商品推荐模型的训练方法、商品推荐方法以及装置制造方法及图纸

本说明书公开了一种商品推荐模型的训练方法、商品推荐方法以及装置，获取各商品的特征信息以及用户的历史订单信息，确定各商品对应的特征向量，并确定所述用户对应的偏好特征向量。而后，将所述各商品对应的特征向量以及所述用户对应的偏好特征向量输入到待训练的商品推荐模型中，以依次确定至少一个推荐商品。最后，以最小化所述至少一个推荐商品与所述历史订单信息实际涉及的各商品的偏差为优化目标，对所述商品推荐模型进行训练，所述商品推荐模型用于对用户进行商品推荐。本方法通过各商品对应的特征向量以及用户对应的偏好特征向量，进行商品推荐模型的训练，避免重复推荐相同的商品以及推荐商品不合理的情况发生，提高用户体验。

【技术实现步骤摘要】
商品推荐模型的训练方法、商品推荐方法以及装置
本说明书涉及计算机
，尤其涉及一种商品推荐模型的训练方法、商品推荐方法以及装置。
技术介绍
随着电子技术和网络技术的不断发展，越来越多的用户喜欢网络购物，目前，业务平台能够根据商品特征信息和用户特征信息向用户进行商品推荐。在实际应用中，业务平台会将基于商品特征信息和用户特征信息得到的商品排序展示给用户，这种商品推荐方式会导致商品出现重复推荐，以及推荐的商品不符合用户偏好的情况，从而降低用户的体验。因此，如何能够更为合理的向用户进行商品推荐，则是一个亟待解决的问题。
技术实现思路
本说明书提供一种商品推荐模型的训练方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。本说明书采用下述技术方案：本说明书提供了一种商品推荐模型的训练方法，包括：获取各商品的特征信息以及用户的历史订单信息；根据所述各商品的特征信息，确定各商品对应的特征向量；根据所述用户的历史订单信息，确定所述用户对应的偏好特征向量；将所述各商品对应的特征向量以及所述用户对应的偏好特征向量输入到待训练的商品推荐模型中，以依次确定至少一个推荐商品，其中，针对每个推荐商品，该推荐商品是根据已确定出的推荐商品、所述各商品对应的特征向量以及所述用户偏好特征向量确定出；以最小化所述至少一个推荐商品与所述历史订单信息实际涉及的各商品的偏差为优化目标，对所述商品推荐模型进行训练，所述商品推荐模型用于对用户进行商品推荐。可选地，所述各商品对应的特征信息包括：各商品的实际商品名称、各商品对应的标准商品名称、各商品的属性信息、各商品的业务特征信息中的至少一种。可选地，获取各商品的特征信息，具体包括：确定所述历史订单信息对应的商家；获取所述商家所提供的各商品在所述商家中的特征信息。可选地，根据所述各商品的特征信息，确定各商品对应的特征向量，具体包括：针对所述商家所提供的每个商品，根据该商品对应的特征信息，确定该商品对应的特征向量；将所述商家提供的各商品所对应的特征向量合并，得到在所述商家下，所述各商品对应的特征向量。可选地，将所述各商品对应的特征向量以及所述用户偏好特征向量输入到待训练的商品推荐模型中，以依次确定至少一个推荐商品，具体包括：将所述各商品对应的特征向量以及所述用户偏好特征向量输入到待训练的商品推荐模型中，以使所述商品推荐模型针对每个推荐商品，根据在所述商家下所述各商品对应的特征向量，已确定出的推荐商品在所述商家下对应的特征向量以及所述用户偏好特征向量，确定该推荐商品。可选地，根据用户的历史订单信息，确定所述用户对应的偏好特征向量，具体包括：确定所述历史订单信息涉及的各商品对应的各属性信息；根据所述历史订单信息，确定所述各属性信息对应的属性频次；根据所述历史订单信息涉及的各商品的属性信息以及所述各属性信息对应的属性频次，确定所述用户对应的偏好特征向量。