商品推荐方法及装置制造方法及图纸

本发明专利技术公开了一种商品推荐方法及装置

【技术实现步骤摘要】
商品推荐方法及装置、电子设备及存储介质


[0001]本专利技术涉及电商
，具体而言，涉及一种商品推荐方法及装置
、
电子设备及存储介质
。

技术介绍

[0002]随着各大电商平台的快速崛起，线上购物已成为当前最主流的购物方式，随着购物平台的逐渐成熟，用户对于商品搜索的需求也越来越高，目前在线上购物场景中，智能化推荐尚处于萌芽阶段，基于用户的购物行为或搜索行为为用户推荐相似产品，满足用户的购物需求，为用户提供更贴合需求的产品，可以促进用户的购物兴趣
。
[0003]相关技术中，采用相似度计算方式为用户推荐个性化商品，即向用户推荐购买过或下单过的同类型产品，那以满足用户多方面的购物需求，同时对于新用户，在无法获取用户购买历史和下单历史的情况下，无法有效地向用户进行商品推荐，存在冷启动的问题
。
[0004]针对上述的问题，目前尚未提出有效的解决方案
。

技术实现思路

[0005]本专利技术实施例提供了一种商品推荐方法及装置
、
电子设备及存储介质，以至少解决相关技术中，通过计算用户已购买商品与商城其他商品之间的相似度向用户端推荐感兴趣的产品，造成用户线上购物体验感较差的技术问题
。
[0006]根据本专利技术实施例的一个方面，提供了一种商品推荐方法，包括：响应用户端的商品搜索请求，得到所述用户端的用户标识；基于所述用户标识获取所述用户端的历史行为数据表，并获取商品评分表和商品词典表，其中，所述历史行为数据表中至少包括：商品标识
、
商品标签值，所述商品评分表是基于评分模型得到的，所述商品词典表中至少包括：商品标识
、
商品特征
、
每个所述商品特征对应的特征权重；基于所述历史行为数据表和所述商品评分表构建商品关联特征表，并基于所述历史行为数据表和所述商品词典表构建商品特征权重表；对所述商品关联特征表和所述商品特征权重表中的商品进行权重值计算和排序，得到商品列表，并基于所述商品列表生成商品推荐列表
。
[0007]可选地，在基于所述商品列表生成商品推荐列表之后，还包括：基于所述商品推荐列表确定待推荐商品；对所述待推荐商品进行排列，并基于所述待推荐商品对所述用户端的终端页面进行渲染，将所述待推荐商品展示至所述用户端的终端页面
。
[0008]可选地，基于所述用户标识获取所述用户端的历史行为数据表的步骤包括：基于所述用户标识采集所述用户端的购物行为数据，其中，所述购物行为数据至少包括：所述商品标识
、
行为特征；基于所述行为特征对每个商品配置标签值，得到商品标签值；基于所述用户标识
、
所述商品标识和所述商品标签值生成所述用户端的所述历史行为数据表
。
[0009]可选地，获取商品词典表的步骤包括：对商城中的每个商品进行信息采集，得到商品基本信息，其中，所述商品基本信息至少包括：商品标识
、
商品特征；对每个所述商品特征赋予权重值，得到所述特征权重，并基于所述商品标识
、
所述商品特征和所述特征权重生成
所述商品词典表
。
[0010]可选地，基于所述历史行为数据表和所述商品评分表构建商品关联特征表的步骤包括：将所述商品评分表中的每个商品与所述历史行为数据表中的每个商品进行组合，得到关联商品对集合；计算所述关联商品对集合中每个关联商品对的权重值；基于所述关联商品对的权重值计算所述商品评分表中的每个商品与所述用户端的关联权重值；基于每个商品与所述用户端的所述关联权重值生成所述商品关联特征表
。
[0011]可选地，所述评分模型是预先构建的，构建所述评分模型的步骤包括：采集商城中每个商品的商品信息，其中，所述商品信息至少包括：商品特征标识
、
商品特征评分值；基于所述商品信息构建样本数据，并基于预设比例将所述样本数据划分为训练集和测试集；基于所述训练集对分类器进行训练，得到初始评分模型；基于所述测试集对所述初始评分模型进行测试，得到测试精确度，在所述测试精确度大于等于预设精确度阈值的情况下，得到所述评分模型
。
[0012]可选地，基于所述商品信息构建样本数据的步骤包括：对所述商品信息进行预处理，其中，所述预处理至少包括：脱敏处理
、
数据清洗处理
、
数据缺失值处理；将预处理后的所述商品信息转化为向量数据，得到商品向量数据集合，并基于所述商品向量数据集合构建所述样本数据
。
[0013]根据本专利技术实施例的另一方面，还提供了一种商品推荐装置，包括：响应单元，用于响应用户端的商品搜索请求，得到所述用户端的用户标识；获取单元，用于基于所述用户标识获取所述用户端的历史行为数据表，并获取商品评分表和商品词典表，其中，所述历史行为数据表中至少包括：商品标识
