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】
本专利技术涉及数据处理领域,具体而言,涉及一种商品推荐的方法、装置、非易失性存储介质和计算机设备。
技术介绍
1、相关技术中,在根据用户的购买转化率为用户推荐商品的时候,通常只能考虑到用户当日购买商品或点击商品的影响,无法对用户加入购物车或点击后,在一段时间内交易成功的情况进行考虑。本方案结合用户延迟购买的行为,对用户进行商品推荐。
2、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
1、本专利技术实施例提供了一种商品推荐的方法、装置、非易失性存储介质和计算机设备,以至少解决由于在对用户进行商品推荐时未充分考虑用户的延迟购买行为造成的商品推荐不准确的技术问题。
2、根据本专利技术实施例的一个方面,提供了一种商品推荐的方法,包括:获取目标账户在目标时间段内的点击浏览的商品的点击数据,以及所述目标账户在所述目标时间段内购买商品的购买数据,以及所述目标账户在历史时间段和所述目标时间段内标记的商品的标记数据,其中,所述历史时间段在所述目标时间段之前;根据所述点击数据和所述购买数据,确定所述目标账户的即刻购买数据;根据所述标记数据和所述购买数据,确定所述目标账户的目标延迟购买数据;根据所述点击数据、所述即刻购买数据和所述目标延迟购买数据,确定所述目标账户对应的推荐商品。
3、可选地,所述根据所述标记数据和所述购买数据,确定所述目标账户的目标延迟购买数据,包括:将所述目标账户在所述历史时间段标记的商品数据与所述购买数据的交集,作为第一延迟购买数据
4、可选地,所述根据所述第一延迟购买数据和所述第二延迟购买数据,确定所述目标延迟购买数据,包括:将所述第一延迟购买数据和所述第二延迟购买数据输入预先训练的决策树模型,由所述决策树模型输出所述目标延迟购买数据,其中,所述决策树模型用于在所述第一延迟购买数据和所述第二延迟购买数据中,选择所述目标账户购买概率大于预定阈值的数据。
5、可选地,所述根据所述点击数据、所述即刻购买数据和所述目标延迟购买数据,确定所述目标账户对应的推荐商品,包括:根据所述点击数据,确定所述目标账户浏览概率大于第一预定阈值的第一推荐商品;根据所述即刻购买数据和所述目标延迟购买数据,确定所述目标账户购买概率大于第二预定阈值的第二推荐商品;根据所述第一推荐商品和所述第二推荐商品,确定所述目标账户对应的推荐商品。
6、可选地,所述根据所述即刻购买数据和所述目标延迟购买数据,确定所述目标账户购买概率大于第二预定阈值的第二推荐商品,包括:将所述即刻购买数据和所述目标延迟购买数据输入预先训练的第一神经网络模型,由所述第一神经网络模型输出所述第二推荐商品,其中,所述第一神经网络模型通过采用第一训练样本对原始神经网络模型训练得到,所述第一训练样本包括样本账户的样本延迟购买数据,所述样本账户的样本即刻购买数据,以及所述样本账户取消购买的商品数据。
7、可选地,所述根据所述点击数据,确定所述目标账户浏览概率大于第一预定阈值的第一推荐商品,包括:将所述点击数据输入预先训练的第二神经网络模型,由所述第二神经网络模型输出所述第一推荐商品,其中,所述第二神经网络模型通过采用第二训练样本对原始神经网络模型训练得到,所述第二训练样本包括样本账户的样本点击数据和所述样本账户浏览但未点击的商品数据。
8、可选地,所述根据所述第一推荐商品和所述第二推荐商品,确定所述目标账户对应的推荐商品,包括:为所述第一推荐商品设置第一权重;为所述第二推荐商品设置第二权重;根据所述第一权重、第二权重、所述第一推荐商品和第二推荐商品,确定所述目标账户对应的推荐商品。
9、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的装置,包括:获取模块,用于获取目标账户在目标时间段内的点击浏览的商品的点击数据,以及所述目标账户在所述目标时间段内购买商品的购买数据,以及所述目标账户在历史时间段和所述目标时间段内标记的商品的标记数据,其中,所述历史时间段在所述目标时间段之前;第一确定模块,用于根据所述点击数据和所述购买数据,确定所述目标账户的即刻购买数据;第二确定模块,用于根据所述标记数据和所述购买数据,确定所述目标账户的目标延迟购买数据;第三确定模块,用于根据所述点击数据、所述即刻购买数据和所述目标延迟购买数据,确定所述目标账户对应的推荐商品。
10、根据本专利技术实施例的又一方面,还提供了一种非易失性存储介质,非易失性存储介质包括存储的程序,其中,在程序运行时控制非易失性存储介质所在设备执行上述中任意一项商品推荐的方法。
11、根据本专利技术实施例的再一方面,还提供了一种计算机设备,计算机设备包括处理器,处理器用于运行程序,其中,程序运行时执行上述中任意一项商品推荐的方法。
12、在本专利技术实施例中,通过获取目标账户在目标时间段内的点击浏览的商品的点击数据,以及目标账户在目标时间段内购买商品的购买数据,以及目标账户在历史时间段和目标时间段内标记的商品的标记数据,其中,历史时间段在目标时间段之前;根据点击数据和购买数据,确定目标账户的即刻购买数据;根据标记数据和购买数据,确定目标账户的目标延迟购买数据;根据点击数据、即刻购买数据和目标延迟购买数据,确定目标账户对应的推荐商品,达到了在向用户推荐商品时考虑用户的延迟购买行为的目的,从而实现了更精准地向用户推荐商品的技术效果,进而解决了由于在对用户进行商品推荐时未充分考虑用户的延迟购买行为造成的商品推荐不准确的技术问题。
本文档来自技高网...【技术保护点】
1.一种商品推荐的方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述标记数据和所述购买数据,确定所述目标账户的目标延迟购买数据,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一延迟购买数据和所述第二延迟购买数据,确定所述目标延迟购买数据,包括:
4.根据权利要求1至3中任意一项所述的方法,其特征在于,所述根据所述点击数据、所述即刻购买数据所述目标延迟购买数据,确定所述目标账户对应的推荐商品,包括:
5.根据权利要求4所述的方法,其特征在于,所述根据所述即刻购买数据所述目标延迟购买数据,确定所述目标账户购买概率大于第二预定阈值的第二推荐商品,包括:
6.根据权利要求4所述的方法,其特征在于,所述根据所述点击数据,确定所述目标账户浏览概率大于第一预定阈值的第一推荐商品,包括:
7.根据权利要求4所述的方法,其特征在于,所述根据所述第一推荐商品和所述第二推荐商品,确定所述目标账户对应的推荐商品,包括:
8.一种商品推荐的装置,其特征在于,包括:
10.一种计算机设备,其特征在于,包括:存储器和处理器,
...【技术特征摘要】
1.一种商品推荐的方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述标记数据和所述购买数据,确定所述目标账户的目标延迟购买数据,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一延迟购买数据和所述第二延迟购买数据,确定所述目标延迟购买数据,包括:
4.根据权利要求1至3中任意一项所述的方法,其特征在于,所述根据所述点击数据、所述即刻购买数据所述目标延迟购买数据,确定所述目标账户对应的推荐商品,包括:
5.根据权利要求4所述的方法,其特征在于,所述根据所述即刻购买数据所述目标延迟购买数据,确定所述目标账户购买概率大于第二预定...
【专利技术属性】
技术研发人员:张丽娜,傅剑文,韩弘炀,
申请(专利权)人:天翼电子商务有限公司,
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。