本说明书提供了一种商品推荐方法，包括：获取各商品的特征信息以及用户的历史订单信息；根据所述各商品的特征信息，确定各商品对应的特征向量；根据所述用户的历史订单信息，确定所述用户对应的偏好特征向量，作为第一偏好特征向量；将所述各商品对应的特征向量以及所述第一偏好特征向量输入到预先训练的商品推荐模型中，得到各待推荐商品，所述商品推荐模型是通过上述商品推荐模型的训练方法训练得到的；根据所述各待推荐商品，向所述用户进行商品推荐。可选地，根据所述各待推荐商品，向所述用户进行商品推荐，具体包括：根据所述各待推荐商品对应的特征向量以及预先训练的商品筛选模型，从所述各待推荐商品中筛选出至少一个推荐商品，并将所述至少一个推荐商品推荐给所述用户。可选地，获取各商品的特征信息以及用户的历史订单信息，具体包括：获取所述用户从过去第一时间点到当前时刻之间的历史订单信息；根据所述各待推荐商品对应的特征向量以及预先训练的商品筛选模型，从所述各待推荐商品中筛选出至少一个推荐商品，具体包括：确定所述用户从过去第二时间点到所述当前时刻之间的历史订单信息，其中，所述过去第二时间点到所述当前时刻之间的时间间距小于所述过去第一时间点到所述当前时刻之间的时间间距；根据所述用户从所述过去第二时间点到所述当前时刻之间的历史订单信息，确定所述用户对应的第二偏好特征向量；将所述各待推荐商品对应的特征向量以及所述第二偏好特征向量输入到预先训练的商品筛选模型中，以从所述各待推荐商品中筛选出至少一个推荐商品。可选地，训练所述商品筛选模型，具体包括：获取目标用户的历史订单信息以及各样本商品的特征信息；根据所述各样本商品的特征信息，确定所述各样本商品对应的特征向量；根据所述目标用户的历史订单信息，确定所述目标用户对应的偏好特征向量；将所述各样本商品对应的特征向量以及所述目标用户对应的偏好特征向量输入到训练后的所述商品推荐模型中，得到各待筛选商品；将所述各待筛选商品对应的特征向量以及所述目标用户对应的偏好特征向量输入到待训练的商品筛选模型中，得到针对所述目标用户的至少一个推荐商品；以最小化针对所述目标用户的至少一个推荐商品与所述目标用户对应的历史订单信息中实际涉及的各商品之间的偏差为优化目标，对所述商品筛选模型进行训练。本说明书提供了一种商品推荐模型训练的装置，包括：获取模块，用于获取各商品的特征信息以及用户的历史订单信息；向量模块，用于根据所述各商品的特征信息，确定各商品对应的特征向量；偏好模块，用于根据所述用户的历史订单信息，确定所述用户对应的偏好特征向量；推荐模块，用于将所述各商品对应的特征向量以及所述用户对应的偏好特征向量输入到待训练的商品推荐模型中，以依次确定至少一个推荐商品，其中，针对每个推荐商品，该推荐商品是根据已确定出的推荐商品、所述各商品对应的特征向量以及所述用户偏好特征向量确定出；训练模块，用于以最小化所述至少一个推荐商品与所述历史订单信息实际涉及的各商品的偏差为优化目标，对所述商品推荐模型进行训练，所述商品推荐模型用于对用户进行商品推荐。本说明书提供了一种商品推荐装置，包括：获取模块，用于获取各商品的特征信息以及用户的历史订单信息；向量模块，用于根据所述各商品的特征信息，确定各商品对应的特征向量；偏好模块，用于根据所述用户的历史订单信息，确定所述用户对应的偏好特征向量，作为第一偏好特征向量；推荐模块，用于将所述各商品对应的特征向量以及所述第一偏好特征向量输入到预先训练的商品推荐模型中，得到各待推荐商品，所述商品推荐模型是通过上述方法训练得到的；展示模块，用于根据所述各待推荐商品，向所述用户进行商品推荐。本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述本文档来自技高网...

