【技术实现步骤摘要】
本公开涉及计算机，尤其涉及人工智能、深度学习和智能推荐，具体涉及一种商品组合的生成方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
技术介绍
1、在对商品进行售卖的过程中，一种主要的售卖形式是将商品搭配成商品组合，以满足用户的需求，同时提升收益。
2、在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
技术实现思路
1、本公开提供了一种商品组合的生成方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
2、根据本公开的一方面，提供了一种商品组合的生成方法，包括：获取多个商品的商品特征信息以及所述多个商品针对用户的真实转化信息；基于多个商品的商品特征信息和所述真实转化信息，获取所述多个商品的商品特征向量；基于所述多个商品的商品特征向量，从所述多个商品中确定待组合的多个目标商品；以及基于所述多个目标商品，生成目标商品组合。
3、根据本公开的另一方面，提供了一种商品组合的生成装置，包括：第一获取单元，被配置用于获取多个商品的商品特征信息以及所述多个商品针对用户的转化信息；第二获取单元，被配置用于基于多个商品的商品特征信息和所述真实转化信息，获取所述多个商品的商品特征向量；确定单元，被配置用于基于所述多个商品的商品特征向量，从所述多个商品中确定待组合的多个目标商品；以及
4、根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述商品组合的生成方法。
5、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述商品组合的生成方法。
6、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现上述商品组合的生成方法。
7、根据本公开的一个或多个实施例，可以提升商品组合的生成效率，并且提高所生成的目标商品组合的转化率。
8、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种商品组合的生成方法，包括：
2.如权利要求1所述的方法，还包括：获取所述多个用户所选择的至少一个待购买商品的信息，
3.如权利要求1所述的方法，其中，所述基于多个商品的商品特征信息和所述真实转化信息，获取所述多个商品的商品特征向量包括：
4.如权利要求3所述的方法，其中，所述编码模型的训练过程包括：
5.如权利要求4所述的方法，其中，所述基于样本用户的用户特征信息和所述多个第一样本商品的商品特征向量，确定所述多个第一样本商品针对所述样本用户的预测转化信息包括：
6.如权利要求4所述的方法，其中，所述编码模型的训练过程还包括：
7.如权利要求6所述的方法，其中，所述基于所述样本用户的用户特征信息和所述多个第一样本商品的商品特征向量，确定所述多个第一样本商品针对所述样本用户的预测收益信息包括：
8.如权利要求6所述的方法，其中，所述基于所述第一损失值和第二损失值，对所述编码模型进行调参包括：
9.如权利要求1-8中任一项所述的方法，其中，所述基于所述多个商品的商品特征向量，从所述多
10.如权利要求9所述的方法，其中，所述确定针对所述候选商品组合的评分结果包括：
11.如权利要求10所述的方法，其中，所述商品组合评价模型的训练过程包括：
12.如权利要求11所述的方法，所述商品组合评价模型的训练过程还包括：
13.如权利要求1-8中任一项所述的方法，其中，所述真实转化信息用于指示用户针对浏览商品的购买情况。
14.一种商品组合的生成装置，包括：
15.一种电子设备，包括：
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-13中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-13中任一项所述的方法。
...【技术特征摘要】
1.一种商品组合的生成方法，包括：
2.如权利要求1所述的方法，还包括：获取所述多个用户所选择的至少一个待购买商品的信息，
3.如权利要求1所述的方法，其中，所述基于多个商品的商品特征信息和所述真实转化信息，获取所述多个商品的商品特征向量包括：
4.如权利要求3所述的方法，其中，所述编码模型的训练过程包括：
5.如权利要求4所述的方法，其中，所述基于样本用户的用户特征信息和所述多个第一样本商品的商品特征向量，确定所述多个第一样本商品针对所述样本用户的预测转化信息包括：
6.如权利要求4所述的方法，其中，所述编码模型的训练过程还包括：
7.如权利要求6所述的方法，其中，所述基于所述样本用户的用户特征信息和所述多个第一样本商品的商品特征向量，确定所述多个第一样本商品针对所述样本用户的预测收益信息包括：
8.如权利要求6所述的方法，其中，所述基于所述第一损失值和第二损失值，对所述编码模型进行调参包括：<...
【专利技术属性】
技术研发人员：王中义，张妤溦，
申请(专利权)人：胜斗士上海科技技术发展有限公司，
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。