【技术实现步骤摘要】
商品推荐模型训练方法及商品推荐方法
[0001]本申请属于商品推荐
,尤其涉及商品推荐模型训练方法
、
商品推荐方法
、
终端设备及计算机可读存储介质
。
技术介绍
[0002]随着电子技术和网络技术的不断发展,越来越多的用户喜欢网络购物,各种线上售卖平台越来越多
。
为了给用户提供优质的购物体验以及提高商家的经济收入,通常会根据用户的喜好等对用户进行商品推荐,以提高商品的点击率和转化率
。
[0003]目前,线上的各个售卖平台在向用户进行商品推荐时,通常仅基于用户在单个售卖平台的历史浏览记录来进行推荐,无法向用户推荐个性化的跨售卖平台的商品
。
技术实现思路
[0004]本申请实施例提供了商品推荐模型训练方法,可以实现商品的跨售卖平台推荐
。
[0005]第一方面,本申请实施例提供了一种商品推荐模型训练方法,包括:根据用户的点击序列确定所述用户对应的目标商品,所述点击序列包括被所述用户点击的商品的商品标识,所述目标商品与所述点击序列对应的所述商品属于不同售卖平台的商品;构建训练样本,一个所述训练样本包括一个用户对应的所述点击序列和所述目标商品的商品标识;基于各个所述训练样本对预构建的商品推荐模型进行训练,直至所述商品推荐模型满足要求,得到训练后的所述商品推荐模型
。
[0006]第二方面,本申请实施例提供了一种商品推荐方法,包括:获取待推荐用户的点击序列;将所述点击序列作为商品推荐模 ...
【技术保护点】
【技术特征摘要】
1.
一种商品推荐模型训练方法,其特征在于,包括:根据用户的点击序列确定所述用户对应的目标商品,所述点击序列包括被所述用户点击的商品的商品标识,所述目标商品与所述点击序列对应的所述商品属于不同售卖平台的商品;构建训练样本,一个所述训练样本包括一个用户对应的所述点击序列和所述目标商品的商品标识;基于各个所述训练样本对预构建的商品推荐模型进行训练,直至所述商品推荐模型满足要求,得到训练后的所述商品推荐模型
。2.
如权利要求1所述的商品推荐模型训练方法,其特征在于,所述根据用户的点击序列确定所述用户对应的目标商品,包括:确定待匹配商品;在所述待匹配商品与所述点击序列对应的所述商品属于同一所述售卖平台的情况下,从预先构建的各个商品对中确定目标商品对,其中,一个所述商品对包含一个第一商品标识和一个第二商品标识,所述第一商品标识为第一售卖平台对应的第一商品的商品标识,所述第二商品标识为第二售卖平台对应的第二商品的商品标识,所述目标商品对为所述第一商品标识或所述第二商品标识与所述待匹配商品的商品标识相同的所述商品对;根据所述目标商品对确定所述目标商品,其中,当所述第一商品标识与所述待匹配商品的商品标识相同时,所述目标商品为所述第二商品标识对应的商品,当所述第二商品标识与所述待匹配商品的商品标识相同时,所述目标商品为所述第一商品标识对应的商品
。3.
如权利要求2所述的商品推荐模型训练方法,其特征在于,所述商品对根据如下步骤构建:根据所述第一售卖平台的各个第一商品以及所述第二售卖平台的各个第二商品确定多个关键词;对每一个所述关键词,将同一个所述关键词对应的所述第一商品标识和所述第二商品标识进行两两组合,得到多个所述商品对;对每一个所述商品对,确定所述商品对对应的所述第一商品和所述第二商品之间的相似程度,并将所述商品对和所述相似程度关联存储;对应地,所述从预先构建的各个商品对中确定目标商品对,包括:确定所述第一商品标识或所述第二商品标识与所述待匹配商品的商品标识相同的所述商品对,得到候选商品对;将各个所述候选商品对中所述相似程度最大的所述候选商品对确定为所述目标商品对
。4.
如权利要求3所述的商品推荐模型训练方法,其特征在于,所述对每一个所述商品对,确定所述商品对对应的所述第一商品和所述第二商品之间的相似程度,并将所述商品对和所述相似程度关联存储,包括:对每一个所述商品对,根据所述第一商品的商品信息和所述第二商品的所述商品信息确定第一分数,所述第一分数用于指示所述第一商品和所述第二商品之间的所述相似程度;将每一个所述商品对和对应的所述第一分数关联存储
。
5.
如权利要求4所述的商品推荐模型训练方法,其特征在于,所述商品信息包括商品的类目
、
品牌
、
价格以及热度中的一个或多个信息,所述根据所述第一商品的商品信息...
【专利技术属性】
技术研发人员:王振甲,张炜,张俊峰,周小茜,贺建雄,
申请(专利权)人:深圳市灵智数字科技有限公司,
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。