本申请涉及电商技术领域中一种商品组合推荐方法及其装置、设备、介质，所述方法包括：获取目标商品相对应的全量商品组合集；基于全量商品组合集中每个商品组合对应的曝光频数和购买频数，确定出相应的置信区间上限值；基于全量商品组合集中每个商品组合对应的曝光频数和购买频数生成采样分布，从采样分布中确定出采样分值；将置信区间上限值和采样分值匹配对应预设的权重后汇总，获得全量商品组合集中每个商品组合对应的探索评分，选取出探索评分满足预设条件的推荐商品组合。本申请能够基于融合多维度探索商品组合曝光后能产生收益的量化数值得出的探索评分，实施商品组合推荐。荐。荐。
【技术实现步骤摘要】
商品组合推荐方法及其装置、设备、介质
[0001]本申请涉及电商
，尤其涉及一种商品组合推荐方法及其相应的装置、计算机设备、计算机可读存储介质。
技术介绍
[0002]商品组合推荐是电商平台中高频使用的推广方式，特别是在基于独立站的电商平台中，各个独立站的新商品或新用户，均可能因为这些新商品、新用户缺乏历史数据需要实现推荐业务的冷启动时，而导致无法为新用户提供合适的新商品推介，根据先验知识确定出优质商品组合，将具有关联访问特别是关联购买关系的多个商品构成所述的优质商品组合，根据优质商品组合中的商品之间的搭配关系，在用户访问其中的一个商品时，为其推荐其中的其他商品，可以克服冷启动所面对的障碍，达到有效营销推广的目的。
[0003]传统技术中，通常根据各种商品相似算法，根据每个商品的用户行为数据，预测出每个商品之间的被同一用户购买的共现机会，将共现机会较高的两个商品识别为一个基础商品组合。这种算法的特点是由于其每次基于两个商品进行识别，难以确定识别出的商品组合能够产生收益的可能性，并且每次提供的推荐商品数量也有限，导致难以取得良好的推荐效果。
[0004]鉴于传统技术的不足，本申请人长期从事相关领域的研究，为解决电商领域业内难题，故另辟蹊径。
技术实现思路
[0005]本申请的首要目的在于解决上述问题至少之一而提供一种商品组合推荐方法及其相应的装置、计算机设备、计算机可读存储介质。
[0006]为满足本申请的各个目的，本申请采用如下技术方案：
[0007]适应本申请的目的之一而提供的一种商品组合推荐方法，包括如下步骤：
[0008]获取目标商品相对应的全量商品组合集，其中包括多个商品组合，每个商品组合包含所述目标商品及其他商品；
[0009]基于所述全量商品组合集中每个商品组合对应的曝光频数和购买频数，确定出相应的置信区间上限值，所述置信区间上限值表征相应的商品组合预估被用户购买的置信度；
[0010]基于所述全量商品组合集中每个商品组合对应的曝光频数和购买频数生成采样分布，从采样分布中确定出采样分值，所述采样分值表征相应的商品组合被用户购买的可能性；
[0011]将所述置信区间上限值和所述采样分值匹配对应预设的权重后汇总，获得所述全量商品组合集中每个商品组合对应的探索评分，选取出探索评分满足预设条件的推荐商品组合。
[0012]进一步的实施例中，获取目标商品相对应的全量商品组合集之前，包括如下步骤：
[0013]获取同一线上店铺的每个用户的历史访问行为数据，从历史访问行为数据中确定出用户的历史访问行为所涉及的多个商品构成该用户的商品集，所述历史访问行为包括将商品添加至购物车和/或购买商品；
[0014]针对每个用户的商品集，将其中的商品按照任意多个商品进行组合，穷举出该商品集中的全部可能的商品组合，构成用户商品集；
[0015]将全部用户的用户组合集中的商品组合去重合并构造成全量组合集。
[0016]进一步的实施例中，基于所述全量商品组合集中每个商品组合对应的曝光频数和购买频数，确定出相应的置信区间上限值，包括如下步骤：
[0017]根据所述全量商品组合集中每个商品组合对应的曝光频数和购买频数，确定出相应的收益均值和置信度，所述收益均值表征商品组合的平均购买率，所述置信度表征收益均值的可靠程度；
[0018]根据所述收益均值和置信度计算出置信度区间上限值。
[0019]进一步的实施例中，基于所述全量商品组合集中每个商品组合对应的曝光频数和购买频数生成采样分布，从采样分布中确定出采样分值，包括如下步骤：
[0020]根据所述全量商品组合集中每个商品组合对应的曝光频数和购买频数确定出分布参数，构造出相应的采样分布；
[0021]从所述采样分布中随机生成采样分值。
[0022]进一步的实施例中，获取目标商品相对应的全量商品组合集之前，包括如下步骤：
[0023]获取历史商品组合集，根据其中每个历史商品组合对应的曝光频数和购买频数，计算出相应的置信区间上限值和采样分值；
[0024]采用网格搜索算法确定出多组置信区间上限值和采样分值对应的权重，将每个历史商品组合对应的置信区间上限值和采样分值分别匹配每组权重后汇总，获得每组权重下每个历史商品组合对应的探索评分；
[0025]根据每个历史商品组合曝光后是否被用户点击，确定出相应的正样本和负样本；
[0026]根据每组权重下每个正样本和负样本对应的探索评分，确定出每组权重对应的性能评估值，筛选出性能评估值最优组的权重。
