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】
本申请属于商品推荐,尤其涉及商品推荐模型训练方法、商品推荐方法、电子设备及计算机可读存储介质。
技术介绍
1、用户在进行线上购物时,为了提高商品的销量以及给用户提供优质的购物体验,售卖平台通常会根据用户的喜好等向用户推荐相关商品,以提高商品的点击率和转化率。
2、目前在向用户推荐相关商品时,通常直接计算平台的商品与用户购买过的商品之间的相似度,然后向用户推荐平台中与用户购买过的商品相似度高的商品,且推荐的各个商品之间的相似度高,推荐效果较差。
技术实现思路
1、本申请实施例提供了商品推荐模型训练方法、商品推荐方法及电子设备,可以提高商品推荐效果。
2、第一方面,本申请实施例提供了一种商品推荐模型训练方法,包括:
3、确定与用户的用户行为数据具有关联关系的第一目标商品,所述用户行为数据包括所述用户的各个用户行为对应的商品的商品标识,所述第一目标商品所属的中心词与所述用户行为数据对应的商品所属的中心词不同,且所述第一目标商品的应用场景与第一应用场景相同,所述第一应用场景包括历史应用场景和/或预测应用场景,所述历史应用场景包括所述用户行为数据对应的商品的应用场景,所述预测应用场景包括根据所述历史应用场景确定的与所述历史应用场景不同的应用场景;
4、构建训练样本集,所述训练样本集包括多个第一训练样本,一个所述第一训练样本包括一个所述用户的用户信息、所述用户行为数据和所述第一目标商品的商品标识;
5、基于所述训练样本集对初始的商品推
6、第二方面,本申请实施例提供了一种商品推荐方法,包括:
7、获取目标用户信息和目标用户行为数据;
8、将所述目标用户信息和所述目标用户行为数据作为商品推荐模型的输入,得到所述商品推荐模型输出的推荐商品的商品标识,所述商品推荐模型根据如上述第一方面所述的商品推荐模型训练方法训练得到。
9、第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的商品推荐模型训练方法或上述第二方面所述的商品推荐方法的步骤。
10、第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中所述的商品推荐模型训练方法或上述第二方面所述的商品推荐方法的步骤。
11、第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行上述第一方面所述的商品推荐模型训练方法或上述第二方面所述的商品推荐方法。
12、本申请实施例与现有技术相比存在的有益效果是:
13、本申请实施例中,构建的训练样本集包括多个第一训练样本,一个第一训练样本包括一个用户对应的用户信息、用户行为数据和第一目标商品构建训练样本集中的第一训练样本,而用户行为数据包括了用户行为对应的商品的商品标识,第一目标商品与用户行为数据具有关联关系,且第一目标商品所属的中心词与用户行为数据对应的商品所属的中心词不同,使得基于该训练样本集训练得到的商品推荐模型,具有召回与用户具有关联关系,但又与用户的用户行为数据对应的商品属于不同中心词的商品的能力。并且,第一目标商品的应用场景与第一应用场景相同,第一应用场景包括历史应用场景和/或预测应用场景,而历史应用场景包括用户行为数据对应的商品的应用场景,预测应用场景包括基于该历史应用场景确定的且与其不同的应用场景,使得训练得到的商品推荐模型召回的商品的应用场景也符合用户的购物偏好,即,基于该商品推荐模型进行商品推荐时,能够推荐与用户具有关联关系的相似度较低,且应用场景符合用户的购物偏好的商品,从而提高商品推荐效果和用户购物体验。
本文档来自技高网...【技术保护点】
1.一种商品推荐模型训练方法,其特征在于,包括:
2.如权利要求1所述的商品推荐模型训练方法,其特征在于,所述用户行为数据还包括各个用户行为的发生时间,所述确定与用户的用户行为数据具有关联关系的第一目标商品,包括:
3.如权利要求2所述的商品推荐模型训练方法,其特征在于,所述基于所述第一截止时间和所述用户行为数据确定目标序列,包括:
4.如权利要求1所述的商品推荐模型训练方法,其特征在于,所述构建训练样本集,包括:
5.如权利要求4所述的商品推荐模型训练方法,其特征在于,所述基于所述训练样本集对初始的商品推荐模型进行训练,得到最终的所述商品推荐模型,包括:
6.如权利要求1至5任一项所述的商品推荐模型训练方法,其特征在于,所述第一应用场景包括所述第一预测应用场景时,在所述确定与用户的用户行为数据具有关联关系的第一目标商品之前,还包括:
7.一种商品推荐方法,其特征在于,包括:
8.如权利要求7所述的商品推荐方法,其特征在于,所述商品推荐模型包括用户塔、商品塔和互操作层,所述用户塔用于对所述目标用户
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6或权利要求7至8任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6或权利要求7至8任一项所述的方法。
...【技术特征摘要】
1.一种商品推荐模型训练方法,其特征在于,包括:
2.如权利要求1所述的商品推荐模型训练方法,其特征在于,所述用户行为数据还包括各个用户行为的发生时间,所述确定与用户的用户行为数据具有关联关系的第一目标商品,包括:
3.如权利要求2所述的商品推荐模型训练方法,其特征在于,所述基于所述第一截止时间和所述用户行为数据确定目标序列,包括:
4.如权利要求1所述的商品推荐模型训练方法,其特征在于,所述构建训练样本集,包括:
5.如权利要求4所述的商品推荐模型训练方法,其特征在于,所述基于所述训练样本集对初始的商品推荐模型进行训练,得到最终的所述商品推荐模型,包括:
6.如权利要求1至5任一项所述的商品推荐模型训练方法,其特征在于,所述第一应用场景包括所述第一预测应用场景时,在所述确定与用户的用户行为数据具有关联关系的第一目标商品之前,还包括:
<...【专利技术属性】
技术研发人员:王振甲,张炜,贺健雄,周小茜,
申请(专利权)人:深圳市灵智数字科技有限公司,
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。