【技术保护点】
1.一种商品推荐模型的训练方法，其特征在于，包括：/n获取各商品的特征信息以及用户的历史订单信息；/n根据所述各商品的特征信息，确定各商品对应的特征向量；/n根据所述用户的历史订单信息，确定所述用户对应的偏好特征向量；/n将所述各商品对应的特征向量以及所述用户对应的偏好特征向量输入到待训练的商品推荐模型中，以依次确定至少一个推荐商品，其中，针对每个推荐商品，该推荐商品是根据已确定出的推荐商品、所述各商品对应的特征向量以及所述用户偏好特征向量确定出；/n以最小化所述至少一个推荐商品与所述历史订单信息实际涉及的各商品的偏差为优化目标，对所述商品推荐模型进行训练，所述商品推荐模型用于对用户进行商品推荐。/n

【技术特征摘要】
1.一种商品推荐模型的训练方法，其特征在于，包括：
获取各商品的特征信息以及用户的历史订单信息；
根据所述各商品的特征信息，确定各商品对应的特征向量；
根据所述用户的历史订单信息，确定所述用户对应的偏好特征向量；
将所述各商品对应的特征向量以及所述用户对应的偏好特征向量输入到待训练的商品推荐模型中，以依次确定至少一个推荐商品，其中，针对每个推荐商品，该推荐商品是根据已确定出的推荐商品、所述各商品对应的特征向量以及所述用户偏好特征向量确定出；
以最小化所述至少一个推荐商品与所述历史订单信息实际涉及的各商品的偏差为优化目标，对所述商品推荐模型进行训练，所述商品推荐模型用于对用户进行商品推荐。


2.如权利要求1所述的方法，其特征在于，所述各商品对应的特征信息包括：各商品的实际商品名称、各商品对应的标准商品名称、各商品的属性信息、各商品的业务特征信息中的至少一种。


3.如权利要求1所述的方法，其特征在于，获取各商品的特征信息，具体包括：
确定所述历史订单信息对应的商家；
获取所述商家所提供的各商品在所述商家中的特征信息。


4.如权利要求3所述的方法，其特征在于，根据所述各商品的特征信息，确定各商品对应的特征向量，具体包括：
针对所述商家所提供的每个商品，根据该商品对应的特征信息，确定该商品对应的特征向量；
将所述商家提供的各商品所对应的特征向量合并，得到在所述商家下，所述各商品对应的特征向量。


5.如权利要求4所述的方法，其特征在于，将所述各商品对应的特征向量以及所述用户偏好特征向量输入到待训练的商品推荐模型中，以依次确定至少一个推荐商品，具体包括：
将所述各商品对应的特征向量以及所述用户偏好特征向量输入到待训练的商品推荐模型中，以使所述商品推荐模型针对每个推荐商品，根据在所述商家下所述各商品对应的特征向量，已确定出的推荐商品在所述商家下对应的特征向量以及所述用户对应的偏好特征向量，确定该推荐商品。


6.如权利要求1所述的方法，其特征在于，根据用户的历史订单信息，确定所述用户对应的偏好特征向量，具体包括：
确定所述历史订单信息涉及的各商品对应的各属性信息；
根据所述历史订单信息，确定所述各属性信息对应的属性频次；
根据所述历史订单信息涉及的各商品的属性信息以及所述各属性信息对应的属性频次，确定所述用户对应的偏好特征向量。


7.一种商品推荐方法，其特征在于，包括：
获取各商品的特征信息以及用户的历史订单信息；
根据所述各商品的特征信息，确定各商品对应的特征向量；
根据所述用户的历史订单信息，确定所述用户对应的偏好特征向量，作为第一偏好特征向量；
将所述各商品对应的特征向量以及所述第一偏好特征向量输入到预先训练的商品推荐模型中，得到各待推荐商品，所述商品推荐模型是通过上述权利要求1～6所述的方法训练得到的；
根据所述各待推荐商品，向所述用户进行商品推荐。


8.如权利要求7所述的方法，其特征在于，根据所述各待推荐商品，向所述用户进行商品推荐，具体包括：
根据所述各待推荐商品对应的特征向量以及预先训练的商品筛选模型，从所述各待推荐商品中筛选出至少一个推荐商品，并将所述至少一个推荐商品推荐给所述用户。


9.如权利要求8所述的方法，其特征在于，获取各商品的特征信息以及用户的历史订单信息...

【专利技术属性】
技术研发人员：方瑞玉，杨林，胡懋地，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11