基于知识图谱的商品信息推荐方法、电子设备及存储介质技术

本发明专利技术实施例涉及互联网技术领域，公开了一种基于知识图谱的商品信息推荐方法、电子设备及存储介质。通过构建以店铺和用户为节点的第一图谱，第一图谱中的边设置在具有访问关系的用户和店铺之间，每个边赋予第一权重值；构建第二图谱；第二图谱中的节点为第一图谱中的各店铺和用户集，第二图谱中的边设置在具有访问关系的用户集和店铺之间，每个边赋予第二权重值；保留第二图谱中呈闭环连接的所有环形图形成第三图谱，确定第三图谱中相邻两个店铺之间对应的店铺类别访问顺序；选择一个环形图中的店铺类别作为第一候选店铺类别；将所属第一候选店铺类别的店铺中的商品信息推荐给目标用户，以实现主动向用户推荐商品信息的目的。以实现主动向用户推荐商品信息的目的。以实现主动向用户推荐商品信息的目的。

【技术实现步骤摘要】
基于知识图谱的商品信息推荐方法、电子设备及存储介质


[0001]本专利技术实施例涉及互联网
，特别涉及一种基于知识图谱的商品信息推荐方法、电子设备及存储介质。

技术介绍

[0002]随着电商平台不断向用户提供完善、便捷和高效的销售服务，越来越多的用户更偏向在电商平台购买商品。电商平台相对于传统实体商店具备一个明显优点就是可以同时展示、销售的商品种类不受限制。但同时，由于电商平台上入驻的店铺很多、可选择的商品也很多，这给用户在寻找商品时带来一定烦恼。为此，很多电商平台会主动向用户推荐商品，用户若对推荐的商品感兴趣，便可快速进入购买环节，不仅为用户提供了购物便利，而且增加了电商平台的销售业绩。
[0003]目前，商品推荐的方法一般是通过用户历史搜索过的关键词或已经浏览过的商品信息在电商平台的数据库中检索，把检索到的商品作为推荐商品推荐给用户。然而，电商平台使用的检索服务一般是基于商品的分类搭建的，这样容易导致最后推荐给用户的商品仅仅是该用户以往购买过或者与购买过的是相同类别的商品，对于普通用户来说再次购买这些商品的可能性较低，而且这种推荐商品的方式也不利于对该用户在其他类别商品的购买环节的挖掘，从而使得商品推荐的成功率较低。

