[發明專利]一種商品推薦方法、裝置、電子設備及可讀存儲介質

有效

• 申請號: 202010072430.X
• 申請日: 2020-01-21
• 公開（公告）號: CN111292164B
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 黃楷;方依;梁新敏;陳羲
• 申請（專利權）人: 上海風秩科技有限公司
• 主分類號: G06Q30/0601
• 分類號: G06Q30/0601;G06F18/2411;G06F18/22
• 代理公司: 北京超成律師事務所 11646
• 代理人: 鄧超

1.一種商品推薦方法，其特征在于，所述商品推薦方法包括：

獲取商戶平臺中每個用戶的行為信息、各行為信息下所對應的商品信息以及新增商品的屬性信息；

根據每個用戶的行為信息和該行為信息下所對應的商品信息的關聯關系，構建每個用戶與該用戶關聯的商品的數據結構圖，每個用戶和每個商品作為所述數據結構圖的節點；通過隨機游走算法均勻的選取節點，以生成預定個數的隨機游走序列；根據所述隨機游走序列，計算出至少兩個商品節點出現在同一序列中的概率；根據所述至少兩個商品節點出現在同一序列中的概率，計算出用于表示商品間相似度的商品關聯特征向量；

根據每個用戶的行為信息下所對應的商品信息，構建該商品信息的屬性特征向量；

基于所述商品關聯特征向量和各商品信息的屬性特征向量，確定所述商戶平臺中的商品之間的關聯關系；

根據新增商品的屬性信息，構建該新增商品的屬性特征向量；

根據每個用戶的行為信息下所對應的商品信息的屬性特征向量和新增商品的屬性特征向量，確定每個用戶的行為信息下所對應的商品信息與新增商品的屬性信息的相似度；

基于所述關聯關系和每個用戶的行為信息下所對應的商品信息與新增商品的相似度，對新增商品進行推薦。

2.根據權利要求1所述的商品推薦方法，其特征在于，根據每個用戶的行為信息下所對應的商品信息，構建該商品信息的屬性特征向量，包括：

提取每個用戶的行為信息下所對應的商品信息的屬性特征；

將所述商品信息的屬性特征聚合，構建出每個用戶行為信息下所對應的商品信息的屬性特征向量。

3.根據權利要求1所述的商品推薦方法，其特征在于，基于所述商品關聯特征向量和各商品信息的屬性特征向量，確定所述商戶平臺中的商品之間的關聯關系，包括：

將所述各商品信息的屬性特征向量作為商品之間關聯關系函數的輸入參數，將所述商品關聯特征向量作為商品之間關聯關系函數的輸出參數，以確定所述商戶平臺中的商品之間的關聯關系。

4.根據權利要求2所述的商品推薦方法，其特征在于，所述商品信息的屬性特征包括以下特征中的至少一種：

商品名稱特征、商品價格特征以及商品類別特征。

5.一種商品推薦裝置，其特征在于，所述商品推薦裝置包括：

獲取模塊，用于獲取商戶平臺中每個用戶的行為信息、各行為信息下所對應的商品信息以及新增商品的屬性信息；

第一計算模塊，用于根據每個用戶的行為信息和該行為信息下所對應的商品信息的關聯關系，構建每個用戶與該用戶關聯的商品的數據結構圖，每個用戶和每個商品作為所述數據結構圖的節點；通過隨機游走算法均勻的選取節點，以生成預定個數的隨機游走序列；根據所述隨機游走序列，計算出至少兩個商品節點出現在同一序列中的概率；根據所述至少兩個商品節點出現在同一序列中的概率，計算出用于表示商品間相似度的商品關聯特征向量；

第二計算模塊，用于根據每個用戶的行為信息下所對應的商品信息，構建該商品信息的屬性特征向量；

第一確定模塊，用于基于所述商品關聯特征向量和各商品信息的屬性特征向量，確定所述商戶平臺中的商品之間的關聯關系；

第三計算模塊，用于根據新增商品的屬性信息，構建該新增商品的屬性特征向量；

第二確定模塊，用于根據每個用戶的行為信息下所對應的商品信息的屬性特征向量和新增商品的屬性特征向量，確定每個用戶的行為信息下所對應的商品信息與新增商品的屬性信息的相似度；

推薦模塊，用于基于所述關聯關系和每個用戶的行為信息下所對應的商品信息與新增商品的相似度，對新增商品進行推薦。