System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及电商,尤其涉及一种独立站商品推荐方法及其相应的装置、计算机设备、计算机可读存储介质。
技术介绍
1、随着电子商务的蓬勃发展,独立站的商品品类数量和每个品类中的商品数量快速增加。然而,这种爆炸性的信息增长导致了消费者在寻找他们所需商品时需要花费大量时间,不得不面对大量无关的产品信息,从而陷入信息过载的困境。这一问题不仅使消费者流失,也限制了独立站的转化率提高的潜力。因此,独立站积极采用商品推荐的策略,以协助用户快速做出购买决策,提高购买转化率,以减轻信息过载问题,提供更智能、高效的购物体验,同时增加独立站的商品销量。
2、传统技术中,通常采用深度学习算法建模出推荐场景与商品之间的关联性,根据关联性确定出适合在推荐场景中推荐的商品,一方面,由于这样的关联性只涉及商品与推荐场景的关系,导致难以保证关联性的准确性,而相应推荐的商品也难保能够充分吸引用户,另一方面,通常需要对每种推荐场景分别建模,这样导致各种推荐场景相互隔离,使得各种推荐场景之间可以相互利用的部分关联性无法共享。
3、鉴于传统技术的不足,本申请人长期从事相关领域的研究,为解决数据库信息处理领域业内难题,故另辟蹊径。
技术实现思路
1、本申请的首要目的在于解决上述问题至少之一而提供一种独立站商品推荐方法及其相应的装置、计算机设备、计算机可读存储介质。
2、为满足本申请的各个目的,本申请采用如下技术方案:
3、适应本申请的目的之一而提供的一种独立站商品推荐方法,包括如下步
4、获取待推荐场景的场景特有特征、待推荐商品的商品基础特征和商品交叉特征、用户特征、店铺交叉特征;
5、采用预设的商品推荐模型中的场景抽取层根据所述场景特有特征、用户特征及商品基础特征,确定出目标场景抽取特征;
6、采用所述商品推荐模型中的店铺抽取层根据所述店铺交叉特征和所述商品交叉特征,确定出目标店铺抽取特征;
7、采用所述商品推荐模型中的任务输出层根据所述目标场景抽取特征和目标店铺抽取特征,确定出所述待推荐商品在所述待推荐场景下的点击率和点击转化率;
8、根据所述待推荐商品的点击率和点击转化率筛选出部分待推荐商品构造推荐商品列表,应用于所述待推荐场景。
9、另一方面,适应本申请的目的之一而提供的一种独立站商品推荐装置,包括特征获取模块、场景抽取模块、店铺抽取模块、任务抽取模块以及列表构造模块,其中,特征获取模块,用于获取待推荐场景的场景特有特征、待推荐商品的商品基础特征和商品交叉特征、用户特征、店铺交叉特征;场景抽取模块,用于采用预设的商品推荐模型中的场景抽取层根据所述场景特有特征、用户特征及商品基础特征,确定出目标场景抽取特征;店铺抽取模块,用于采用所述商品推荐模型中的店铺抽取层根据所述店铺交叉特征和所述商品交叉特征,确定出目标店铺抽取特征;任务抽取模块,用于采用所述商品推荐模型中的任务输出层根据所述目标场景抽取特征和目标店铺抽取特征,确定出所述待推荐商品在所述待推荐场景下的点击率和点击转化率;列表构造模块,用于根据所述待推荐商品的点击率和点击转化率筛选出部分待推荐商品构造推荐商品列表,应用于所述待推荐场景。
10、又一方面,适应本申请的目的之一而提供的一种计算机设备,包括中央处理器和存储器,所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行本申请所述的独立站商品推荐方法的步骤。
11、又一方面,适应本申请的另一目的而提供的一种计算机可读存储介质,其以计算机可读指令的形式存储有依据所述的独立站商品推荐方法所实现的计算机程序,该计算机程序被计算机调用运行时,执行该方法所包括的步骤。
12、本申请的技术方案存在多方面优势,包括但不限于如下各方面:
