【技术实现步骤摘要】
商品组合的推荐方法、装置及存储介质
[0001]本申请属于推荐领域，特别涉及一种商品组合的推荐方法、装置及存储介质。
技术介绍
[0002]电商平台推荐的商品组合通常是由商家来设定的，缺少针对用户的个性化的组合，电商、音乐以及电影等在线平台使用推荐系统为用户在各种各样的商品和文化产品中挑选更符合用户心意的选项。目前来说，电商、电影以及音乐等平台中应用了个性化的组合推荐技术，向用户推荐组合时，主要是基于用户历史记录，针对用户偏好为其推荐喜欢的组合。
[0003]基于用户偏好的个性化组合推荐技术，大多是基于用户的历史购买和评分行为，专注推荐结果的准确性，具体的是将推荐任务转化为图结构网络上节点之间的链接预测问题，构建模型预测用户节点与组合节点存在链接的可能性，据此向该用户推荐组合。
[0004]但是基于用户偏好的个性化组合推荐技术，忽视了用户的多样性需求，导致了过滤气泡问题，用户也会对频繁反复出现的产品感到厌烦，降低对平台的信任度。
技术实现思路
[0005]本申请的目的在于提供一种商...
【技术保护点】
【技术特征摘要】
1.一种商品组合的推荐方法，其特征在于，包括：获取待进行商品组合推荐的N个用户所对应的用户特征、商品集合的商品特征和商品组合集合所对应的商品组合特征，其中，所述N为大于或等于2的整数，所述商品集合和所述商品组合集合与所述N个用户相对应；确定所述N个用户所对应的用户惊喜度特征、所述商品集合所对应的商品惊喜度特征以及所述商品组合集合所对应的商品组合惊喜度特征；根据所述用户特征、所述商品组合特征、所述商品特征、所述用户惊喜度特征、所述商品惊喜度特征以及所述商品组合惊喜度特征构建用户嵌入向量、商品嵌入向量和商品组合嵌入向量；根据所述用户嵌入向量、所述商品嵌入向量和所述商品组合嵌入向量确定所述N个用户对所述商品组合集中每个商品的偏好得分和所述N个用户对所述商品集合中每个商品组合的偏好得分；根据所述商品的偏好得分和所述商品组合的偏好得分确定所述商品组合的最终偏好得分；确定所述商品组合集合中最终偏好得分大于预设阈值的商品组合子集；将所述商品组合子集向目标用户推荐，所述目标用户为所述N个用户中的任意一个用户。2.根据权利要求1所述的方法，其特征在于，所述确定所述N个用户所对应的用户惊喜度特征、所述商品集合所对应的商品惊喜度特征以及所述商品组合集合所对应的商品组合惊喜度特征包括：获取所述目标用户所购买的商品种类数、所述商品集合所对应商品总种类数、所述目标用户重复购买一个商品的最大次数、所述目标用户所购买的商品总数；根据所述商品种类数、所述商品总种类数、所述目标用户重复购买一个商品的最大次数和所述商品总数确定所述目标用户的用户惊喜度特征；获取目标商品组合所覆盖的用户群体数、总的用户群体数、所有的用户群体中购买所述目标商品组合最多的用户群体的用户数、购买所述目标商品组合的用户数，所述目标商品组合为所述商品组合集合中的每个商品组合；根据所述用户群体数、所述总的用户群体数、所述购买所述目标商品组合最多的用户群体的用户数和购买所述目标商品组合的用户数确定所述目标商品组合的商品组合惊喜度特征；获取目标商品所覆盖的用户群体数、购买所述目标商品最多的用户群体所包含的用户数、购买所述目标商品的所有用户数，所述目标商品为所述商品组合中的任意一个商品；根据所述目标商品所覆盖的用户群体数、购买所述目标商品最多的用户群体所包含的用户数和购买所述目标商品的所有用户数确定所述商品惊喜度特征。3.根据权利要求1所述的方法，其特征在于，所述将所述商品组合子集向目标用户推荐包括：根据所述用户惊喜度特征、所述商品惊喜度特征和所述商品组合惊喜度特征计算推荐惊喜度；确定所述商品组合子集中每个商品组合的大小偏差；
根据所述推荐惊喜度、所述大小偏差以及所述商品组合子集中每个商品组合的最终偏好得分确定所述商品组合子集中每个商品组合的推荐得分；根据所述商品组合子集中每个商品组合的推荐得分将所述商品组合子集中的商品组合向所述目标用户推荐。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述将所述商品组合子集向目标用户推荐包括：确定所述商品组合子集中每个商品组合内商品所对应的邻居商品；根据所述邻居商品对所述商品组合子集中每个商品组合内的商品进行调整；将调整后的所述商品组合子集向所述目标用户推荐。5.根据权利要求1至3中任一项所述的方法，其特征在于，...
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。