一种针对线下用户的物品推荐方法及系统、存储介质技术方案

一种针对线下用户的物品推荐方法及系统、存储介质，该方法包括：获取线下用户的属性信息；获取与该属性信息匹配的用户偏好物品类别，并从该用户偏好物品类别中选取出至少一个用户偏好物品；提取至少一个用户偏好物品对应的目标特征向量；计算目标特征向量与物品资源库中的每一物品的特征向量之间的相似度；从物品资源库中选取出待推荐物品；目标特征向量与待推荐物品的特征向量之间的相似度高于指定相似度，该待推荐物品的特征向量属于该物品资源库中的物品的特征向量；向该线下用户推荐选取出的待推荐物品。本申请能够在无法捕获到线下用户的行为数据以及线下用户没有主动提供其偏好数据的情况下，有效的针对线下用户进行物品(如商品)推荐。物品(如商品)推荐。物品(如商品)推荐。

【技术实现步骤摘要】
一种针对线下用户的物品推荐方法及系统、存储介质


[0001]本申请涉及网络
，尤其涉及一种针对线下用户的物品推荐方法及系统、存储介质。

技术介绍

[0002]传统的商品推荐系统一般都是通过捕获线上用户的行为数据来挖掘出线上用户的商品偏好，然后再根据线上用户的商品偏好进一步向线上用户进行商品推荐。然而，对于线下用户而言，传统的商品推荐系统往往难以捕获到线下用户的行为数据，在线下用户没有主动提供其偏好数据的情况下，如何有效的针对线下用户进行商品推荐是传统的商品推荐系统急需解决的一个难点。