13、本申请采用预设的商品推荐模型以待推荐场景的场景特有特征、待推荐商品的商品基础特征和商品交叉特征、用户特征、店铺交叉特征作为输入,由模型中的场景抽取层根据场景特有特征、用户特征及商品基础特征,确定出目标场景抽取特征,由模型中的店铺抽取层根据店铺交叉特征和商品交叉特征,确定出目标店铺抽取特征,由模型中的任务输出层根据目标场景抽取特征和目标店铺抽取特征,确定出待推荐商品在待推荐场景下的点击率和点击转化率,根据待推荐商品的点击率和点击转化率筛选出部分待推荐商品构造推荐商品列表,应用于待推荐场景。一方面,能够由模型的店铺抽取层建模出待推荐商品与店铺之间的关联性,由模型的场景抽取层建模出待推荐商品与待推荐场景、用户之间的关联性,从而由任务抽取层基于多个维度的关联性,精准地确定待推荐商品在待推荐场景下的点击率和点击转化率,据此,确保从待推荐商品中优选出吸引用户的推荐商品,有望促成用户购买推荐商品。另一方面,能够保证不同独立站之间的数据隔离,实现仅适用各个独立站自身的个性化商品推荐。
本文档来自技高网...【技术保护点】
1.一种独立站商品推荐方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的独立站商品推荐方法,其特征在于,获取待推荐场景的场景特有特征、待推荐商品的商品基础特征和商品交叉特征、用户特征、店铺交叉特征,包括如下步骤:
3.根据权利要求1所述的独立站商品推荐方法,其特征在于,获取待推荐场景的场景特有特征、待推荐商品的商品基础特征和商品交叉特征、用户特征、店铺交叉特征,包括如下步骤:
4.根据权利要求1所述的独立站商品推荐方法,其特征在于,获取待推荐场景的场景特有特征、待推荐商品的商品基础特征和商品交叉特征、用户特征、店铺交叉特征之前,包括如下步骤:
5.根据权利要求4所述的独立站商品推荐方法,其特征在于,获取多种推荐场景的场景特有特征,包括如下步骤:
6.根据权利要求1所述的独立站商品推荐方法,其特征在于,根据所述待推荐商品的点击率和点击转化率筛选出部分待推荐商品构造推荐商品列表,包括如下步骤:
7.根据权利要求6所述的独立站商品推荐方法,其特征在于,根据所述待推荐商品的点击率和点击转化率匹配对应的权重计算
8.一种独立站商品推荐装置,其特征在于,包括:
9.一种计算机设备,包括中央处理器和存储器,其特征在于,所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行如权利要求1至7中任意一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,其以计算机可读指令的形式存储有依据权利要求1至7中任意一项所述的方法所实现的计算机程序,该计算机程序被计算机调用运行时,执行相应的方法所包括的步骤。
...【技术特征摘要】
1.一种独立站商品推荐方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的独立站商品推荐方法,其特征在于,获取待推荐场景的场景特有特征、待推荐商品的商品基础特征和商品交叉特征、用户特征、店铺交叉特征,包括如下步骤:
3.根据权利要求1所述的独立站商品推荐方法,其特征在于,获取待推荐场景的场景特有特征、待推荐商品的商品基础特征和商品交叉特征、用户特征、店铺交叉特征,包括如下步骤:
4.根据权利要求1所述的独立站商品推荐方法,其特征在于,获取待推荐场景的场景特有特征、待推荐商品的商品基础特征和商品交叉特征、用户特征、店铺交叉特征之前,包括如下步骤:
5.根据权利要求4所述的独立站商品推荐方法,其特征在于,获取多种推荐场景的场景特有特征,包括如下步骤:
6.根据权利要...
【专利技术属性】
技术研发人员:徐进添,
申请(专利权)人:广州商研网络科技有限公司,
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。