[0027]进一步的实施例中，选取出探索评分满足预设条件的推荐商品组合，包括如下步骤：
[0028]从预设的概率空间中确定出探索概率，以及与其互补的利用概率；
[0029]以所述探索概率触发执行选取出全量商品组合集中所述探索评分满足预设条件的商品组合作为推荐商品组合；
[0030]以所述利用概率触发执行选取出历史商品组合集中平均收益满足预设条件的历史商品组合作为推荐商品组合，历史商品组合集包含多个历史曝光过的历史商品组合，每个历史商品组合包含所述目标商品及其他商品，所述平均收益表征平均历史商品组合在曝光后取得的收益。
[0031]进一步的实施例中，从预设的概率空间中确定出探索概率，以及与其互补的利用概率之前，包括如下步骤：
[0032]获取历史商品组合集中每个历史商品组合对应的曝光频数、点击频数、转化频数，每个历史商品组合包含所述目标商品及其他商品；
[0033]将所述点击频数和转化频数匹配对应预设的权重后汇总，与所述曝光频数相比，获得平均收益。
[0034]另一方面，适应本申请的目的之一而提供的一种商品组合推荐装置，包括组合获取模块、置信确定模块、采样确定模块以及推荐选取模块1400，其中，组合获取模块，用于获取目标商品相对应的全量商品组合集，其中包括多个商品组合，每个商品组合包含所述目标商品及其他商品；置信确定模块，用于基于所述全量商品组合集中每个商品组合对应的曝光频数和购买频数，确定出相应的置信区间上限值，所述置信区间上限值表征相应的商品组合预估被用户购买的置信度；采样确定模块，用于基于所述全量商品组合集中每个商品组合对应的曝光频数和购买频数生成采样分布，从采样分布中确定出采样分值，所述采样分值表征相应的商品组合被用户购买的可能性；推荐选取模块1400，用于将所述置信区间上限值和所述采样分值匹配对应预设的权重后汇总，获得所述全量商品组合集中每个商品组合对应的探索评分，选取出探索评分满足预设条件的推荐商品组合。
[0035]进一步的实施例中，所述组合获取模块之前，包括：数据获取子模块，用于获取同一线上店铺的每个用户的历史访问行为数据，从历史访问行为数据中确定出用户的历史访问行为所涉及的多个商品构成该用户的商品集，所述历史访问行为包括将商品添加至购物车和/或购买商品；商品集构成子模块，用于针对每个用户的商品集，将其中的商品本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种商品组合推荐方法，其特征在于，包括如下步骤：获取目标商品相对应的全量商品组合集，其中包括多个商品组合，每个商品组合包含所述目标商品及其他商品；基于所述全量商品组合集中每个商品组合对应的曝光频数和购买频数，确定出相应的置信区间上限值，所述置信区间上限值表征相应的商品组合预估被用户购买的置信度；基于所述全量商品组合集中每个商品组合对应的曝光频数和购买频数生成采样分布，从采样分布中确定出采样分值，所述采样分值表征相应的商品组合被用户购买的可能性；将所述置信区间上限值和所述采样分值匹配对应预设的权重后汇总，获得所述全量商品组合集中每个商品组合对应的探索评分，选取出探索评分满足预设条件的推荐商品组合。2.根据权利要求1所述的商品组合推荐方法，其特征在于，获取目标商品相对应的全量商品组合集之前，包括如下步骤：获取同一线上店铺的每个用户的历史访问行为数据，从历史访问行为数据中确定出用户的历史访问行为所涉及的多个商品构成该用户的商品集，所述历史访问行为包括将商品添加至购物车和/或购买商品；针对每个用户的商品集，将其中的商品按照任意多个商品进行组合，穷举出该商品集中的全部可能的商品组合，构成用户商品集；将全部用户的用户组合集中的商品组合去重合并构造成全量组合集。3.根据权利要求1所述的商品组合推荐方法，其特征在于，基于所述全量商品组合集中每个商品组合对应的曝光频数和购买频数，确定出相应的置信区间上限值，包括如下步骤：根据所述全量商品组合集中每个商品组合对应的曝光频数和购买频数，确定出相应的收益均值和置信度，所述收益均值表征商品组合的平均购买率，所述置信度表征收益均值的可靠程度；根据所述收益均值和置信度计算出置信度区间上限值。4.根据权利要求1所述的商品组合推荐方法，其特征在于，基于所述全量商品组合集中每个商品组合对应的曝光频数和购买频数生成采样分布，从采样分布中确定出采样分值，包括如下步骤：根据所述全量商品组合集中每个商品组合对应的曝光频数和购买频数确定出分布参数，构造出相应的采样分布；从所述采样分布中随机生成采样分值。5.根据权利要求1所述的商品组合推荐方法，其特征在于，获取目标商品相对应的全量商品组合集之前，包括如下步骤：获取历史商品组合集，根据其中每个历史商品组合对应的曝光频数和购买频数，计算出相应的置信区间上限值和采样分值；采用网格搜索算法确定出多组置信区间上限值和采样分值对应的权重，将每个历史商品组合对应的置信区间上限值和采样分值分别匹配每组权重后汇总，获得每组权...
【专利技术属性】
技术研发人员：钟媛媛，
申请(专利权)人：广州商研网络科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。