[發(fā)明專利]一種商品的推薦方法、裝置、存儲介質(zhì)及服務(wù)器

有效

• 申請?zhí)枺?/td>: 201710940309.2
• 申請日: 2017-09-30
• 公開（公告）號: CN107705183B
• 公開（公告）日: 2021-04-27
• 發(fā)明（設(shè)計）人: 吳佳東
• 申請（專利權(quán)）人: 深圳樂信軟件技術(shù)有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q30/02;G06K9/62;G06N20/00
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發(fā)明實施例公開了一種商品的推薦方法、裝置、存儲介質(zhì)及服務(wù)器。該方法包括：利用機器學(xué)習(xí)手段，對隱性行為數(shù)據(jù)與歷史購買行為結(jié)果進行訓(xùn)練，得到訓(xùn)練模型；獲取用戶對待推薦商品的隱性行為數(shù)據(jù)，根據(jù)所述訓(xùn)練模型，得到所述用戶對所述待推薦商品的興趣度；根據(jù)所述用戶對所述待推薦商品的興趣度，進行商品推薦。通過采用本發(fā)明實施例所提供的技術(shù)方案，可以實現(xiàn)針對用戶喜好的商品進行推薦，從而提高用戶對推薦商品的購買轉(zhuǎn)化率的效果。

技術(shù)領(lǐng)域

本發(fā)明實施例涉及電商商品推薦技術(shù)領(lǐng)域，尤其涉及一種商品的推薦方法、裝置、存儲介質(zhì)及服務(wù)器。

背景技術(shù)

目前，隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，網(wǎng)絡(luò)購物的形式已經(jīng)被廣大消費者所接收。

現(xiàn)有技術(shù)中，電商針對用戶進行商品推薦，往往是依據(jù)獲取到顯性數(shù)據(jù)，如用戶對商品點贊、好評等，進行商品或者類似商品推薦的。然而很多用戶沒有對已購買的商品進行評價的習(xí)慣，這就使得電商推薦的商品的方式?jīng)]有了數(shù)據(jù)基礎(chǔ)，比較盲目，電商推薦的商品無法滿足用戶的喜好，購買轉(zhuǎn)化率較低。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種商品的推薦方法、裝置、存儲介質(zhì)及服務(wù)器，可以實現(xiàn)針對用戶喜好的商品進行推薦，從而提高用戶對推薦商品的購買轉(zhuǎn)化率的效果。

第一方面，本發(fā)明實施例提供了一種商品的推薦方法，該方法包括：

利用機器學(xué)習(xí)手段，對隱性行為數(shù)據(jù)與歷史購買行為結(jié)果進行訓(xùn)練，得到訓(xùn)練模型；

獲取用戶對待推薦商品的隱性行為數(shù)據(jù)，根據(jù)所述訓(xùn)練模型，得到所述用戶對所述待推薦商品的興趣度；

根據(jù)所述用戶對所述待推薦商品的興趣度，進行商品推薦。

進一步的，利用機器學(xué)習(xí)手段，對隱性行為數(shù)據(jù)與歷史購買行為結(jié)果進行訓(xùn)練，得到訓(xùn)練模型，包括：

獲取用戶對至少一種商品的特征隱性行為數(shù)據(jù)，并獲取用戶對商品的購買行為結(jié)果，形成樣本集；其中，所述用戶對商品的特征隱性行為數(shù)據(jù)包括：至少一個特定時間段內(nèi)，用戶對商品的瀏覽、購買、加購物車、收藏、預(yù)約和預(yù)購中至少一種隱性行為的次數(shù)；

將所述樣本集輸入初始化的XGBoost模型進行訓(xùn)練，得到訓(xùn)練模型。

進一步的，在獲取用戶對至少一種商品的特征隱性行為，并獲取用戶對商品的購買行為結(jié)果，形成樣本集之后，還包括：

將所述樣本集劃分為訓(xùn)練集和測試集；

相應(yīng)的，將所述樣本集輸入初始化的XGBoost模型進行訓(xùn)練，得到訓(xùn)練模型，包括：

初始化XGBoost模型參數(shù)，所述模型參數(shù)包括：子樹的最大深度、學(xué)習(xí)速率和子樹個數(shù)中的一種或多種；

將所述訓(xùn)練集輸入XGBoost模型進行模型訓(xùn)練，得到初步訓(xùn)練模型；

在測試集上進行所述初步訓(xùn)練模型測試，并判斷測試結(jié)果是否滿足預(yù)設(shè)條件；

若滿足，則確定所述初步訓(xùn)練模型為訓(xùn)練模型，若不滿足，則調(diào)整訓(xùn)練集正負樣本比例和所述初步訓(xùn)練模型的參數(shù)，直至測試結(jié)果滿足預(yù)設(shè)條件為止，并確定訓(xùn)練模型。

進一步的，所述獲取用戶對待推薦商品的隱性行為數(shù)據(jù)，根據(jù)所述訓(xùn)練模型，得到所述用戶對待推薦商品的興趣度，包括：

獲取用戶對待推薦商品的特征隱性行為數(shù)據(jù)；

根據(jù)所述訓(xùn)練模型，確定所述特征隱性行為數(shù)據(jù)對于用戶購買結(jié)果的影響權(quán)重；

根據(jù)所述特征隱性行為數(shù)據(jù)和所述特征隱性行為的影響權(quán)重，計算所述用戶對所述待推薦商品的興趣度。