商品推荐模型训练方法及商品推荐方法技术

本申请适用于商品推荐技术领域，提供了商品推荐模型训练方法及商品推荐方法，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

【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型的输入，得到所述商品推荐模型输出的推荐商品的商品标识，其中，所述商品推荐模型根据如上述第一方面所述的商品推荐模型训练方法训练得到
。
[0007]第三方面，本申请实施例提供了一种终端设备，包括存储器
、
处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的商品推荐模型训练方法或上述第二方面所述的商品推荐方法的步骤
。
[0008]第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机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上述第一方面中所述的商品推荐模型训练方法或上述第二方面的商品推荐方法的步骤
。
[0009]第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面所述的商品推荐模型训练方法或上述第二方面所述的商品推荐方法的步骤
。
[0010]本申请实施例与现有技术相比存在的有益效果是：本申请实施例中，根据用户的点击序列和目标商品构建训练样本，一个训练样本中包含一个用户对应的点击序列和目标商品的商品标识，而该目标商品是根据用户的点击序列确定的
、
与该点击序列对应的商品属于不同售卖平台的商品，即，在训练样本中增加与用户点击查看过的商品属于不同售卖平台的目标商品，基于该训练样本对预构建的商品推荐模型进行训练，能够使得训练得到的商品推荐模型具有召回与用户的点击序列对应的商品属于不同售卖平台的商品的能力，实现商品的跨售卖平台推荐
。
附图说明
[0011]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍
。
[0012]图1是本申请一实施例提供的一种商品推荐模型训练方法的流程示意图；图2是本申请实施例提供的一种商品推荐方法的流程示意图；图3是本申请实施例提供的商品推荐模型训练装置的结构示意图；图4是本申请实施例提供的商品推荐装置的结构示意图；图5是本申请实施例提供的终端设备的结构示意图
。
具体实施方式
[0013]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构
、
技术之类的具体细节，以便透彻理解本申请实施例
。
然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请
。
在其它情况中，省略对众所周知的系统
、
装置
、
电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述
。
[0014]应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征
、
整体
、
步骤
、
操作
、
元素和
/
或组件的存在，但并不排除一个或多个其它特征
、
整体
、
步骤
、
操作
、
元素
、
组件和
/
或其集合的存在或添加
。
[0015]还应当理解，在本申请说明书和所附权利要求书中使用的术语“和
/
或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合
。
[0016]另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性
。
[0017]在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征
、
结构或特点
。
由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调
。
[0018]实施例一：图1示出了本专利技术实施例提供的一种商品推荐模型训练方法的流程示意图，详述如下：步骤
S101
，根据用户的点击序列确定上述用户对应的目标商品，上述点击序列包括被上述用户点击的商品的商品标识，上述目标商品与上述点击序列对应的上述商品属于
不同售卖平台的商品
。
[0019]上述售卖平台是指推广销售商品的平台，如各种电商平台
、
企业官网等线上售卖平台，以及如专卖店
、
展厅等线下售卖平台
。
需要指出的是，本申请实施例需基于用户的点击序列确定用户对应的目标商品，即，需要获取线上售卖平台的用户的点击序列，而确定的目标商品可以是线上售卖平台的商品，也可以是线下售卖平台的商品
。
[0020]上述点击序列即基于被用户点击过的商品确定的序列，该点击序列中包含的是被用户点击的商品的商品标识
。
上述商品标识可以是商品的名称
、
产品序列号或者产品编号
、
型号等标识
。
[0021]可选地，在获取用户的点击序列时，可以基于点击时间的先后顺序获取在预设时间段内（如过去
1本文档来自技高网...

【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：