推荐物品的方法、装置、存储介质及电子设备制造方法及图纸

本申请公开了一种推荐物品的方法、装置、存储介质及电子设备。其中，该方法包括：获取目标对象的行为数据，其中，行为数据至少包括：目标对象的购买行为信息；采用用户侧协同过滤模型确定针对目标物品的第一预测指标，采用物品侧协同过滤模型确定针对目标物品的第二预测指标；采用混合预测评分模型对第一预测指标和第二预测指标进行结合，得到目标对象对于每个未购买物品的目标评分；基于目标评分确定待向目标对象推荐的目标物品。本申请解决了相关技术中基于单一模型的串行处理方式，造成的短时间内处理数据的处理量比较有限，数据处理效率低下的技术问题。低下的技术问题。低下的技术问题。

【技术实现步骤摘要】
推荐物品的方法、装置、存储介质及电子设备


[0001]本申请涉及大数据推送领域，具体而言，涉及一种推荐物品的方法、装置、存储介质及电子设备。

技术介绍

[0002]近年来，随着大数据的兴起，数据库与数据挖掘、信息系统与信息管理、图像处理与计算机视觉、社会网络分析、电子商务等很多领域的学者加人消费者行为研究的队伍。同时，这一研究领域也受到了电子商务、社交网络等数字经济形态下的企业的高度关注，消费者行为分析被视为数字经济形态下企业了解其消费者并开展营销活动的有效手段之。在这些新兴的领域，消费者行为研究被称为消费者画像，同时在社会计算等研究领域中占有重要的地位。
[0003]相关技术中，在基于大数据向用户推荐物品时，往往会直接基于某一模型对数据进行分析处理，这种串行的数据处理方式，导致数据在短时间处理量较小，处理量有限，数据处理效率较慢以及最终的推荐结果可能不准确。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本申请实施例提供了一种推荐物品的方法、装置、存储介质及电子设备，以至少本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种推荐物品的方法，其特征在于，包括：获取目标对象的行为数据，其中，所述行为数据至少包括：所述目标对象的购买行为信息；采用用户侧协同过滤模型确定针对目标物品的第一预测指标，采用物品侧协同过滤模型确定针对所述目标物品的第二预测指标，其中，所述第一预测指标和所述第二预测指标均用于指示所述目标对象对所述目标物品的购买概率；采用混合预测评分模型对所述第一预测指标和第二预测指标进行结合，得到所述目标对象对于每个未购买物品的目标评分，其中，第一预测指标和第二预测指标在计算所述目标评分时各自所占的权重不同；基于所述目标评分确定待向所述目标对象推荐的目标物品。2.根据权利要求1所述的方法，其特征在于，基于所述目标评分确定待向所述目标对象推荐的目标物品，包括：获取所述目标对象未购买过物品的总数量；基于所述行为数据确定动态比例，计算所述总数量与所述动态比例的乘积k，其中，k为自然数；对所述每个未购买物品的评分进行排序，确定前k个未购买物品为为目标物品。3.根据权利要求2所述的方法，其特征在于，基于所述行为数据确定动态比例，包括：对所述行为数据进行分析，确定所述目标对象的购买力等级；确定所述目标对象所属的购买力等级对应的比例值为所述动态比例，其中，所述不同的购买力等级对应的比例值不同。4.根据权利要求1所述的方法，其特征在于，基于所述目标评分确定待向所述目标对象推荐的目标物品，包括：获取所述目标对象所述每个未购买物品对应的各个第一类型，基于所述行为数据确定所述目标对象购买频次最多的物品的第二类型；分别基于所述各个第一类型与所述第二类型确定所述每个未购买物品与所述购买频次最多的物品之间的余弦相似度；对所述每个未购买物品的评分进行排序得到排序结果，基于所述排序结果与所述余弦相似度确定所述目标物品。5.根据权利要求4所述的方法，其特征在于，基于所述排序结果与所述余弦相似度确定所述目标物品，包括：获取所述排序结果所述各个未购买物品对应的次序值；获取所述次序值与第一权重的第一乘积，以及所述余弦相似度与第二权重的第二乘积，确定所述各个未购买物品所述第一乘积与所述第二乘积的和值，其中，所述第一权重大于第二...

【专利技术属性】
技术研发人员：槐正，徐冬冬，张涛，姜承祥，付迎鑫，张哲，姬照中，徐锐，王健，徐蕾，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：