商品推荐方法及装置、设备、存储介质、程序产品制造方法及图纸

本申请的实施例公开了一种商品推荐方法及装置、设备、存储介质、程序产品。方法包括：基于待推荐商品的商品特征确定待推荐商品的类别；获取待推荐商品的类别与对象之间的关联度参数；其中，关联度参数用于表征待推荐商品的类别与对象之间的关联程度；基于关联度参数和待推荐商品的类别，计算得到待推荐商品的推荐评估参数；基于推荐评估参数向对象推荐待推荐商品。本申请通过引入商品的类别作为对象和商品之间的中间参数，以增加数据处理过程数据的关联度，提升了待推荐商品的推荐评估参数的准确度，从而针对目标对象进行精准推荐，提升对象体验感。象体验感。象体验感。

【技术实现步骤摘要】
商品推荐方法及装置、设备、存储介质、程序产品


[0001]本申请涉及计算机领域，具体涉及一种商品推荐方法及装置、设备、存储介质、程序产品。

技术介绍

[0002]随着人工智能技术的发展，技术发展聚焦于数据处理效率和数据准确度的提升，特别是针对目标对象进行商品推荐，需要进行大量的数据处理过程，并且在海量数据处理过程中难以获得准确信息，使得最终推荐的商品的准确度不高，无法针对目标对象进行精准推荐，致使对象体验感较差。

技术实现思路

[0003]为解决上述技术问题，本申请的实施例分别提供了一种商品推荐方法及装置、电子设备、计算机可读存储介质、计算机程序产品，以提高待推荐商品的推荐评估参数的准确度，针对目标对象进行精准推荐，提升对象体验感。
[0004]本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
[0005]根据本申请实施例的一个方面，提供了一种商品推荐方法，包括：基于待推荐商品的商品特征确定所述待推荐商品的类别；获取所述待推荐商品的类别与对象之间的关联度参数；其中，所述关联度参数用于表征所述待推荐商品的类别与所述对象之间的关联程度；基于所述关联度参数和所述待推荐商品的类别，计算得到所述待推荐商品的推荐评估参数；基于所述推荐评估参数向所述对象推荐所述待推荐商品。
[0006]根据本申请实施例的一个方面，提供了一种商品推荐装置，包括：确定模块，被配置为基于待推荐商品的商品特征确定所述待推荐商品的类别；获取模块，被配置为获取所述待推荐商品的类别与对象之间的关联度参数；其中，所述关联度参数用于表征所述待推荐商品的类别与所述对象之间的关联程度；计算模块，被配置为基于所述关联度参数和所述待推荐商品的类别，计算得到所述待推荐商品的推荐评估参数；推荐模块，被配置为基于所述推荐评估参数向所述对象推荐所述待推荐商品。
[0007]在另一实施例中，所述获取模块包括：第一获取单元，被配置为获取预设关联度参数表；其中，所述预设关联度参数表中预置有多个商品类别，以及所述多个商品类别分别与对象之间的关联度参数；匹配单元，被配置为从所述预设关联度参数表中确定与所述待推荐商品的类别相匹配的类别，并获取所确定的类别与对象之间的关联度参数。
[0008]在另一实施例中，所述商品推荐装置还包括：对象特征获取模块，被配置为获取所述对象的对象特征，以及获取多个商品类别分别对应的商品类别特征；关联度特征生成模块，被配置为基于每个商品类别对应的商品类别特征和所述对象特征，生成所述每个商品类别与所述对象特征之间的关联度特征；关联度参数确定模块，被配置为将所述每个商品类别与所述对象特征之间的关联度特征，作为所述每个商品类别与所述对象之间的关联度
参数。
[0009]在另一实施例中，所述对象特征包括所述对象的历史行为特征；所述关联度特征生成模块包括：获取单元，被配置为获取所述历史行为特征中所关联的商品特征；交叉处理单元，被配置为将每个商品类别对应的商品类别特征与所关联的商品特征进行特征交叉处理，得到所述每个商品类别与所述对象特征之间的关联度特征。
[0010]在另一实施例中，所述计算模块包括：第二获取单元，被配置为获取所述关联度参数对应的关联度特征，以及获取所述待推荐商品的类别对应的商品类别特征；计算单元，被配置为基于所述关联度特征与所述商品类别特征，计算得到所述待推荐商品的推荐评估特征；评估单元，被配置为将所述推荐评估特征作为所述待推荐商品的推荐评估参数。
[0011]在另一实施例中，所述关联度特征为多个；所述计算单元包括：向量集生成子单元，被配置为基于多个关联度特征生成对象表征向量集，以及基于所述商品类别特征生成所述待推荐商品对应的商品表征向量集；计算子单元，被配置为基于所述对象表征向量集和所述商品表征向量集，计算得到所述待推荐商品的推荐评估特征。
[0012]在另一实施例中，所述向量集生成子单元包括：对象表征向量生成板块，被配置为基于每个关联度特征和所述对象的其他特征，生成多个对象表征向量；其中，所述其他特征是除生成所述关联度特征的对象特征以外的特征；对象表征向量集生成板块，被配置为基于所述多个对象表征向量生成所述对象表征向量集；商品表征向量生成板块，被配置为基于所述商品类别特征和所述待推荐商品的其他商品特征，生成所述待推荐商品对应的商品表征向量；其中，所述其他商品特征是除确定出所述待推荐商品的类别的商品特征以外的特征；商品表征向量集生成板块，被配置为基于所述待推荐商品对应的商品表征向量生成所述待推荐商品对应的商品表征向量集。
[0013]在另一实施例中，所述商品表征向量集生成板块包括：置零操作子板块，被配置为对除所述待推荐商品对应的商品表征向量以外的商品表征向量进行置零操作，得到置零操作后的商品表征向量；商品表征向量集生成子板块，被配置为基于所述待推荐商品对应的商品表征向量和所述置零操作后的商品表征向量，生成所述待推荐商品对应的商品表征向量集。
[0014]在另一实施例中，所述计算子单元包括：运算板块，被配置为对所述对象表征向量集和所述商品表征向量集进行求乘积运算，得到乘积数值；推荐评估参数板块，被配置为将所述乘积数值作为所述推荐评估特征。
[0015]在另一实施例中，所述推荐模块包括：关系获取单元，被配置为获取所述推荐评估参数对应数值与预设评估参数阈值之间的关系；推荐单元，被配置为若所述关系表征所述推荐评估参数对应数值大于所述预设评估参数阈值，则向所述对象推荐所述待推荐商品。
[0016]根据本申请实施例的一个方面，提供了一种电子设备，包括：控制器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述控制器执行时，以执行上述的商品推荐方法。
[0017]根据本申请实施例的一个方面，还提供了一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行上述的商品推荐方法。
[0018]根据本申请实施例的一个方面，还提供了一种计算机程序产品，包括计算机程序，
该计算机程序被处理器执行时实现上述的商品推荐方法。
[0019]在本申请的实施例所提供的技术方案中，基于待推荐商品的类别，以及待推荐商品的类别与对象之间的关联度参数，计算得到待推荐商品的推荐评估参数。本申请通过引入商品的类别作为对象和商品之间的中间参数，以增加数据处理过程数据的关联度，提升了待推荐商品的推荐评估参数的准确度，从而针对目标对象进行精准推荐，提升对象体验感。
[0020]应理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0021]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术者来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0022]图1是本申本文档来自技高网...