技术实现思路

[0004]本专利技术实施方式的目的在于提供一种基于知识图谱的商品信息推荐方法、电子设备及存储介质，能够向用户提供贴合用户需求的种类多样化的商品，提高商品推荐的成功率。
[0005]为解决上述技术问题，本专利技术的实施方式提供了一种基于知识图谱的商品信息推荐方法，包括：对电商平台上入驻的店铺的特征信息进行聚类，确定每个店铺所属的店铺类别；获取用户在所述电商平台上访问店铺时的行为信息；构建以所述店铺和所述用户为节点的第一图谱，所述第一图谱中的边设置在具有访问关系的用户和店铺之间，每个边赋予第一权重值，所述第一权重值通过该边所对应的访问关系中的行为信息所反映的用户对店铺的偏好度确定；针对所述第一图谱中每两个店铺，统计与所述两个店铺之间均存在有边的第一用户组建用户集；构建第二图谱；所述第二图谱中的节点为所述第一图谱中的各店铺和组建得到的各用户集，所述第二图谱中的边设置在具有访问关系的用户集和店铺之间，每个边赋予第二权重值，该第二权重值为该边所包含的所有用户与店铺之间对应边的第一权重值之和；保留所述第二图谱中呈闭环连接的所有环形图形成第三图谱，确定所述第三图谱中相邻两个店铺之间对应的店铺类别访问顺序；
根据目标用户在所述电商平台最近访问的店铺的特征信息和各所述店铺类别包含的店铺的特征信息之间的相似度，确定目标用户在所述电商平台最近访问的店铺类别，以及相邻访问的两个店铺对应的店铺类别访问顺序；根据位于所述第三图谱的各所述环形图中的和所述目标用户最近访问的两组店铺类别之间的相似度和两组店铺类别的店铺类别访问顺序之间的相似度，选择一个所述环形图中所包含的店铺类别作为第一候选店铺类别；将所属所述第一候选店铺类别的店铺中的商品信息推荐给所述目标用户。
[0006]本专利技术的实施方式还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的基于知识图谱的商品信息推荐方法。
[0007]本专利技术的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的基于知识图谱的商品信息推荐方法。
[0008]本专利技术实施方式相对于现有技术而言，通过对电商平台上入驻的店铺的特征信息进行聚类，确定每个店铺所属的店铺类别；获取用户在电商平台上访问店铺时的行为信息；构建以店铺和用户为节点的第一图谱，第一图谱中的边设置在具有访问关系的用户和店铺之间，每个边赋予第一权重值，第一权重值通过该边所对应的访问关系中的行为信息所反映的用户对店铺的偏好度确定；针对第一图谱中每两个店铺，统计与两个店铺之间均存在有边的第一用户组建用户集；构建第二图谱；第二图谱中的节点为第一图谱中的各店铺和组建得到的各用户集，第二图谱中的边设置在具有访问关系的用户集和店铺之间，每个边赋予第二权重值，该第二权重值为该边所包含的所有用户与店铺对应边的第一权重值之和；保留第二图谱中呈闭环连接的所有环形图形成第三图谱，确定第三图谱中相邻两个店铺之间对应的店铺类别访问顺序；根据目标用户在电商平台最近访问的店铺的特征信息和各店铺类别包含的店铺的特征信息之间的相似度，确定目标用户在电商平台最近访问的店铺类别，以及相邻访问的两个店铺对应的店铺类别访问顺序；根据位于第三图谱的各环形图中的和所述目标用户最近访问的两组店铺类别之间的相似度和两组店铺类别的店铺类别访问顺序之间的相似度，选择一个环形图中所包含的店铺类别作为第一候选店铺类别；将所属第一候选店铺类别的店铺中的商品信息推荐给目标用户，以实现主动向用户推荐商品信息的目的。本方案中利用每个用户可以顺序访问多个店铺，而每个店铺又可以同时被多个用户同时访问的这种关联传递方式生成图谱，实现通过多个用户群将多个店铺关联形成环形图、进而根据店铺所属的店铺类别将多种店铺类型进行关联形成环形图，而这种闭环图恰恰体现了店铺之间、店铺类型之间隐含的关联访问的时间顺序关系；因此在确定目标用户也存在与环形图中店铺类别相似和店铺类别访问顺序相似的访问店铺经历时，可以及时向目标用户提供环形图中涵盖的店铺类别的店铺中的商品信息；以店铺类别为推荐维度相较于以商品为推荐维度所推荐的商品信息内容会更丰富，甚至可以跨越目标用户近期访问的所有商品类别，从而向用户提供贴合用户需求的种类更多样化的商品，提高商品推荐的成功率。
附图说明
[0009]一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
[0010]图1是根据本专利技术实施方式的基于知识图谱的商品信息推荐方法的具体流程图；图2是根据本专利技术实施方式的第一图谱的结构示意图；图3是根据本专利技术实施方式的行为特征向量的组成示意图；图4是根据本专利技术实施方式的第二图谱的结构示意图；图5是根据本专利技术实施方式的第三图谱的结构示意图；图6是根据本专利技术实施方式的电子设备的结构示意图。
具体实施方式
[0011]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本专利技术各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。
[0012]本专利技术的一实施方式涉及一种基于知识图谱的商品信息推荐方法，其执行主体为电商平台或者与电商平台通过网络通信连接的服务器。如图1所示，本实施例提供的基于知识图谱的商品信息推荐方法包括如下步骤。
[0013]步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱的商品信息推荐方法，其特征在于，包括：对电商平台上入驻的店铺的特征信息进行聚类，确定每个店铺所属的店铺类别；获取用户在所述电商平台上访问店铺时的行为信息；构建以所述店铺和所述用户为节点的第一图谱，所述第一图谱中的边设置在具有访问关系的用户和店铺之间，每个边赋予第一权重值，所述第一权重值通过该边所对应的访问关系中的行为信息所反映的用户对店铺的偏好度确定；针对所述第一图谱中每两个店铺，统计与所述两个店铺之间均存在有边的第一用户组建用户集；构建第二图谱；所述第二图谱中的节点为所述第一图谱中的各店铺和组建得到的各用户集，所述第二图谱中的边设置在具有访问关系的用户集和店铺之间，每个边赋予第二权重值，该第二权重值为该边所包含的所有用户与店铺之间对应边的第一权重值之和；保留所述第二图谱中呈闭环连接的所有环形图形成第三图谱，确定所述第三图谱中相邻两个店铺之间对应的店铺类别访问顺序；根据目标用户在所述电商平台最近访问的店铺的特征信息和各所述店铺类别包含的店铺的特征信息之间的相似度，确定目标用户在所述电商平台最近访问的店铺类别，以及相邻访问的两个店铺对应的店铺类别访问顺序；根据位于所述第三图谱的各所述环形图中的和所述目标用户最近访问的两组店铺类别之间的相似度和两组店铺类别的店铺类别访问顺序之间的相似度，选择一个所述环形图中所包含的店铺类别作为第一候选店铺类别；将所属所述第一候选店铺类别的店铺中的商品信息推荐给所述目标用户。2.根据权利要求1所述的方法，其特征在于，所述对电商平台上入驻的店铺的特征信息进行聚类，确定每个店铺所属的店铺类别，包括：对电商平台上入驻的各店铺的所述特征信息进行编码形成店铺特征向量；对各店铺的所述店铺特征向量进行聚类，得到多个店铺类别和每个店铺类别对应的店铺类别中心向量，标注各店铺所属的店铺类别。3.根据权利要求2所述的方法，其特征在于，所述行为信息所反映的用户对店铺的偏好度通过以下过程确定：对用户访问店铺的所述行为信息按访问店铺的行为类别依次进行编码和拼接形成用户访问店铺的行为特征向量；所述访问店铺的行为类别至少包括：成功购买、加购物车、关注店铺、收藏商品、浏览商品、退换货和投诉；每个行为类别所对应的编码值为该行为类别的执行次数；将所述行为特征向量中各行为类别的编码值与预设的各行为类别对应的权重系数进行加权计算，并将得到的权值作为所述用户对店铺的偏好度。4.根据权利要求3所述的方法，其特征在于，所述保留所述第二图谱中呈闭环连接的所有环形图形成第三图谱，确定所述第三图谱中相邻两个店铺之间对应的店铺类别访问顺序，包括：保留所述第二图谱中呈闭环连接的且包含至少三个用户集的环形图形成所述第三图谱；根据所述环形图中相邻两个店铺之间的用户集中的用户访问该两个店铺的时间顺序
确定该两个店铺之间的店铺访问顺序，并根据该两个店铺的店铺类别确定该两个店铺之间的店铺类别访问顺序。5.根据权利要求4所述的方法，其特征...

【专利技术属性】
技术研发人员：郑学武，刘治国，杨柳风，
申请(专利权)人：北京青麦科技有限公司，
类型：发明
国别省市：