技术实现思路

[0003]本申请实施例公开了一种针对线下用户的物品推荐方法及系统、存储介质，能够在无法捕获到线下用户的行为数据以及线下用户没有主动提供其偏好数据的情况下，有效的针对线下用户进行物品(如商品)推荐。
[0004]本申请实施例第一方面公开一种针对线下用户的物品推荐方法，所述方法包括：
[0005]获取线下用户的属性信息；
[0006]获取与所述属性信息匹配的用户偏好物品类别，并从所述用户偏好物品类别中选取出至少一个用户偏好物品；
[0007]提取所述至少一个用户偏好物品对应的目标特征向量；
[0008]计算所述目标特征向量与物品资源库中的每一物品的特征向量之间的相似度；
[0009]从所述物品资源库中选取出待推荐物品；所述目标特征向量与所述待推荐物品的特征向量之间的所述相似度高于指定相似度；所述待推荐物品的特征向量属于所述物品资源库中的物品的特征向量；r/>[0010]向所述线下用户推荐所述待推荐物品。
[0011]作为一种可选的实施方式，在本申请实施例第一方面中，所述提取所述至少一个用户偏好物品对应的目标特征向量之后，以及所述计算所述目标特征向量与物品资源库中的每一物品的特征向量之间的相似度之前，所述方法还包括：
[0012]识别所述线下用户所处环境中的各个物品；
[0013]将识别出的所述各个物品组成物品资源库。
[0014]作为一种可选的实施方式，在本申请实施例第一方面中，所述获取线下用户的属性信息，包括：
[0015]通过摄像设备获取线下用户的用户图像；
[0016]对所述线下用户的用户图像进行分析，获得所述线下用户的属性信息。
[0017]作为一种可选的实施方式，在本申请实施例第一方面中，所述获取与所述属性信息匹配的用户偏好物品类别，包括：
[0018]确定所述属性信息对应的各个偏好物品类别的热度权重；
[0019]根据所述属性信息对应的各个偏好物品类别的热度权重，从所述各个偏好物品类别中确定出所述热度权重最大的偏好物品类别，作为与所述属性信息匹配的用户偏好物品类别。
[0020]作为一种可选的实施方式，在本申请实施例第一方面中，所述提取所述至少一个用户偏好物品对应的目标特征向量，包括：
[0021]利用特征提取器提取所述至少一个用户偏好物品各自对应的特征向量；
[0022]对所述至少一个用户偏好物品各自对应的特征向量求平均值，作为所述至少一个用户偏好物品对应的目标特征向量。
[0023]本申请实施例第二方面公开一种针对线下用户的物品推荐系统，所述方法包括：
[0024]第一获取单元，用于获取线下用户的属性信息，所述属性信息至少包括所述线下用户的性别和年龄；
[0025]第二获取单元，用于获取与所述属性信息匹配的用户偏好物品类别；
[0026]选取单元，用于从所述用户偏好物品类别中选取出至少一个用户偏好物品；
[0027]提取单元，用于提取所述至少一个用户偏好物品对应的目标特征向量；
[0028]计算单元，用于计算所述目标特征向量与物品资源库中的每一物品的特征向量之间的相似度；
[0029]所述选取单元，还用于从所述物品资源库中选取出待推荐物品；所述目标特征向量与所述待推荐物品的特征向量之间的所述相似度高于指定相似度；所述待推荐物品的特征向量属于所述物品资源库中的物品的特征向量；
[0030]推荐单元，用于向所述线下用户推荐所述待推荐物品。
[0031]作为一种可选的实施方式，在本申请实施例第二方面中，所述物品推荐系统还包括：
[0032]识别单元，用于在所述提取单元提取所述至少一个用户偏好物品对应的目标特征向量之后，以及所述计算单元计算所述目标特征向量与物品资源库中的每一物品的特征向量之间的相似度之前，识别所述线下用户所处环境中的各个物品；
[0033]组成单元，用于将识别出的所述各个物品组成物品资源库。
[0034]作为一种可选的实施方式，在本申请实施例第二方面中，所述第一获取单元包括：
[0035]第一获取子单元，用于通过摄像设备获取线下用户的用户图像；
[0036]分析子单元，用于对所述线下用户的用户图像进行分析，获得所述线下用户的属性信息。
[0037]作为一种可选的实施方式，在本申请实施例第二方面中，所述第二获取单元包括：
[0038]第一确定子单元，用于确定所述属性信息对应的各个偏好物品类别的热度权重；
[0039]第二确定子单元，用于根据所述属性信息对应的各个偏好物品类别的热度权重，从所述各个偏好物品类别中确定出所述热度权重最大的偏好物品类别，作为与所述属性信息匹配的用户偏好物品类别。
[0040]作为一种可选的实施方式，在本申请实施例第二方面中，所述提取单元包括：
[0041]提取子单元，用于利用特征提取器提取所述至少一个用户偏好物品各自对应的特征向量；
[0042]平均单元，用于对所述至少一个用户偏好物品各自对应的特征向量求平均值，作为所述至少一个用户偏好物品对应的目标特征向量。
[0043]本申请实施例第三方面公开一种针对线下用户的物品推荐系统，包括：
[0044]存储有可执行程序代码的存储器；
[0045]与所述存储器耦合的处理器；
[0046]所述处理器调用所述存储器中存储的所述可执行程序代码，执行本申请实施例第一方面公开的所述针对线下用户的物品推荐方法的步骤。
[0047]本申请实施例第四方面公开一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机指令，所述计算机指令运行时使计算机执行本申请实施例第一方面公开的所述针对线下用户的物品推荐方法的步骤。
[0048]与现有技术相比，本申请实施例具有以下有益效果：
[0049]本申请实施例中，通过“线下用户的属性信息(至少包括线下用户的性别和年龄)—>用户偏好物品类别—>某些用户偏好物品—>物品特征向量比对—>待推荐物品”的创新方式能够在无法捕获到线下用户的行为数据以及线下用户没有主动提供其偏好数据的情况下，有效的针对线下用户进行物品(如商品)推荐。
[0050]此外，实施本申请实施例，不仅可以将新的没有被推荐过的物品(如线上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对线下用户的物品推荐方法，其特征在于，所述方法包括：获取线下用户的属性信息；获取与所述属性信息匹配的用户偏好物品类别，并从所述用户偏好物品类别中选取出至少一个用户偏好物品；提取所述至少一个用户偏好物品对应的目标特征向量；计算所述目标特征向量与物品资源库中的每一物品的特征向量之间的相似度；从所述物品资源库中选取出待推荐物品；所述目标特征向量与所述待推荐物品的特征向量之间的相似度高于指定相似度；所述待推荐物品的特征向量属于所述物品资源库中的物品的特征向量；向所述线下用户推荐所述待推荐物品。2.根据权利要求1所述的物品推荐方法，其特征在于，所述提取所述至少一个用户偏好物品对应的目标特征向量之后，以及所述计算所述目标特征向量与物品资源库中的每一物品的特征向量之间的相似度之前，所述方法还包括：识别所述线下用户所处环境中的各个物品；将识别出的所述各个物品组成物品资源库。3.根据权利要求1或2所述的物品推荐方法，其特征在于，所述获取线下用户的属性信息，包括：通过摄像设备获取线下用户的用户图像；对所述线下用户的用户图像进行分析，获得所述线下用户的属性信息。4.根据权利要求3所述的物品推荐方法，其特征在于，所述获取与所述属性信息匹配的用户偏好物品类别，包括：确定所述属性信息对应的各个偏好物品类别的热度权重；根据所述属性信息对应的各个偏好物品类别的热度权重，从所述各个偏好物品类别中确定出所述热度权重最大的偏好物品类别，作为与所述属性信息匹配的用户偏好物品类别。5.根据权利要求4所述的物品推荐方法，其特征在于，所述提取所述至少一个用户偏好物品对应的目标特征向量，包括：利用特征提取器提取所述至少一个用户偏好物品各自对应的特征向量；对所述至少一个用户偏好物品各自对应的特征向量求平均值，作为所述至少一个用户偏好物品对应的目标特征向量。6.一种针对...

【专利技术属性】
技术研发人员：邱念，杨天宝，黄轩，王孝宇，
申请(专利权)人：深圳云天励飞技术有限公司，
类型：发明
国别省市：