[發(fā)明專利]一種物品推薦的方法、裝置、計(jì)算機(jī)存儲(chǔ)介質(zhì)及終端

有效

• 申請?zhí)枺?/td>: 202010082754.1
• 申請日: 2020-02-07
• 公開（公告）號(hào): CN111339401B
• 公開（公告）日: 2023-05-26
• 發(fā)明（設(shè)計(jì)）人: 張杰;羅華剛;于皓;吳信東
• 申請（專利權(quán)）人: 北京明略軟件系統(tǒng)有限公司
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06Q30/0601
• 代理公司: 北京安信方達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11262
• 代理人: 王康;栗若木

一種物品推薦的方法、裝置、計(jì)算機(jī)存儲(chǔ)介質(zhì)及終端，包括：根據(jù)用戶的商品購買記錄，為用戶每一次的購物行為建立相應(yīng)的樣本；以建立的樣本作為訓(xùn)練數(shù)據(jù)集，擬合獲得用戶購買的物品間的順承概率關(guān)系；將擬合獲得的順承概率關(guān)系添加至預(yù)設(shè)的目標(biāo)函數(shù)后，根據(jù)添加順承概率關(guān)系的目標(biāo)函數(shù)進(jìn)行物品推薦；其中，所述目標(biāo)函數(shù)包括：協(xié)同過濾的目標(biāo)函數(shù)；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(shí)間差，還包括以下一項(xiàng)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(tái)前后的上下文特征。本發(fā)明實(shí)施例提升了推薦系統(tǒng)的準(zhǔn)確率，提高了推薦系統(tǒng)的推薦效率和用戶使用體驗(yàn)。

技術(shù)領(lǐng)域

本文涉及但不限于電子商務(wù)技術(shù)，尤指一種物品推薦的方法、裝置、計(jì)算機(jī)存儲(chǔ)介質(zhì)及終端。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的應(yīng)用發(fā)展，推薦系統(tǒng)的應(yīng)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(shù)也得到了長足的發(fā)展，通過各種推薦算法不斷提升了推薦系統(tǒng)的準(zhǔn)確性。

目前，相關(guān)技術(shù)中的推薦算法包括：基于用戶的推薦、基于物品的推薦及協(xié)同過濾；其中，基于用戶的推薦包括：根據(jù)用戶的屬性，計(jì)算用戶之間的相似度，根據(jù)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(xiàng)屬性(如：年齡、性別、學(xué)歷、地區(qū)、職業(yè)、婚姻狀態(tài)等)相似，則可以分析認(rèn)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。基于物品的推薦包括：根據(jù)物品的屬性，計(jì)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(xié)同過濾包括：協(xié)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(xié)同效果；圖1為相關(guān)技術(shù)協(xié)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(diǎn)評的電影4和電影5的評價(jià)會(huì)與用戶1相似，根據(jù)用戶2對電影4和電影5的評價(jià)，可以確定是否向用戶推薦電影4和電影5。從推薦效果上看，協(xié)同過濾的技術(shù)最優(yōu)。目前，相關(guān)技術(shù)中的協(xié)同過濾包括：

1、奇異值分解特征(SVDFeature)：將某用戶是否購買某物品看做是一個(gè)概率值y，y由以下三組特征組成：g代表的全局環(huán)境特征，u代表的用戶特征和i代表的物品特征；不同組的特征再兩兩相乘組成交叉特征，SVDFeature的目標(biāo)函數(shù)如式1所示：

2、分解機(jī)LibFM與SVDFeature相似，區(qū)別是它沒有將特征分組，任意不同的特征均兩兩相乘形成交叉特征，其目標(biāo)函數(shù)如式2所示：

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(guān)要素，導(dǎo)致推薦系統(tǒng)為用戶提供的推薦準(zhǔn)確度低，得到用戶認(rèn)可和選擇的概率低，例如、協(xié)同過濾很可能給已經(jīng)購買過嬰兒車和嬰兒奶粉的用戶推薦婚紗或孕婦奶粉；如何提升推薦系統(tǒng)的推薦效率及用戶的使用體驗(yàn)，成為一個(gè)有待解決的問題。

發(fā)明內(nèi)容

以下是對本文詳細(xì)描述的主題的概述。本概述并非是為了限制權(quán)利要求的保護(hù)范圍。

本發(fā)明實(shí)施例提供一種實(shí)現(xiàn)物品推薦的方法、裝置、計(jì)算機(jī)存儲(chǔ)介質(zhì)及終端，能夠提升推薦系統(tǒng)的推薦效率和用戶的使用體驗(yàn)。

本發(fā)明實(shí)施例提供了一種物品推薦的方法，包括：

根據(jù)用戶的商品購買記錄，為用戶每一次的購物行為建立相應(yīng)的樣本；

以建立的樣本作為訓(xùn)練數(shù)據(jù)集，擬合獲得用戶購買的物品間的順承概率關(guān)系；

將擬合獲得的順承概率關(guān)系添加至預(yù)設(shè)的目標(biāo)函數(shù)后，根據(jù)添加順承概率關(guān)系的目標(biāo)函數(shù)進(jìn)行物品推薦；

其中，所述目標(biāo)函數(shù)包括：協(xié)同過濾的目標(biāo)函數(shù)；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(shí)間差，還包括以下一項(xiàng)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(tái)前后的上下文特征。