商品推荐方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种商品推荐方法、装置、计算机设备和存储介质。所述方法包括：获取用户画像标签，根据用户画像标签确定目标用户群；根据目标用户群中各用户对应的商品画像标签生成目标用户群的商品召回池，商品召回池中包括至少一个待推荐商品；利用预先训练的商品点击率预测模型对各个待推荐商品的点击率进行预测，得到各个待推荐商品对应的点击率分值；其中，商品点击率预测模型根据样本用户的历史点击行为数据进行训练，历史点击行为数据为样本用户在历史的任意一个或多个时间段内对商品触发点击行为而生成的行为数据；根据各个待推荐商品的点击率分值进行商品推荐。采用本方法能够提高商品推荐的准确性。能够提高商品推荐的准确性。能够提高商品推荐的准确性。

【技术实现步骤摘要】
商品推荐方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机
，特别是涉及一种商品推荐方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着计算机技术的发展，电子商务平台越来越受到关注，然而，商品的数量和种类不断增长，如何从大量商品中为用户精准推荐商品成为急需解决的问题。传统的商品推荐算法精度低、个性化不强，因此，无法为用户准确推荐商品，导致商品点击率、曝光率下降。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种能够提高商品推荐准确性的商品推荐方法、装置、计算机设备和存储介质。
[0004]一种商品推荐方法，该方法包括：
[0005]获取用户画像标签，根据用户画像标签确定目标用户群；
[0006]根据目标用户群中各用户对应的商品画像标签生成目标用户群的商品召回池，商品召回池中包括至少一个待推荐商品；
[0007]利用预先训练的商品点击率预测模型对各个待推荐商品的点击率进行预测，得到各个待推荐商品对应的点击率分值；其中，商品点击率预测模型根据样本用户的历史点击行为数据进行训练，历史点击行为数据为样本用户在历史的任意一个或多个时间段内对商品触发点击行为而生成的行为数据；
[0008]根据各个待推荐商品的点击率分值进行商品推荐。
[0009]在其中一个实施例中，根据各个待推荐商品的点击率分值进行商品推荐，包括：
[0010]采集各个待推荐商品对应的用户行为信息，根据各用户行为信息确定用户行为分值；
[0011]根据各点击率分值以及各用户行为分值对各个待推荐商品进行综合评分，根据综合评分的结果进行商品推荐。
[0012]在其中一个实施例中，商品画像标签包括价格标签和销量标签，根据目标用户群中各用户对应的商品画像标签生成目标用户群的商品召回池，包括：
[0013]分别获取目标用户群中各用户的商品数据集；
[0014]根据价格标签从各商品数据集中筛选价格符合预设区间的商品以生成商品备选池；
[0015]根据销量标签对商品备选池中的商品按照销量的高低进行排序，从排序后的商品中筛选预设数量的商品以生成商品召回池。
[0016]在其中一个实施例中，商品点击率预测模型的训练方法包括：
[0017]获取样本用户的历史点击行为数据；
[0018]根据历史点击行为数据从样本用户对应的已点击商品中筛选特征商品；
[0019]根据各个特征商品的编码信息生成特征数据；
[0020]根据多个样本用户的特征数据组成的特征数据集对商品点击率预测模型进行训练。
[0021]在其中一个实施例中，根据历史点击行为数据从样本用户对应的已点击商品中筛选特征商品，包括：
[0022]将相同的已点击商品对应的点击频次进行合并处理；
[0023]根据合并处理后的已点击商品的点击频次进行第一排序处理，筛选点击频次大于预设阈值的已点击商品作为备选已点击商品；
[0024]将备选已点击商品按照点击时间进行第二排序处理，筛选点击时间在预设时间范围内的备选已点击商品作为特征商品。
[0025]在其中一个实施例中，根据各个特征商品的编码信息生成特征数据，包括：
[0026]确定模型输出商品并获取模型输出商品的编码信息和类别标识；
[0027]根据各个特征商品的编码信息为模型输出商品添加点击标签；
[0028]根据各个特征商品的编码信息为各个特征商品添加类别标识，
[0029]根据各个特征商品的编码信息和类别标识、模型输出商品的编码信息和类别标识以及点击标签生成样本用户的特征数据。
[0030]在其中一个实施例中，根据各用户行为信息确定用户行为分值，包括：
[0031]根据各用户行为信息分别对各用户行为进行赋值；
[0032]对各用户行为所赋的分值分别进行归一化处理；
[0033]对归一化处理后的各分值进行求和处理或加权求和处理，得到用户行为分值。
[0034]一种商品推荐装置，该装置包括：
[0035]目标用户确定模块，用于获取用户画像标签，根据用户画像标签确定目标用户群；
