[發明專利]基于實時特征的推薦商品的快速二次排序方法

有效

• 申請號: 201911336903.6
• 申請日: 2019-12-23
• 公開（公告）號: CN111161021B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 馬翼;王繼云;朱戰偉
• 申請（專利權）人: 叮當快藥科技集團有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F16/9536
• 代理公司: 北京遠大卓悅知識產權代理有限公司 11369
• 代理人: 卞靜靜

1.基于實時特征的推薦商品的快速二次排序方法，其特征在于，包括以下步驟：

利用按次分類的商品交易信息，計算各商品之間的關聯性，得到商品畫像；

根據各用戶的交易信息和各商品畫像，計算各用戶與各商品之間的關聯性，得到用戶畫像；

根據各商品畫像和用戶畫像進行模型訓練，得到商品召回模型；

當檢測到特定用戶訪問時，首先根據該特定用戶的用戶畫像利用商品召回模型獲得待召回商品，然后再根據用戶本次訪問的商品以及前次訪問的商品按照從新到舊的順序選取預定數量的商品，作為用戶的交易信息，對用戶重新進行用戶畫像；

根據重新得到的用戶畫像，再利用商品召回模型重新計算上述待召回商品的分值或者計算商品與用戶之間的距離分值，按照這次計算的分值，作為待召回商品的顯示排序依據。

2.如權利要求1所述的基于實時特征的推薦商品的快速二次排序方法，其特征在于，還包括以下步驟：

利用商品的包括瀏覽信息在內的交易信息，計算各商品的轉化率特征；

根據各商品畫像，用戶畫像和各商品的轉化率特征進行模型訓練，得到商品召回模型。

3.如權利要求2所述的基于實時特征的推薦商品的快速二次排序方法，其特征在于，還包括：

計算商品與用戶之間的距離分值的方法為：利用商品畫像和用戶畫像，計算商品與各用戶之間的距離特征，所述距離特征包括歐氏距離或余弦相似度；并且

訓練模型時，利用各商品畫像，用戶畫像，各商品的轉化率特征和距離特征進行模型訓練，得到商品召回模型。

4.如權利要求3所述的基于實時特征的推薦商品的快速二次排序方法，其特征在于，所述商品交易信息中包括用戶購買的商品和用戶瀏覽的商品，在計算各商品之間的關聯性時，用戶購買的商品和用戶瀏覽的商品在數值上不同。

5.如權利要求1或者4所述的基于實時特征的推薦商品的快速二次排序方法，其特征在于，計算各商品之間的關聯性采用word2vector算法，計算出商品的特征向量，作為商品畫像。

6.如權利要求5所述的基于實時特征的推薦商品的快速二次排序方法，其特征在于，商品的特征向量以50維向量代表。

7.如權利要求5所述的基于實時特征的推薦商品的快速二次排序方法，其特征在于，計算各用戶與各商品之間的關聯性是通過統計用戶購買過的商品，根據商品畫像進行加和取均值來計算。

8.如權利要求2所述的基于實時特征的推薦商品的快速二次排序方法，其特征在于，計算各商品的轉化率特征時，分不同的時間窗口進行計算。

9.如權利要求5所述的基于實時特征的推薦商品的快速二次排序方法，其特征在于，訓練模型在spark平臺上進行，且使用GBDT+LR或Random Forest算法進行計算訓練。

10.如權利要求5所述的基于實時特征的推薦商品的快速二次排序方法，其特征在于，用戶本次訪問的商品以及前次訪問的商品按照從新到舊的順序選取預定數量的商品為：在redis里面存儲的用戶在進入APP之后點擊過的商品，按照時間順序，選取最近的10個商品。

11.電子設備，其特征在于，包括：至少一個處理器，以及與所述至少一個處理器通信連接的存儲器，其中，所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器執行權利要求1-10中任一項所述的方法。

12.存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時，實現權利要求1-10中任一項所述的方法。