【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：基于待推荐商品的商品特征确定所述待推荐商品的类别；获取所述待推荐商品的类别与对象之间的关联度参数；其中，所述关联度参数用于表征所述待推荐商品的类别与所述对象之间的关联程度；基于所述关联度参数和所述待推荐商品的类别，计算得到所述待推荐商品的推荐评估参数；基于所述推荐评估参数向所述对象推荐所述待推荐商品。2.根据权利要求1所述的方法，其特征在于，所述获取所述待推荐商品的类别与对象之间的关联度参数，包括：获取预设关联度参数表；其中，所述预设关联度参数表中预置有多个商品类别，以及所述多个商品类别分别与对象之间的关联度参数；从所述预设关联度参数表中确定与所述待推荐商品的类别相匹配的类别，并获取所确定的类别与对象之间的关联度参数。3.根据权利要求2所述的方法，其特征在于，在所述获取预设关联度参数表之前，所述方法还包括：获取所述对象的对象特征，以及获取多个商品类别分别对应的商品类别特征；基于每个商品类别对应的商品类别特征和所述对象特征，生成所述每个商品类别与所述对象特征之间的关联度特征；将所述每个商品类别与所述对象特征之间的关联度特征，作为所述每个商品类别与所述对象之间的关联度参数。4.根据权利要求3所述的方法，其特征在于，所述对象特征包括所述对象的历史行为特征；所述基于每个商品类别对应的商品类别特征和所述对象特征，生成所述每个商品类别与所述对象特征之间的关联度特征，包括：获取所述历史行为特征中所关联的商品特征；将每个商品类别对应的商品类别特征与所关联的商品特征进行特征交叉处理，得到所述每个商品类别与所述对象特征之间的关联度特征。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述基于所述关联度参数和所述待推荐商品的类别，计算得到所述待推荐商品的推荐评估参数，包括：获取所述关联度参数对应的关联度特征，以及获取所述待推荐商品的类别对应的商品类别特征；基于所述关联度特征与所述商品类别特征，计算得到所述待推荐商品的推荐评估特征；将所述推荐评估特征作为所述待推荐商品的推荐评估参数。6.根据权利要求5所述的方法，其特征在于，所述关联度特征为多个；所述基于所述关联度特征与所述商品类别特征，计算得到所述待推荐商品的推荐评估特征，包括：基于多个关联度特征生成对象表征向量集，以及基于所述商品类别特征生成所述待推荐商品对应的商品表征向量集；基于所述对象表征向量集和所述商品表征向量集，计算得到所述待推荐商品的推荐评估特征。
7.根据权利要求6所述的方法，其特征在于，所述基于多个关联度特征生成对象表征向量集，包括：基于每个关联度特征和所述对象的其他特...

【专利技术属性】
技术研发人员：刘成烽，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：