[發明專利]一種信息推送方法及裝置

在審

• 申請號: 201910512050.0
• 申請日: 2019-06-13
• 公開（公告）號: CN111738787A
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 周東;雷章明;湯楨偉;蘭華勇;古川
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 梁少微;王麗琴

本發明公開了一種信息推送方法及裝置，具體包括：獲取用戶信息、商品信息、用戶歷史行為商品序列信息；根據所獲取的信息，采用強化學習的方法訓練用戶?商品興趣模型；采用深度學習的方法訓練用戶?商品復購周期模型；當前用戶進行在線訪問時，查找當前用戶的相關信息，根據用戶?商品興趣模型和用戶?商品復購周期模型得到當前用戶對商品列表中各商品的復購周期；根據當前用戶的歷史購買記錄時間，與商品列表中各商品的復購周期進行比較，對商品列表中的非復購商品進行過濾后，得到當前用戶的推薦商品列表。采用本發明能夠根據用戶反饋動態調整推薦策略；避免非復購周期內重復推薦商品。

技術領域

本發明涉及電子商務技術領域，特別涉及一種信息推送方法及裝置。

背景技術

在個性化商品推薦領域，目前的推薦算法包含：

1、基于熱度(流行度)的推薦，根據瀏覽量、銷量、社會熱點等定義熱度，能有效解決冷啟動問題。

2、基于協同過濾推薦，僅依賴用戶行為,不需要對商品特征或元數據進行深入理解。覆蓋率高，能有效解決長尾問題，給用戶以驚喜。

3、基于內容/規則/知識推薦，依賴于完整的、充分歸類的內容/規則/知識體系和結構化的數據特征。時效性高，推薦理由有較合理的解釋，用戶信任度高。

4、基于以上推薦算法的組合，優勢互補，可以規避冷啟動、數據稀疏和數據非結構化問題，適用范圍較廣。

對于現有技術，包括基于熱度(流行度)的推薦、基于協同過濾推薦、基于內容/規則/知識推薦，以及這些推薦算法的組合，由于將推薦結果輸出給用戶展示后，并未根據用戶反饋(如是否點擊、是否購買等)，進行推薦策略的動態調整，導致推薦效果不太理想。另外，由于沒有考慮商品所特有的復購周期因素(一般來說，耐耗品的復購周期大于快消品的復購周期)，造成非復購周期內商品的重復推薦，導致展示位的資源浪費和用戶體驗問題(如反感抵觸、不信任等)。

發明內容

本發明的目的在于提供一種信息推送方法及裝置，能夠根據用戶反饋動態調整推薦策略；避免非復購周期內重復推薦商品。

為實現上述發明目的，一種信息推送方法，該方法包括：

獲取用戶信息、商品信息、用戶歷史行為商品序列信息；

根據所獲取的信息，采用強化學習的方法訓練用戶-商品興趣模型；采用深度學習的方法訓練用戶-商品復購周期模型；

當前用戶進行在線訪問時，查找當前用戶的用戶信息、商品信息、用戶歷史行為商品序列信息，根據用戶-商品興趣模型和用戶-商品復購周期模型得到當前用戶對商品列表中各商品的復購周期；

根據當前用戶的歷史購買記錄時間，與商品列表中各商品的復購周期進行比較，對商品列表中的非復購商品進行過濾后，得到當前用戶的推薦商品列表。

為實現上述發明目的，本發明還提供了一種信息推送裝置，該裝置包括：

數據管理模塊，用于獲取用戶信息、商品信息、用戶歷史行為商品序列信息；

模型訓練模塊，用于根據數據管理模塊中獲取的信息，采用強化學習的方法訓練用戶-商品興趣模型；采用深度學習的方法訓練用戶-商品復購周期模型；

在線推薦模塊，用于在當前用戶進行在線訪問時，查找當前用戶的用戶信息、商品信息、用戶歷史行為商品序列信息，根據用戶-商品興趣模型和用戶-商品復購周期模型得到當前用戶對商品列表中各商品的復購周期；根據當前用戶的歷史購買記錄時間，與商品列表中各商品的復購周期進行比較，對商品列表中的非復購商品進行過濾后，得到當前用戶的推薦商品列表。