商品推荐方法、装置、电子设备及存储介质制造方法及图纸

本申请适用于计算机技术领域，提供了商品推荐方法、装置、电子设备及存储介质，包括：获取目标用户在第一预设时间段的第一行为数据集和在第二预设时间段的第二行为数据集；根据所述第一行为数据集和已训练的第一预设模型，得到第一预测概率集合；以及根据所述第二行为数据集和已训练的第二预设模型，得到第二预测概率；第一预测概率集合和第二预测概率用于表征目标行为的发生概率；将所述第一预测概率集合、所述第二预测概率和目标行为参考数据集，作为第三预设模型的输入参数，得到第三预测概率；对所述目标用户执行与所述第三预测概率对应的商品推荐策略；本申请提高了商品推荐策略的准确度和可靠性。

【技术实现步骤摘要】

本申请属于计算机，尤其涉及商品推荐方法、装置、电子设备及存储介质。

技术介绍

1、目前电商领域的商品推荐方法，基本上都是基于用户全量行为通过按需的方式进行模型训练与更新，或者基于运营人员的经验对用户的短时行为设置一定的规则进行预测。以上的方式存在模型更新不及时或规则主要依赖人的历史经验等问题，导致推荐结果存在准确度不高的问题。

技术实现思路

1、本申请实施例提供了商品推荐方法、装置、电子设备及存储介质，可以解决目前电商领域的商品推荐方法准确度不高的问题。

2、第一方面，本申请实施例提供了一种商品推荐方法，包括：

3、获取目标用户在第一预设时间段的第一行为数据集和在第二预设时间段的第二行为数据集；所述第一预设时间段位于所述第二预设时间段之前；

4、根据所述第一行为数据集和已训练的第一预设模型，得到第一预测概率集合；以及根据所述第二行为数据集和已训练的第二预设模型，得到第二预测概率；所述第一预设模型和所述第二预设模型均为机器学习模型；所述第一预测概率集合和第二预测概率用于表征目本文档来自技高网...

【技术保护点】

1.一种商品推荐方法，其特征在于，包括：

2.如权利要求1所述的商品推荐方法，其特征在于，所述第三预设模型为LSTM模型；所述LSTM模型包括长记忆网络和短记忆网络；所述将所述第一预测概率集合、所述第二预测概率和目标行为参考数据集，作为第三预设模型的输入参数，得到第三预测概率，包括：

3.如权利要求1或2所述的商品推荐方法，其特征在于，所述第一预设时间段中包括多个预设日期；所述根据所述第一行为数据集和已训练的第一预设模型，得到第一预测概率集合，包括：

4.如权利要求1或2所述的商品推荐方法，其特征在于，在所述获取目标用户在第一预设时间段的第一行为数据集...

【技术特征摘要】

1.一种商品推荐方法，其特征在于，包括：

2.如权利要求1所述的商品推荐方法，其特征在于，所述第三预设模型为lstm模型；所述lstm模型包括长记忆网络和短记忆网络；所述将所述第一预测概率集合、所述第二预测概率和目标行为参考数据集，作为第三预设模型的输入参数，得到第三预测概率，包括：

3.如权利要求1或2所述的商品推荐方法，其特征在于，所述第一预设时间段中包括多个预设日期；所述根据所述第一行为数据集和已训练的第一预设模型，得到第一预测概率集合，包括：

4.如权利要求1或2所述的商品推荐方法，其特征在于，在所述获取目标用户在第一预设时间段的第一行为数据集和在第二预设时间段的第二行为数据集之前，所述方法包括：

5.如权利要求3所述的商品推荐方法，其特征在于，所述构建...

【专利技术属性】
技术研发人员：许先才，庞超，魏浩浩，熊磊，
申请(专利权)人：深圳市云积分科技有限公司，
类型：发明
国别省市：