[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

一種實現物品推薦的方法、裝置、計算機存儲介質及終端，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。本發明實施例提升了推薦系統的準確率，提高了推薦系統的推薦效率和用戶使用體驗。

技術領域

本文涉及但不限于電子商務技術，尤指一種實現物品推薦的方法、裝置、計算機存儲介質及終端。

背景技術

隨著互聯網技術的應用發展，推薦系統的應用場景變得越來越廣泛，如推薦新聞、音樂、電影、短視頻和電商中的商品，因此推薦技術也得到了長足的發展，通過各種推薦算法不斷提升了推薦系統的準確性。

目前，相關技術中的推薦算法包括：基于用戶的推薦、基于物品的推薦及協同過濾；其中，基于用戶的推薦包括：根據用戶的屬性，計算用戶之間的相似度，根據用戶的相似度為用戶推薦物品。比如，用戶A與用戶B的各項屬性(如：年齡、性別、學歷、地區、職業、婚姻狀態等)相似，則可以分析認定他們的喜好也相似，如果用戶A購買過物品X，而用戶B未購買過物品X，則為用戶B推薦物品X?；谖锲返耐扑]包括：根據物品的屬性，計算物品之間的相似度，為用戶推薦相似的物品。比如，物品X與物品Y非常相似，如果用戶A購買過物品X，則為用戶A推薦物品Y。協同過濾包括：協同過濾綜合考慮用戶和物品兩種維度，形成了“物品-用戶-物品”的協同效果；圖1為相關技術協同過濾的示例圖，如圖1所示，從圖1中可以看到用戶1與用戶2對電影1、電影2和電影3的評分相似，因此，可以判斷用戶2對未點評的電影4和電影5的評價會與用戶1相似，根據用戶2對電影4和電影5的評價，可以確定是否向用戶推薦電影4和電影5。

然而，上述三種推薦算法僅考慮人和/或物品，沒有考慮其他影響用戶相關要素，導致推薦系統為用戶提供的推薦準確度低，得到用戶認可和選擇的概率低，如何提升推薦系統的推薦效率及用戶的使用體驗，成為一個有待解決的問題。

發明內容

以下是對本文詳細描述的主題的概述。本概述并非是為了限制權利要求的保護范圍。

本發明實施例提供一種實現物品推薦的方法、裝置、計算機存儲介質及終端，能夠提升推薦系統的推薦效率和用戶的使用體驗。

本發明實施例提供了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。

在一種示例性實施例中，所述順承概率關系包括通過以下公式確定的關系：

其中：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；g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。

在一種示例性實施例中，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。