[發明專利]商品組的推薦方法、裝置、電子設備及可讀存儲介質

在審

• 申請號: 201910636573.6
• 申請日: 2019-07-15
• 公開（公告）號: CN110490637A
• 公開（公告）日: 2019-11-22
• 發明（設計）人: 王文斌;胡懋地;羅震
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F16/9536
• 代理公司: 11319 北京潤澤恒知識產權代理有限公司
• 代理人: 任亞娟<國際申請>=<國際公布>=<進入

1.一種商品組的推薦方法，其特征在于，所述方法包括：

針對目標商品組中每個商品，根據所述商品對應的個體特征生成個體特征向量；

根據所述每個商品的個體特征向量確定每個商品在所述目標商品組中的權重；

根據每個商品的個體特征向量、每個商品在所述目標商品組中的權重、以及所述目標商品組的綜合特征，生成所述目標商品組的綜合特征向量；

將所述綜合特征向量輸入至預先訓練的激活函數中，預測得到所述目標商品組的質量得分，所述激活函數包括針對點擊率的第一激活子函數和針對轉化率的第二激活子函數，在訓練過程中，根據商品組合樣本中預先標注的點擊率樣本值、所述第一激活子函數輸出的點擊率預測值、預先標注的轉化率樣本值、所述第二激活子函數輸出的轉化率預測值確定損失值；

根據所述質量得分將所述目標商品組推薦給用戶。

2.根據權利要求1所述的方法，其特征在于，所述個體特征包括商品名稱、所述商品對應的標簽、以及連續特征，所述根據所述商品對應的個體特征生成個體特征向量的步驟，包括：

將所述商品名稱輸入至卷積神經網絡和最大池化層中預測得到第一子向量；

將所述標簽輸入至嵌入層中預測得到第二子向量；

將所述第一子向量、第二子向量、所述連續特征組成的第三向量拼接得到個體特征向量。

3.根據權利要求1所述的方法，其特征在于，所述將所述綜合特征向量輸入至預先訓練的激活函數中，預測得到所述目標商品組的質量得分的步驟，包括：

將所述綜合特征向量輸入至所述第一激活子函數中，預測得到點擊率；

將所述綜合特征向量輸入至所述第二激活子函數中，預測得到轉化率；

根據所述點擊率和轉化率計算得到質量得分。

4.根據權利要求3所述的方法，其特征在于，所述根據所述點擊率和轉化率計算得到質量得分的步驟，包括：

根據所述點擊率和轉化率的乘積確定訪購率得分；

將所述點擊率或所述轉化率或所述訪購率得分作為質量得分。

5.根據權利要求1至4其中任一項所述的方法，其特征在于，所述在訓練過程中，根據商品組合樣本中預先標注的點擊率樣本值、所述第一激活子函數輸出的點擊率預測值、預先標注的轉化率樣本值、所述第二激活子函數輸出的轉化率預測值確定損失值的步驟，包括：

根據如下公式計算損失值：

其中，TrainLoss為損失值，M為商品組合樣本的數量，w₁為第一預設權重，w₂為第二預設權重，y'_i,1為第一激活子函數針對第i個商品組合樣本的點擊率預測值，y'_i,2為第二激活子函數針對第i個商品組合樣本輸出的轉化率預測值，y_i,1、y_i,2分別為第i個商品組合樣本預先標注的點擊率樣本值、轉化率樣本值，y_i,1·y_i,2為第i個商品組合樣本對應的訪購率樣本值，y'_i,1y'_i,2為第i個商品組合樣本對應的訪購率預測值。

6.根據權利要求5所述的方法，其特征在于，所述第一預設權重、第二預設權重通過如下步驟確定：

基于多個商品組合樣本，分別計算所述點擊率預測值的方差和所述訪購率預測值的方差，得到第一方差和第二方差；

若所述第一方差大于第二方差，則減小所述第一預設權重，且增大所述第二預設權重；

若所述第一方差小于第二方差，則增大所述第一預設權重，且減小所述第二預設權重。

7.根據權利要求5所述的方法，其特征在于，在對所述第一激活子函數和第二激活子函數訓練之前，所述方法還包括：

按照預設規則對所述商品組合樣本進行過濾，所述預設規則包括如下規則中的一種或多種：基于在預設歷史時間段內的轉化率的過濾規則、基于在預設歷史時間段內的點擊率的過濾規則。