[發(fā)明專利]商品推薦方法和可讀存儲介質

在審

• 申請?zhí)枺?/td>: 202010470337.4
• 申請日: 2020-05-28
• 公開（公告）號: CN111639989A
• 公開（公告）日: 2020-09-08
• 發(fā)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

本申請的實施例提供了一種商品推薦方法和可讀存儲介質，涉及電子商務技術領域，商品推薦方法包括：獲取選擇的商品及選擇的商品的表征值；根據用戶需求表征值與其他商品的商品表征值進行計算，得到商品推薦值；當商品推薦值超過預設推薦閾值時，將其他商品進行推薦，能夠不過度參考用戶行為數據的基礎上可靠地進行商品推薦。

技術領域

本申請涉及電子商務技術領域，具體而言，涉及一種商品推薦方法和可讀存儲介質。

背景技術

隨著電子商務行業(yè)的發(fā)展，線上商城的開設也越來越多。對于一些新開設的線上商城來說，由于沒有一定數量的用戶行為數據，且各個線上商城之間的數據又是隔離的，因此，在沒有用戶行為數據或者只有較少的用戶行為數據的情況下進行的商品推薦并不是可靠的，無法保證用戶會對推薦的商品感興趣。

有鑒于此，如何提供一種不過度參考用戶行為數據的基礎上可靠地進行商品推薦的方案，是本領技術人員需要解決的。

發(fā)明內容

本申請實施了提供了一種商品推薦方法和可讀存儲介質。

本申請的實施例可以這樣實現：

第一方面，本申請實施例提供一種商品推薦方法，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。

在可選的實施方式中，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。

在可選的實施方式中，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。

在可選的實施方式中，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。

在可選的實施方式中，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；