[0036]待推荐商品筛选模块，用于根据目标用户群中各用户对应的商品画像标签生成目标用户群的商品召回池，商品召回池中包括至少一个待推荐商品；
[0037]点击率分值预测模块，用于利用预先训练的商品点击率预测模型对各个待推荐商品的点击率进行预测，得到各个待推荐商品对应的点击率分值；其中，商品点击率预测模型根据样本用户的历史点击行为数据进行训练，历史点击行为数据为样本用户在历史的任意一个或多个时间段内对商品进行点击行为而生成的行为数据；
[0038]商品推荐模块，用于根据各个待推荐商品的点击率分值进行商品推荐。
[0039]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例的商品推荐方法的步骤。
[0040]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例的商品推荐方法的步骤。
[0041]上述商品推荐方法、装置、计算机设备和存储介质，一方面，根据用户画像标签和商品画像标签筛选符合用户特征的待推荐商品，另一方面，利用基于样本用户的历史点击行为数据所训练的商品点击率预测模型，预测每个待推荐商品的点击率分值，因此，能够将用户画像、商品画像以及用户对商品的行为数据等多个因素进行结合，且融入了基于机器学习模型的预测算法，采用本方案进行商品推荐，能够从多角度评估商品，提高商品推荐的准确性。
附图说明
[0042]图1为一个实施例中商品推荐方法的流程示意图；
[0043]图2为一个实施例中根据待推荐商品的点击率分值进行商品推荐的步骤的流程示意图；
[0044]图3为一个实施例中商品推荐装置的结构框图；
[0045]图4为一个实施例中计算机设备的内部结构图。
具体实施方式
[0046]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0047]在其中一个实施例中，本申请提供的商品推荐方法可以应用于计算及设备。其中，计算机设备可以是终端或服务器，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
[0048]具体地，计算机设备可以获取用户画像标签，根据用户画像标签确定目标用户群；根据目标用户群中各用户对应的商品画像标签生成目标用户群的商品召回池，商品召回池中包括至少一个待推荐商品；利用预先训练的商品点击率预测模型对各个待推荐商品的点击率进行预测，得到各个待推荐商品对应的点击率分值；其中，商品点击率预测模型根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种商品推荐方法，所述方法包括：获取用户画像标签，根据所述用户画像标签确定目标用户群；根据所述目标用户群中各用户对应的商品画像标签生成所述目标用户群的商品召回池，所述商品召回池中包括至少一个待推荐商品；利用预先训练的商品点击率预测模型对各所述待推荐商品的点击率进行预测，得到各所述待推荐商品对应的点击率分值；其中，所述商品点击率预测模型根据样本用户的历史点击行为数据进行训练，所述历史点击行为数据为所述样本用户在历史的任意一个或多个时间段内对商品触发点击行为而生成的行为数据；根据各所述待推荐商品的点击率分值进行商品推荐。2.根据权利要求1所述的方法，其特征在于，所述根据各所述待推荐商品的点击率分值进行商品推荐，包括：采集各所述待推荐商品对应的用户行为信息，根据各所述用户行为信息确定用户行为分值；根据各所述点击率分值以及各所述用户行为分值对各所述待推荐商品进行综合评分，根据综合评分的结果进行商品推荐。3.根据权利要求1所述的方法，其特征在于，所述商品画像标签包括价格标签和销量标签，所述根据所述目标用户群中各用户对应的商品画像标签生成所述目标用户群的商品召回池，包括：分别获取所述目标用户群中各用户的商品数据集；根据所述价格标签从各所述商品数据集中筛选价格符合预设区间的商品以生成商品备选池；根据所述销量标签对所述商品备选池中的商品按照销量的高低进行排序，从排序后的商品中筛选预设数量的商品以生成所述商品召回池。4.根据权利要求1或2或3所述的方法，其特征在于，所述商品点击率预测模型的训练方法包括：获取样本用户的历史点击行为数据；根据所述历史点击行为数据从所述样本用户对应的已点击商品中筛选特征商品；根据各所述特征商品的编码信息生成特征数据；根据多个所述样本用户的特征数据组成的特征数据集对所述商品点击率预测模型进行训练。5.根据权利要求4所述的方法，其特征在于，所述根据所述历史点击行为数据从所述样本用户对应的已点击商品中筛选特征商品，包括：将相同的已点击商品对应的点击频次进行合并处理；根据合并处理后的已点击商品的点击频次进行第一排序处理，筛选点击频次...

【专利技术属性】
技术研发人员：杨德升，
申请(专利权)人：创优数字科技广东有限公司，
类型：发明
国别省市：