虚拟商品的推荐方法、装置、存储介质及电子设备制造方法及图纸

本公开提供了一种虚拟商品的推荐方法、装置、计算机程序产品、非暂时性计算机可读存储介质及电子设备。该方法包括：获取目标用户的第一行为数据和第二行为数据；分别将第一行为数据和第二行为数据输入第一特征提取模型和第二特征提取模型，得到相应的第一向量值和第二向量值；根据第一向量值和第二向量值，确定目标用户的用户向量值；根据目标用户的用户向量值和目标虚拟商品的商品向量值，确定目标用户购买目标虚拟商品的概率值。本公开的实施例能够提高购买概率计算的准确性，进而提高虚拟商品推荐的成功率。商品推荐的成功率。商品推荐的成功率。

【技术实现步骤摘要】
虚拟商品的推荐方法、装置、存储介质及电子设备


[0001]本公开总体上涉及计算机
，更具体地涉及一种虚拟商品的推荐方法、装置、计算机程序产品、非暂时性计算机可读存储介质及电子设备。

技术介绍

[0002]本部分旨在介绍本领域的一些方面，其可以与下面描述的和/或要求保护的本公开的各个方面相关。相信本部分有助于提供背景信息以便于更好地理解本公开的各个方面。因此，应该理解的是这些陈述应该从这个角度来理解，而不是作为对现有技术的承认。
[0003]在互联网产品的运营中，通过向用户推荐合适的虚拟商品，能够有效提高交易的成功率以及提升用户的使用体验。
[0004]在已知的方案中，通常根据用户的行为数据(例如充值行为数据和互动行为数据等)预测用户购买特定虚拟商品的概率，在此基础上进行虚拟商品推荐。然而，用户的行为数据是多种多样的，例如包括与购买虚拟商品强相关的行为数据和与购买虚拟商品弱相关的行为数据。上述已知的方案对强相关数据和弱相关数据不进行区分，会导致强相关数据被弱相关数据稀释从而降低对用户状态的表达能力，进而降低购买概率预测的精准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种虚拟商品的推荐方法，包括：获取目标用户的第一行为数据和第二行为数据，其中，所述第二行为数据随时间变化的频繁程度高于所述第一行为数据随时间变化的频繁程度；分别将所述第一行为数据和所述第二行为数据输入第一特征提取模型和第二特征提取模型，得到相应的第一向量值和第二向量值；根据所述第一向量值和所述第二向量值，确定所述目标用户的用户向量值；根据所述目标用户的用户向量值和目标虚拟商品的商品向量值，确定所述目标用户购买所述目标虚拟商品的概率值，其中，所述概率值用作向所述目标用户推荐所述目标虚拟商品的依据。2.根据权利要求1所述的方法，其中，所述第一特征提取模型为全连接神经网络，所述第二特征提取模型为时序模型。3.根据权利要求1所述的方法，其中，所述第二行为数据的维数大于所述第一行为数据的维数。4.根据权利要求3所述的方法，其中，所述第一向量值的维数等于所述第二向量值的维数；以及所述根据所述第一向量值和所述第二向量值，确定所述目标用户的用户向量值，包括：将所述第一向量值和所述第二向量值相加，得到所述目标用户的用户向量值。5.根据权利要求1所述的方法，其中，所述根据所述目标用户的用户向量值和目标虚拟商品的商品向量值，确定所述目标用户购买所述目标虚拟商品的概率值，包括：根据所述目标用户的用户向量值和多个目标虚拟商品的商品向量值，确定所述目标用户购买所述多个目标虚拟商品中每个目标虚拟商品的概率值；以及所述方法还包括：将所述多个目标虚拟商品中概率值最高的目标虚拟商品推荐给所述目标用户。6.根据权利要求1所述的方法，其中，根据所述目标用户的用户向量值和目标虚拟商...

【专利技术属性】
技术研发人员：李保敏，
申请(专利权)人：上海幻电信息科技有限公司，
类型：发明
国别省市：