【技术实现步骤摘要】
商品推荐方法、装置、计算机设备及介质
本申请涉及智能推荐
,尤其涉及一种商品推荐方法、装置、计算机设备及计算机可读存储介质。
技术介绍
目前,主流的推荐方法大多是根据用户的行为或商品的某单一特征进行推荐,将用户的行为和商品的特征分开进行推荐导致推荐的精准度不足,还有一些根据用户保存在本地的数据和服务器的商品特征进行交互,进行商品推荐,若用户数据过多会导致交互次数过高,计算量过大,推荐的时间久。
技术实现思路
本申请提供了一种商品推荐方法、装置、计算机设备及计算机可读存储介质,能够基于训练好的模型将商品推荐给用户,提升商品推荐的精准度以及缩短推荐的时间。第一方面,本申请提供了一种商品推荐方法,所述方法包括:获取多个用户的行为数据和商品的属性数据;根据各所述用户的行为数据和所述商品的属性数据建立与各所述用户一一对应的因子分解机模型;根据所述行为数据将所述多个用户分成若干簇,所述簇中的用户包括代表用户和非代表用户;根据各簇中所述代表用户的行为数据和/或所述非代表用户的行为数据确定对应簇中的各用户因子分解机模型的更新参数;根据确定的更新参数对所述各用户的因子分解机模型进行更新;基于训练好的各用户因子分解机模型将商品推荐给对应的用户。第二方面,一种商品推荐的装置,所述装置包括:数据获取模块,用于获取用户的行为数据和商品的属性数据;模型建立模块,用于根据各所述用户的行为数据和所述商品的属性数据建立与各所述用户一一对应的因子分 ...
【技术保护点】
1.一种商品推荐方法,其特征在于,所述方法包括:/n获取多个用户的行为数据和商品的属性数据;/n根据各所述用户的行为数据和所述商品的属性数据建立与各所述用户一一对应的因子分解机模型;/n根据所述行为数据将所述多个用户分成若干簇,所述簇中的用户包括代表用户和非代表用户;/n根据各簇中所述代表用户的行为数据和/或所述非代表用户的行为数据确定对应簇中的各用户因子分解机模型的更新参数;/n根据确定的更新参数对所述各用户的因子分解机模型进行更新;/n基于更新后的各用户因子分解机模型将商品推荐给对应的用户。/n
【技术特征摘要】
1.一种商品推荐方法,其特征在于,所述方法包括:
获取多个用户的行为数据和商品的属性数据;
根据各所述用户的行为数据和所述商品的属性数据建立与各所述用户一一对应的因子分解机模型;
根据所述行为数据将所述多个用户分成若干簇,所述簇中的用户包括代表用户和非代表用户;
根据各簇中所述代表用户的行为数据和/或所述非代表用户的行为数据确定对应簇中的各用户因子分解机模型的更新参数;
根据确定的更新参数对所述各用户的因子分解机模型进行更新;
基于更新后的各用户因子分解机模型将商品推荐给对应的用户。
2.根据权利要求1所述的商品推荐方法,其特征在于,所述根据各所述用户的行为数据和商品的属性数据建立与各所述用户一一对应的因子分解机模型包括:
对所述用户的行为数据进行编码处理得到用户的行为特征,和对所述商品的属性数据进行编码处理得到商品的公开特征;
根据所述用户的行为特征建立用户线性回归模型以及根据所述商品的公开特征建立商品线性回归模型;
基于所述用户线性回归模型和商品线性回归模型,获取初始化的用户线性回归模型参数和初始化的商品线性回归模型参数;
根据所述初始化的用户线性回归模型参数和商品线性回归模型参数建立与所述用户对应的因子分解机模型。
3.根据权利要求2所述的商品推荐方法,其特征在于,所述方法还包括:
根据所述用户的行为特征和所述商品的公开特征确定特征交叉矩阵;
获取所述特征交叉矩阵的系数;
所述根据所述初始化的用户线性回归模型参数和商品线性回归模型参数建立与所述用户对应的因子分解机模型,包括:
根据所述初始化的特征交叉矩阵的系数、所述初始化的用户线性回归模型参数和商品线性回归模型参数建立与所述用户对应的因子分解机模型。
4.根据权利要求1所述的商品推荐方法,其特征在于,所述基于更新后的各用户因子分解机模型将商品推荐给对应的用户,包括:
基于更新后与用户对应的因子分解机模型,根据所述用户的行为数据和待推荐商品的属性数据,预测与待推荐商品对应的用户喜好值;
根据所述用户喜好值将所述待推荐商品推荐给对应的用户。
5.根据权利要求1-4任一项所述的商品推荐方法,其特征在于,所述根据所述行为数据将所述多个用户分成若干簇,所述簇中的用户包括代表用户和非代表用户,包括:
对各所述用户的行为数据进行向量化处理得到与各所述用户对应的参数向量;
根据所述用户对应的参...
【专利技术属性】
技术研发人员:王健宗,李泽远,
申请(专利权)人:平安科技深圳有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。