[發明專利]商品推薦方法和裝置、存儲介質及電子裝置

有效

• 申請號: 202011352471.0
• 申請日: 2020-11-27
• 公開（公告）號: CN112288554B
• 公開（公告）日: 2023-09-29
• 發明（設計）人: 鐘子宏
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06Q30/0601
• 分類號: G06Q30/0601;G06N3/048;G06N3/084
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 江舟

1.一種商品推薦方法，其特征在于，包括：

獲取目標賬號在目標時間段的目標賬號數據，所述目標賬號在當前時間段的當前概率參數和所述目標賬號在第一時間段的第一概率參數，其中，所述目標賬號數據中包括所述目標賬號的目標行為特征和預向所述目標賬號推送的目標商品的目標商品信息，所述第一時間段為所述當前時間段之前的一個時間段，所述目標時間段為所述當前時間段之后的時間段，所述第一概率參數用于指示在第一時間段內所述目標賬號點擊在所述第一時間段內推送給所述目標賬號的所述目標商品的概率，所述當前概率參數通過所述目標賬號在所述當前時間段的當前賬號數據得到；

將所述目標賬號數據與所述第一概率參數、所述當前概率參數輸入到目標神經網絡模型中，其中，所述目標神經網絡模型為使用樣本數據對原始神經網絡模型進行訓練得到的模型，所述樣本數據包括所述目標賬號的第二概率參數、所述第一概率參數和當前賬號數據，所述當前賬號數據中包括所述目標賬號的當前行為特征，還包括在當前時間段內，推送給目標賬號的所述目標商品的當前商品信息，所述第二概率參數用于指示在第二時間段內所述目標賬號點擊在所述第二時間段內推送給所述目標賬號的所述目標商品的概率，所述第二時間段為所述第一時間段之前的一個時間段，所述目標神經網絡模型用于輸出識別結果，所述識別結果用于指示在所述目標時間段內向所述目標賬號推送所述目標商品的情況下，所述目標賬號點擊所述目標商品的概率；

按照所述識別結果確定在所述目標時間段內向所述目標賬號推送所述目標商品或者禁止在所述目標時間段向所述目標賬號推送所述目標商品。

2.根據權利要求1所述的方法，其特征在于，在將所述目標賬號數據與所述第一概率參數、所述當前概率參數輸入到目標神經網絡模型中之前，所述方法還包括：

獲取所述目標賬號的歷史數據；

將所述歷史數據中，所述目標賬號在所述當前時間段內的賬號行為特征確定為當前行為特征，將在所述當前時間段內推送給所述目標賬號的商品的信息確定為當前商品信息；

將所述歷史數據中，所述目標賬號在所述第一時間段內的行為特征確定為第一行為特征，將在所述第一時間段內推送給所述目標賬號的商品的信息確定為第一商品信息；

獲取所述第一概率參數與所述第二概率參數；

使用所述當前行為特征、所述當前商品信息和所述第一概率參數、所述第二概率參數訓練原始神經網絡模型，得到所述目標神經網絡模型。

3.根據權利要求2所述的方法，其特征在于，所述獲取所述第一概率參數與所述第二概率參數包括：

獲取所述目標賬號在所述第一時間段內點擊在所述第一時間段內推送給所述目標賬號的所述目標商品的第一次數，和在所述第二時間段內點擊在所述第二時間段內推送給所述目標賬號的所述目標商品的第二次數；

根據所述第一次數和在所述第一時間段內推送給所述目標賬號所述目標商品的第一總次數確定出所述第一概率參數，并根據所述第二次數和在所述第二時間段內推送給所述目標賬號所述目標商品的第二總次數確定出所述第二概率參數。

4.根據權利要求1所述的方法，其特征在于，在使用所述樣本數據訓練原始神經網絡模型得到所述目標神經網絡模型的過程中，所述方法還包括：

將所述樣本數據按照預定比例劃分為訓練數據與測試數據；

對所述原始神經網絡模型執行以下操作，直到所述原始神經網絡模型的識別準確度大于第一閾值：

使用所述訓練數據訓練所述原始神經網絡模型，確定出所述原始神經網絡模型的第一模型參數，使用所述測試數據測試所述第一模型參數下的所述原始神經網絡模型，得到所述第一模型參數下的所述原始神經網絡模型輸出的測試結果，在所述測試結果指示所述識別準確度小于或等于所述第一閾值的情況下，調整所述第一模型參數。