、
商品标签值，所述商品评分表是基于评分模型得到的，所述商品词典表中至少包括：商品标识
、
商品特征
、
每个所述商品特征对应的特征权重；构建单元，用于基于所述历史行为数据表和所述商品评分表构建商品关联特征表，并基于所述历史行为数据表和所述商品词典表构建商品特征权重表；生成单元，用于对所述商品关联特征表和所述商品特征权重表中的商品进行权重值计算和排序，得到商品列表，并基于所述商品列表生成商品推荐列表
。
[0014]可选地，所述商品推荐装置还包括：第一确定模块，用于基于所述商品推荐列表确定待推荐商品；第一展示模块，用于对所述待推荐商品进行排列，并基于所述待推荐商品对所述用户端的终端页面进行渲染，将所述待推荐商品展示至所述用户端的终端页面
。
[0015]可选地，所述获取单元包括：第一采集模块，用于基于所述用户标识采集所述用户端的购物行为数据，其中，所述购物行为数据至少包括：所述商品标识
、
行为特征；第一配置模块，用于基于所述行为特征对每个商品配置标签值，得到商品标签值；第一生成模块，用于基于所述用户标识
、
所述商品标识和所述商品标签值生成所述用户端的所述历史行为数据表
。
[0016]可选地，所述获取单元还包括：第二采集模块，用于对商城中的每个商品进行信息采集，得到商品基本信息，其中，所述商品基本信息至少包括：商品标识
、
商品特征；第一赋予模块，用于对每个所述商品特征赋予权重值，得到所述特征权重，并基于所述商品标识
、
所述商品特征和所述特征权重生成所述商品词典表
。
[0017]可选地，所述构建单元包括：第一组合模块，用于将所述商品评分表中的每个商品与所述历史行为数据表中的每个商品进行组合，得到关联商品对集合；第一计算模块，用于
计算所述关联商品对集合中每个关联商品对的权重值；第一计算模块，用于基于所述关联商品对的权重值计算所述商品评分表中的每个商品与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种商品推荐方法，其特征在于，包括：响应用户端的商品搜索请求，得到所述用户端的用户标识；基于所述用户标识获取所述用户端的历史行为数据表，并获取商品评分表和商品词典表，其中，所述历史行为数据表中至少包括：商品标识
、
商品标签值，所述商品评分表是基于评分模型得到的，所述商品词典表中至少包括：商品标识
、
商品特征
、
每个所述商品特征对应的特征权重；基于所述历史行为数据表和所述商品评分表构建商品关联特征表，并基于所述历史行为数据表和所述商品词典表构建商品特征权重表；对所述商品关联特征表和所述商品特征权重表中的商品进行权重值计算和排序，得到商品列表，并基于所述商品列表生成商品推荐列表
。2.
根据权利要求1所述的商品推荐方法，其特征在于，在基于所述商品列表生成商品推荐列表之后，还包括：基于所述商品推荐列表确定待推荐商品；对所述待推荐商品进行排列，并基于所述待推荐商品对所述用户端的终端页面进行渲染，将所述待推荐商品展示至所述用户端的终端页面
。3.
根据权利要求1所述的商品推荐方法，其特征在于，基于所述用户标识获取所述用户端的历史行为数据表的步骤包括：基于所述用户标识采集所述用户端的购物行为数据，其中，所述购物行为数据至少包括：所述商品标识
、
行为特征；基于所述行为特征对每个商品配置标签值，得到商品标签值；基于所述用户标识
、
所述商品标识和所述商品标签值生成所述用户端的所述历史行为数据表
。4.
根据权利要求1所述的商品推荐方法，其特征在于，获取商品词典表的步骤包括：对商城中的每个商品进行信息采集，得到商品基本信息，其中，所述商品基本信息至少包括：商品标识
、
商品特征；对每个所述商品特征赋予权重值，得到所述特征权重，并基于所述商品标识
、
所述商品特征和所述特征权重生成所述商品词典表
。5.
根据权利要求1所述的商品推荐方法，其特征在于，基于所述历史行为数据表和所述商品评分表构建商品关联特征表的步骤包括：将所述商品评分表中的每个商品与所述历史行为数据表中的每个商品进行组合，得到关联商品对集合；计算所述关联商品对集合中每个关联商品对的权重值；基于所述关联商品对的权重值计算所述商品评分表中的每个商品与所述用户端的关联权重值；基于每个商品与所述用户端的所述关联...

【专利技术属性】
技术研发人员：蒋兴辉，
申请(专利权)人：天翼电子商务有限公司，
类型：发明
国别省市：