【技术实现步骤摘要】
物品推荐方法、装置及计算机可读存储介质
[0001]本公开涉及计算机
，特别涉及一种物品推荐方法、装置及计算机可读存储介质。
技术介绍
[0002]随着互联网技术和大数据的发展，网上购物成为了越来越多的用户的选择。专利技术人发现，面对数量庞大的商品，如何能最大限度地挖掘用户的需求，从而实现个性化推荐，是各大电商平台急需解决的问题。
技术实现思路
[0003]本公开提供一种能够为用户自动推荐物品的方案。
[0004]在本公开的实施例中，利用混合逻辑回归模型得到物品推荐模型，借助混合逻辑回归模型先聚类后分类的特性，使得物品推荐模型基于相似群体进行物品推荐，提高推荐的有效性；并且，通过计算损失函数的二阶梯度，来优化混合逻辑回归模型的收敛方式，使得混合逻辑回归模型更快收敛，提高了训练效率。
[0005]根据本公开的一些实施例，提供一种物品推荐方法，包括：
[0006]获取待推荐用户对应的候选物品集合；
[0007]将待推荐用户的特征数据以及所述候选物品集合中的所有物品的特征数据输...
【技术保护点】
【技术特征摘要】
1.一种物品推荐方法，包括：获取待推荐用户对应的候选物品集合；将待推荐用户的特征数据以及所述候选物品集合中的所有物品的特征数据输入到物品推荐模型进行处理，得到所述待推荐用户对所述候选物品集合中的每个物品的点击通过率，其中，所述物品推荐模型是利用混合逻辑回归模型训练得到的；根据点击通过率满足预设条件的相应物品，对所述待推荐用户进行物品推荐。2.根据权利要求1所述的物品推荐方法，其中，利用混合逻辑回归模型训练得到所述物品推荐模型包括：将训练数据集输入混合逻辑回归模型进行处理，输出所述训练数据集中的每条训练数据相应的用户对相应的物品的点击通过率，所述训练数据集包括多条训练数据，每条训练数据包括一个用户和与所述用户相关联的一个物品的特征数据以及所述用户对所述物品的行为的等级标签；根据训练数据相应的用户对相应的物品的点击通过率与训练数据相应的所述用户对所述物品的行为的等级标签，确定预设损失函数的损失；基于所述损失计算的损失函数的二阶梯度值，更新所述混合逻辑回归模型的参数，继续训练，直到满足预设的终止条件，将训练得到的所述混合逻辑回归模型作为所述物品推荐模型。3.根据权利要求2所述的物品推荐方法，其中，根据用户对物品的行为特征，确定所述用户对所述物品的行为的等级标签；其中，用户对物品的行为特征包括：用户对物品的搜索行为特征、用户对物品的浏览行为特征、用户对物品的点击行为特征、用户对物品的购买行为特征中的一项或多项。4.根据权利要求1所述的物品推荐方法，其中，所述获取待推荐用户对应的候选物品集合包括：通过召回预设的召回策略相应的物品，获取待推荐用户对应的候选物品集合。5.根据权利要求4所述的物品推荐方法，其中，所述召回策略被配置为召回预设事件相应的物品；或者，所述召回策略被配置为召回与预设物品集合中的物品的相似度大于预设值的物品，其中，所述预设物品集合包括与待推荐用户有直接行为的物品；或者，所述召回策略被配置为召回与所述预设物品集合中的物品的预设特征值相同的物品；或者，所述召回策略被配置为召回所述预设物品集合中的预设特征值大于预设值的物品；或者，所述召回策略被配置为召回统计特征值满足预设条件的物品；或者，所述召回策略被配置为召回所述待推荐用户有直接行为的物品；或者，所述召回策略被配置为召回预设区域内或预设时间内的预设业务场景下相应的物品；或者，所述召回策略被配置为召回捕捉的剪切板内容下相应的物品；或者，所述召回策略被配置为召回与所述预设物品集合中的物品的关系权重大于预设值所对应的物品。
6.根据权利要求1所述的物品推荐方法，其中，根据点击通过率满足预设条件的相应物品，...
【专利技术属性】
技术研发人员：王颖帅，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：
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。