还包括历史物品与外部数据的关系矩阵VI，K，外部数据与历史物品的关系矩阵VK，I，本次选择物品与所述上次之前的n次选择物品的关系矩阵VI，L+1、VI，L+2、…、VI，L+n，所述上次之前的n次选择物品与本次选择物品的关系矩阵VL+1，I、VL+2，I、…、VL+n，I；其中，所述外部数据包括天气、节假日、舆论数据。


4.根据权利要求2所述的方法，根据所述历史用户信息和历史物品信息确定与目标用户相对应的目标物品，包括：
根据历史用户与历史物品的关系矩阵VU，I、历史物品与历史用户的关系矩阵VI，U确定矩阵分解向量MF；
根据本次选择物品与上次选择物品的关系矩阵VI，L、上次选择物品与本次选择物品的关系矩阵VL，I确定分解非个性化马尔可夫链向量FMC；
根据向量MF和向量FMC确定概率向量p；
根据概率向量p确定与目标用户相对应的目标物品。


5.根据权利要求4所述的方法，根据历史用户与历史物品的关系矩阵VU，I、历史物品与历史用户的关系矩阵VI，U确定矩阵分解向量MF，包括：
根据历史用户与历史物品的关系矩阵...

【专利技术属性】
技术研发人员：徐勐，张珊，王诚，
申请(专利权)人：杭州米雅信息科技有限公司，
类型：发明
国别省市：浙江;33