一种基于资讯的商品推荐方法技术

本发明专利技术涉及一种基于资讯的商品推荐方法，包括：获取历史数据，采用相关等级标注方式，对历史数据进行前期标注；将标注等级数据组合作为训练标的，通过模型训练，得到多个初始推荐模型；基于分数矩阵，分别计算多个初始推荐模型对应的损失函数，筛选出损失函数值最小的初始推荐模型，以作为验证用推荐模型；对验证用推荐模型进行相应验证，得到最终推荐模型；将实际的资讯名称以及所有商品数据输入最终推荐模型，输出得到相应的推荐商品。与现有技术相比，本发明专利技术能够有效提升标注效率与相关关系丰富程度，进而保证构建模型的准确性，即保证后续商品推荐的准确性。后续商品推荐的准确性。后续商品推荐的准确性。

【技术实现步骤摘要】
一种基于资讯的商品推荐方法


[0001]本专利技术涉及商品推荐
，尤其是涉及一种基于资讯的商品推荐方法。

技术介绍

[0002]提升转化率是媒体平台的核心指标之一，商品推荐是实现这一目标的利器，一般分为显性推荐和隐性推荐，其中，显性推荐是以平台自身的优质商品为前提，集中包装以后，通过加入商品新鲜度、热门度、价格折扣、商品质量等维度，再推荐给顾客，这种方式的需求定位不直接、转化率相对不高；而隐性推荐则是以用户的潜在需求为前提，通过提取出相应的商品，定向推送不同商品给不同用户，这种方式的需求定位直接、转化率较高，然而随着各类平台涌现出的海量资讯信息，如何快速、精准地挖掘出用户感兴趣的商品，则是该方式亟需解决的问题。
[0003]现有针对资讯的商品推荐主要为冷启动，需要人工对资讯和商品进行判定，将与资讯相似度高的商品作为正例、相似度低的商品作为负例，根据资讯特征向量+商品特征向量+人工标签组合进行训练，计算资讯和商品间的相似度，以交叉熵作为模型损失函数。这种正负例打标方式存在效率低的问题，比如：若对某篇资讯和10件商品进行了标注，则只能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于资讯的商品推荐方法，其特征在于，包括以下步骤：S1、获取历史数据，采用相关等级标注方式，对历史数据进行前期标注；S2、将标注等级数据组合作为训练标的，通过模型训练，得到多个初始推荐模型；S3、基于分数矩阵，分别计算多个初始推荐模型对应的损失函数，筛选出损失函数值最小的初始推荐模型，以作为验证用推荐模型；S4、对验证用推荐模型进行相应验证，得到最终推荐模型；S5、将实际的资讯名称以及所有商品数据输入最终推荐模型，输出得到相应的推荐商品。2.根据权利要求1所述的一种基于资讯的商品推荐方法，其特征在于，所述步骤S1具体是针对历史数据中的资讯名称，对历史数据中不同商品分别进行相关等级标注。3.根据权利要求2所述的一种基于资讯的商品推荐方法，其特征在于，所述相关等级标注包括：0，意为无关商品；1，意为较相关商品；2，意为高度相关商品。4.根据权利要求2所述的一种基于资讯的商品推荐方法，其特征在于，所述步骤S2中标注等级数据组合具体为：资讯向量+正例商品向量+负例商品向量。5.根据权利要求4所述的一种基于资讯的商品推荐方法，其特征在于，所述正例商品与负例商品为相对关系，针对任意两件商品组合，相关等级标注数值较高者即为正例商品、相关等级标注数值较低者则为负例商品。6.根据权利要求4所述的一种基于资讯的商品推荐方法，其特征在于，所述步骤S3具体包括以下步骤：S31、通过语义模型，...

【专利技术属性】
技术研发人员：鲁羽佳，赵权有，陈俊，冯耀，周霄龙，徐朋兵，魏超伟，
申请(专利权)人：上海浦东发展银行股份有限公司，
类型：发明
国别省市：