[發明專利]一種實現物品推薦的方法、裝置、計算機存儲介質及終端

有效

• 申請號: 202010082753.7
• 申請日: 2020-02-07
• 公開（公告）號: CN111339400B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 張杰;羅華剛;于皓;吳信東
• 申請（專利權）人: 北京明略軟件系統有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/0601
• 代理公司: 北京安信方達知識產權代理有限公司 11262
• 代理人: 王康;栗若木

1.一種實現物品推薦的方法，包括：

根據用戶的商品購買記錄，為用戶每一次的購物行為建立相應的樣本；

以建立的樣本作為訓練數據集，擬合獲得用戶購買的物品間的順承概率關系；

根據擬合獲得的順承概率關系，預估用戶購買各待推薦物品的購買概率，并根據預估的各待推薦物品的購買概率進行物品推薦；

其中，所述樣本中包括：用戶在前購買的每一件物品與各待推薦物品的時間差，還包括以下一項或任意組合的信息：用戶的屬性特征、商品的屬性特征、用戶登錄購買平臺前后的上下文特征；所述順承概率關系包括通過以下公式確定的關系：λ表示用戶u在時刻t購買物品i的強度函數；μ表示基礎強度；p_ji表示購買物品j導致購買物品i的概率；p_ii表示重復購買物品i的概率；為基礎強度函數，表示當前物品的購買強度與購買物品j的時間長度相關。

2.根據權利要求1所述的方法，其特征在于，所述時間長度相關包括以下任一種類的相關：

非齊次泊松過程、更新過程、自校正過程和自激勵過程。

3.根據權利要求1～2任一項所述的方法，其特征在于，所述擬合獲得用戶購買的物品間的順承概率關系包括：

通過隨機梯度下降法或擬牛頓法對所述訓練數據集中的樣本進行擬合，獲得用戶購買的物品間的所述順承概率關系。

4.根據權利要求1～2任一項所述的方法，其特征在于，所述根據預估的各待推薦物品的購買概率進行物品推薦，包括：

根據預估獲得的各待推薦物品的所述購買概率的大小，選擇購買概率取值最大的預設數值個待推薦物品進行物品推薦。

5.一種計算機存儲介質，所述計算機存儲介質中存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1～4中任一項所述的實現物品推薦的方法。

6.一種終端，包括：存儲器和處理器，所述存儲中保存有計算機程序；其中，

處理器被配置為執行存儲器中的計算機程序；

所述計算機程序被所述處理器執行時實現如執行權利要求1～4中任一項所述的實現物品推薦的方法。

7.一種實現物品推薦的裝置，包括：樣本單元、擬合單元和推薦單元；其中，

樣本單元用于：根據用戶的商品購買記錄，為用戶每一次的購物行為建立相應的樣本；

擬合單元用于：以建立的樣本作為訓練數據集，擬合獲得用戶購買的物品間的順承概率關系；

推薦單元用于：根據擬合獲得的順承概率關系，預估用戶購買各待推薦物品的購買概率，并根據預估的各待推薦物品的購買概率進行物品推薦；

其中，所述樣本中包括：用戶在前購買的每一件物品與各待推薦物品的時間差，還包括以下一項或任意組合的信息：用戶的屬性特征、商品的屬性特征、用戶登錄購買平臺前后的上下文特征；所述順承概率關系包括通過以下公式確定的關系：λ表示用戶u在時刻t購買物品i的強度函數；μ表示基礎強度；p_ji表示購買物品j導致購買物品i的概率；p_ii表示重復購買物品i的概率；為基礎強度函數，表示當前物品的購買強度與購買物品j的時間長度相關。

8.根據權利要求7所述的裝置，其特征在于，所述擬合單元具體用于：

通過隨機梯度下降法或擬牛頓法對所述訓練數據集中的樣本進行擬合，獲得用戶購買的物品間的所述順承概率關系。