[發明專利]商品推薦方法和裝置

在審

• 申請號: 202010949448.3
• 申請日: 2020-09-10
• 公開（公告）號: CN112232896A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 溫珂偉;黃衍寧
• 申請（專利權）人: 上海明略人工智能（集團）有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q30/02;G06N3/04;G06N3/08
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 周婷婷

本發明公開了一種商品推薦方法和裝置。其中，該方法包括：獲取目標賬號在客戶端中瀏覽目標商品的目標數據特征，其中，所述目標數據特征包括所述目標賬號的行為特征、所述目標賬號的賬號特征、所述目標商品的商品特征與所述目標商品的訂單特征；將所述目標數據特征輸入到第一神經網絡模型中；將所述目標數據特征與時間特征輸入到第二神經網絡模型中；在所述第一概率處于第一區間內且所述第二概率處于第二區間內的情況下，向所述目標賬號推送商品列表，其中，所述商品列表中包括與所述目標商品關聯的商品。本發明解決了推送商品不準確的技術問題。

技術領域

本發明涉及網絡購物領域，具體而言，涉及一種商品推薦方法和裝置。

背景技術

現有技術中，在網絡購物的過程中，通常可以向用戶推送商品。

而現有技術中，在向用戶推送商品時，推送的商品多為根據用戶的搜索記錄匹配的商品。例如，在用戶歷史記錄中搜索過“自行車”之后，在用戶搜索“鐵鍋”時，推送與“自行車”相關的商品。

上述推送方法造成在用戶網絡購物的過程中，向用戶推送的商品的準確性低。

針對上述的問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種商品推薦方法和裝置，以至少解決推送商品不準確的技術問題。

根據本發明實施例的一個方面，提供了一種商品推薦方法，包括：獲取目標賬號在客戶端中瀏覽目標商品的目標數據特征，其中，上述目標數據特征包括上述目標賬號的行為特征、上述目標賬號的賬號特征、上述目標商品的商品特征與上述目標商品的訂單特征；將上述目標數據特征輸入到第一神經網絡模型中，其中，上述第一神經網絡模型為用于輸出第一概率的模型，上述第一概率用于表示上述目標賬號購買上述目標商品的概率；將上述目標數據特征與時間特征輸入到第二神經網絡模型中，其中，上述第二神經網絡模型為用于輸出第二概率的模型，上述第二概率用于表示上述目標賬號預購買上述目標商品的概率，上述時間特征為上述目標賬號瀏覽上述目標商品所使用的時間；在上述第一概率處于第一區間內且上述第二概率處于第二區間內的情況下，向上述目標賬號推送商品列表，其中，上述商品列表中包括與上述目標商品關聯的商品。

作為一種可選的示例，在上述第一概率處于第一區間內且上述第二概率處于第二區間內的情況下，在向上述目標賬號推送上述商品列表之前，上述方法還包括：獲取第一列表，其中，上述第一列表中包括多個商品；確定上述第一列表中的每一個商品與上述目標商品的相似度；將上述第一列表中，與上述目標商品的上述相似度高于第一閾值的商品確定為上述商品列表中的商品。

作為一種可選的示例，上述在上述第一概率處于第一區間內且上述第二概率處于第二區間內的情況下，向上述目標賬號推送商品列表包括：向上述目標賬號推送上述商品列表與目標優惠券，其中，上述目標優惠券為上述目標賬號購買上述商品列表中的商品時使用的優惠券。

作為一種可選的示例，在向上述目標賬號推送上述商品列表與目標優惠券之前，上述方法還包括：調整上述目標數據特征中的上述訂單特征中的訂單優惠券的數值，以更新上述目標數據特征，得到更新后的上述目標數據特征；將更新后的上述目標數據特征輸入到上述第一神經網絡模型與上述第二神經網絡模型中，得到上述第一概率與上述第二概率；將上述第一概率與上述第二概率最大的情況下的上述訂單優惠券的數值確定為上述目標優惠券的數值。

作為一種可選的示例，在將上述目標數據特征輸入到上述第一神經網絡模型中之前，上述方法還包括：獲取第一樣本數據，其中，上述第一樣本數據包括第一賬號瀏覽第一商品的第一數據特征，其中，上述第一數據特征包括上述第一賬號的行為特征、上述第一賬號的賬號特征、上述第一商品的商品特征與上述第一商品的訂單特征；使用上述第一樣本數據訓練上述第一神經網絡模型，直到上述第一神經網絡模型的識別準確度大于第二閾值。