一种商品尺码推荐方法技术

本申请提供一种商品尺码推荐方法

【技术实现步骤摘要】
一种商品尺码推荐方法、装置、电子设备及存储介质


[0001]本申请涉及电商
，更具体地说，涉及一种商品尺码推荐方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]电商领域尺码推荐是指客户在购买衬衫
、
运动鞋等商品时，推荐系统智能为客户推荐该商品类型
SPU
下的商品的尺码
。
[0003]在现有技术中，通过从大量用户的历史购买记录中按照品类统计出各个品类的平均尺码，待用户再次购买商品时直接向用户推荐统计出的平均尺码
。
或者是从大量用户的历史购买数据中提取用户和商品的关系，利用深度神经网络构建推荐引擎，实现尺码推荐
。
但是，如果用户当前的历史购买记录较少，就准确的为用户推荐相应的商品，从而导致商品推荐准确率低；并且，同一个商品大类下不同商品的尺码存在不统一和不规范的问题，这样也会进一步导致商品推荐准确率低
。

技术实现思路

[0004]有鉴于此，本申请提供一种商品尺码推荐方法
、
装置
、
电子设备及存储介质，以提高商品推荐准确率为目的
。
[0005]本专利技术第一方面公开一种商品尺码推荐方法，所述方法包括：
[0006]获取目标用户的用户画像；其中，所述目标用户的用户画像包括所述目标用户的尺寸信息；
[0007]获取目标商品大类下的各个商品的商品画像；其中，所述商品的商品画像包括所述商品信息，所述商品信息包括所述商品的尺码与尺寸；所述商品的尺码与尺寸通过对所述目标商品大类的商品详情信息图片中所述商品的尺码图片进行识别得到；
[0008]根据预先设置的推荐匹配规则
、
所述目标用户的用户画像和各个所述商品的商品画像，从各个所述商品中确定出目标商品，并将所述目标商品的商品画像推荐给所述目标用户
。
[0009]可选的，通过对所述目标商品大类的商品详情信息图片中所述商品的尺码图片进行识别，得到所述商品的尺码和尺寸，包括：
[0010]获取所述目标商品大类的商品详情信息图片中的所述商品对应的尺码图片；
[0011]将所述商品对应的尺码图片输入
OCR
模型，识别出所述商品对应的尺码和尺寸
。
[0012]可选的，用户的用户画像的构建过程，包括：
[0013]将用户的基本信息输入预训练的用户画像模型，得到所述用户的尺寸信息；其中，所述尺寸信息至少包括所述用户的尺寸，所述预训练的用户画像模型是基于多个样本用户的尺寸和基本信息，对待训练的用户画像模型进行训练得到；所述样本用户是根据每个用户对应的用户标签以及在每个商品大类下的各个商品的历史购买记录，从各个所述用户中筛选出来的；多个所述样本用户包括多个种子用户和多个目标非种子用户，所述种子用户
的尺寸是根据所述种子用户的历史购买记录计算的，所述目标非种子用户的尺寸是基于多个所述种子用户的尺寸确定的；
[0014]利用所述用户的尺寸，构建所述用户的用户画像
。
[0015]可选的，所述根据每个用户对应的用户标签以及在每个商品大类下的各个商品的历史购买记录，从各个所述用户中筛选出至少一个所述样本用户，包括：
[0016]获取每个用户在每个所述商品大类下各个商品的历史购买记录；
[0017]根据预先设置的种子用户筛选规则和每个所述用户的历史购买记录，从多个所述用户中筛选出多个种子用户；
[0018]根据每个所述种子用户的历史购买记录和每个所述种子用户的用户标签构建用户图网络；
[0019]分别计算每个非种子用户与各个所述种子用户的用户相似度，并在将所述用户相似度大于相似度阈值的所述非种子用户确定为目标非种子用户
。
[0020]可选的，所述基于多个所述种子用户的尺寸，确定所述目标非种子用户的尺寸，包括：
[0021]根据所述目标非种子用户的历史购买记录和用户标签，将所述目标非种子用户加入所述用户图网络；
[0022]根据从所述用户图网络中与所述目标非种子用户相邻的预设数据量个所述种子用户的尺寸，计算所述目标非种子用户的尺寸；其中，所述目标非种子用户与其相邻的所述种子用户用户相似度大于所述相似度阈值
。
[0023]可选的，所述利用各个样本用户的尺寸与基本信息训练用户画像模型之前，所述方法还包括：
[0024]基于各个所述样本用户的基本信息训练回归模型；
[0025]利用所述训练回归模型，分别对每个所述目标非种子用户的尺寸进行修正
。
[0026]可选的，所述方法还包括：
[0027]针对每个商品大类而言，利用所述商品大类下各个所述商品的商品画像
、
各个所述用户的历史购买记录，以及各个所述用户的用户画像训练推荐匹配模型；
