[發明專利]商品推薦方法和可讀存儲介質

在審

• 申請號: 202010470337.4
• 申請日: 2020-05-28
• 公開（公告）號: CN111639989A
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 方依;黃楷;陳羲;梁新敏
• 申請（專利權）人: 上海風秩科技有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 北京超成律師事務所 11646
• 代理人: 劉靜

1.一種商品推薦方法，其特征在于，應用于計算機設備，所述計算機設備存儲有商家的多個商品和每個所述商品的商品表征值，所述方法包括：

響應目標用戶的選擇操作，獲取選擇商品及所述選擇商品的選擇商品表征值；

當所述計算機設備預先存儲目標用戶的歷史操作記錄時，則根據所述歷史操作記錄和所述選擇商品表征值得到用戶需求表征值；

根據所述用戶需求表征值與其他商品的商品表征值進行內積計算，得到商品推薦值，所述其他商品為所述多個商品中除所述選擇商品之外的任一商品；

當所述商品推薦值超過預設推薦閾值時，將所述其他商品進行推薦。

2.根據權利要求1所述的方法，其特征在于，在所述當所述商品推薦值超過預設推薦閾值時，將所述商品推薦值對應的其他商品進行推薦的步驟之前，所述方法還包括：

當所述計算機設備未預先存儲目標用戶的歷史操作記錄時，則根據所述選擇商品表征值與其他商品的商品表征值進行內積計算，得到所述商品推薦值。

3.根據權利要求1所述的方法，其特征在于，所述計算機設備還存儲有衰減系數表，所述歷史操作記錄包括歷史選擇商品表征值和歷史操作時間；

所述根據所述歷史操作記錄和所述選擇商品表征值得到用戶需求表征值的步驟，包括：

根據所述歷史操作時間從所述衰減系數表中確定目標衰減系數；

將所述目標衰減系數與所述歷史選擇商品表征值相乘得到目標歷史選擇商品表征值；

計算所述目標歷史選擇商品表征值和所述選擇商品表征值的平均值；

將所述平均值作為所述用戶需求表征值。

4.根據權利要求1所述的方法，其特征在于，所述計算機設備還存儲有每個所述商品的商品屬性；

所述方法還包括計算每個所述商品的商品表征值的步驟，該步驟包括：

將每個所述商品的商品屬性均轉換為數值型商品屬性特征；

將每個所述數值型商品屬性特征均輸入預先訓練的推薦模型中，得到每個所述商品的商品表征值。

5.根據權利要求4所述的方法，其特征在于，所述推薦模型是按照以下方式進行訓練的：

獲取初始訓練樣本，其中，所述初始訓練樣本包括每個訓練商品的商品屬性、以及每個訓練商品對應的操作記錄；

對所述每個訓練商品對應的操作記錄進行聚類，得到目標商品類別集合；

從所述目標商品類別集合中獲取多個目標訓練商品、每個所述目標訓練商品的商品屬性、以及每個所述目標訓練商品對應的操作記錄；

將每個所述目標訓練商品的商品屬性均轉換為每個數值型屬性特征；

將每個所述目標訓練商品對應的操作記錄通過網絡嵌入計算得到每個目標訓練商品的商品表征值；

將每個數值型屬性特征作為輸入、以及將每個目標訓練商品的商品表征值作為輸出，對預先構建的所述推薦模型進行訓練，得到訓練后的所述推薦模型。

6.根據權利要求5所述的方法，其特征在于，所述將每個所述目標訓練商品的商品屬性均轉換為每個數值型屬性特征的步驟，包括：

判斷所述目標訓練商品的商品屬性中是否包括文字相關屬性；

若是，則將所述文字相關屬性轉換為數值型商品屬性特征；

若否，則將所述目標訓練商品的商品屬性作為所述數值型商品屬性特征。

7.根據權利要求5所述的方法，其特征在于，所述對所述每個訓練商品對應的操作記錄進行聚類，得到目標商品類別集合的步驟，包括：

根據所述每個訓練商品對應的操作記錄，得到多個商品類別組；

獲取每個所述商品類別組之間多個訓練用戶的重復率，每個所述訓練用戶至少對應一個訓練商品對應的操作記錄；

當存在所述重復率超過預設重復率閾值的多個目標商品類別組時，將所述多個目標商品類別組作為所述目標商品類別集合。