[0028]将所述目标商品大类下的各个所述商品的商品画像和所述目标用户的用户画像输入所述推荐匹配模型，以使所述推荐匹配数据利用所述目标商品大类下的各个所述商品的商品画像和所述目标用户的用户画像进行处理，输出待推荐的商品的商品画像
。
[0029]可选的，所述将所述目标商品的商品画像推荐给所述目标用户之前，所述方法还包括：
[0030]判断所述目标商品的商品画像中的尺码是否小于所述待推荐的商品的尺码；
[0031]若所述目标商品的商品画像中的尺码小于所述待推荐的商品的尺码，将所述待推荐的商品的商品画像推荐给所述目标用户；
[0032]其中，所述将所述目标商品的商品画像推荐给所述目标用户，包括：
[0033]若所述目标商品的商品画像中的尺码不小于所述待推荐的商品的尺码，将所述目标商品的商品画像推荐给所述目标用户
。
[0034]本专利技术第二方面公开一种商品尺码推荐装置，所述装置包括：
[0035]用户画像获取单元，用于获取目标用户的用户画像；其中，所述目标用户的用户画
像至少包括所述目标用户的尺寸信息；
[0036]商品画像获取单元，用于获取目标商品大类下的各个商品的商品画像；其中，所述商品的商品画像包括所述商品信息，所述商品信息包括所述商品的尺码与尺寸；所述商品的尺码与尺寸通过对所述目标商品大类的商品详情信息图片中所述商品的尺码图片进行识别得到；
[0037]第一推荐单元，用于根据预先设置的推荐匹配规则
、
所述目标用户的用户画像和各个所述商品的商品画像，从各个所述商品中确定出目标商品，并将所述目标商品的商品画像推荐给所述目标用户
。
[0038]本专利技术第三方面公开一种电子设备，所述电子设备包括处理器和存储器，所述存储器用于存储商品尺码的推荐程序代码和数据，所述处理器用于调用所述存储器中的程序指令执行如上述本专利技术第一方面公开一种商品尺码推荐方法
。
[0039]本专利技术第四本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种商品尺码推荐方法，其特征在于，所述方法包括：获取目标用户的用户画像；其中，所述目标用户的用户画像包括所述目标用户的尺寸信息；获取目标商品大类下的各个商品的商品画像；其中，所述商品的商品画像包括所述商品信息，所述商品信息包括所述商品的尺码与尺寸；所述商品的尺码与尺寸通过对所述目标商品大类的商品详情信息图片中所述商品的尺码图片进行识别得到；根据预先设置的推荐匹配规则
、
所述目标用户的用户画像和各个所述商品的商品画像，从各个所述商品中确定出目标商品，并将所述目标商品的商品画像推荐给所述目标用户
。2.
根据权利要求1所述的方法，其特征在于，所述通过对所述目标商品大类的商品详情信息图片中所述商品的尺码图片进行识别，得到所述商品的尺码和尺寸，包括：获取所述目标商品大类的商品详情信息图片中的所述商品对应的尺码图片；将所述商品对应的尺码图片输入
OCR
模型，识别出所述商品对应的尺码和尺寸
。3.
根据权利要求1所述的方法，其特征在于，用户的用户画像的构建过程，包括：将用户的基本信息输入预训练的用户画像模型，得到所述用户的尺寸信息；其中，所述尺寸信息至少包括所述用户的尺寸，所述预训练的用户画像模型是基于多个样本用户的尺寸和基本信息，对待训练的用户画像模型进行训练得到；所述样本用户是根据每个用户对应的用户标签以及在每个商品大类下的各个商品的历史购买记录，从各个所述用户中筛选出来的；多个所述样本用户包括多个种子用户和多个目标非种子用户，所述种子用户的尺寸是根据所述种子用户的历史购买记录计算的，所述目标非种子用户的尺寸是基于多个所述种子用户的尺寸确定的；利用所述用户的尺寸，构建所述用户的用户画像
。4.
根据权利要求3所述的方法，其特征在于，所述根据每个用户对应的用户标签以及在每个商品大类下的各个商品的历史购买记录，从各个所述用户中筛选出至少一个所述样本用户，包括：获取每个用户在每个所述商品大类下各个商品的历史购买记录；根据预先设置的种子用户筛选规则和每个所述用户的历史购买记录，从多个所述用户中筛选出多个种子用户；根据每个所述种子用户的历史购买记录和每个所述种子用户的用户标签构建用户图网络；分别计算每个非种子用户与各个所述种子用户的用户相似度，并在将所述用户相似度大于相似度阈值的所述非种子用户确定为目标非种子用户
。5.
根据权利要求3所述的方法，其特征在于，所述基于多个所述种子用户的尺寸，确定所述目标非种子用户的尺寸，包括：根据所述目标非种子用户的历史购买记录和用户标签，将所述目标非种子用户加入所述用户图网络；根据从所述用户图网络中与所述目标非种子用户相邻的预设数据量个所述种子用户的尺寸，计算所述...

【专利技术属性】
技术研发人员：韩振磊，李薛，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：