[發(fā)明專利]一種商品推薦方法、裝置、電子設(shè)備和可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011446682.0
• 申請日: 2020-12-09
• 公開（公告）號: CN112508613A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計(jì)）人: 張道甜;劉寧東;楊林;唐明利
• 申請（專利權(quán)）人: 天津獅拓信息技術(shù)有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N5/00;G06N3/04
• 代理公司: 北京市隆安律師事務(wù)所 11323
• 代理人: 權(quán)鮮枝;朱營琢

1.一種商品推薦方法，其特征在于，所述方法包括：

獲取目標(biāo)用戶日志數(shù)據(jù)，基于所述目標(biāo)用戶日志數(shù)據(jù)生成第一數(shù)據(jù)集，將所述第一數(shù)據(jù)集輸入到經(jīng)訓(xùn)練好的點(diǎn)擊率預(yù)測模型，得到預(yù)測的第一點(diǎn)擊率；

基于所述目標(biāo)用戶日志數(shù)據(jù)和所述第一點(diǎn)擊率生成第二數(shù)據(jù)集，將所述第二數(shù)據(jù)集輸入到經(jīng)訓(xùn)練好的轉(zhuǎn)化率預(yù)測模型，獲得預(yù)測的轉(zhuǎn)化率；

根據(jù)所述預(yù)測的第一點(diǎn)擊率和所述預(yù)測的轉(zhuǎn)化率向所述目標(biāo)用戶推薦商品。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述點(diǎn)擊率預(yù)測模型為基于Histogram決策樹算法能夠?qū)崿F(xiàn)分布式梯度提升的LightGBM模型，所述轉(zhuǎn)化率預(yù)測模型為結(jié)合DNN和FM優(yōu)勢同時(shí)學(xué)習(xí)低階和高階組合特征的DeepFM模型。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述經(jīng)訓(xùn)練好的點(diǎn)擊率預(yù)測模型是經(jīng)過如下的方式訓(xùn)練獲得的：

獲取第一預(yù)設(shè)時(shí)間段內(nèi)用戶日志數(shù)據(jù)，基于所述用戶日志數(shù)據(jù)確定具有對應(yīng)關(guān)系的用戶屬性特征、商品屬性特征、用戶行為數(shù)據(jù)和是否點(diǎn)擊的標(biāo)簽，并生成第一訓(xùn)練集，利用所述第一訓(xùn)練集訓(xùn)練預(yù)構(gòu)建的點(diǎn)擊率預(yù)測模型，從而得到所述經(jīng)訓(xùn)練好的點(diǎn)擊率預(yù)測模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述經(jīng)訓(xùn)練好的轉(zhuǎn)化率預(yù)測模型是經(jīng)過如下的方式訓(xùn)練獲得的：

基于第二預(yù)設(shè)時(shí)間段內(nèi)的用戶日志數(shù)據(jù)生成第三數(shù)據(jù)集，將所述第三數(shù)據(jù)集輸入到所述經(jīng)訓(xùn)練好的點(diǎn)擊率預(yù)測模型，獲得預(yù)測的第二點(diǎn)擊率；

基于所述第二預(yù)設(shè)時(shí)間段內(nèi)的用戶日志數(shù)據(jù)、是否轉(zhuǎn)化的標(biāo)簽和所述第二點(diǎn)擊率，生成第二訓(xùn)練集，利用所述第二訓(xùn)練集訓(xùn)練預(yù)構(gòu)建的轉(zhuǎn)化率預(yù)測模型，從而得到經(jīng)訓(xùn)練好的轉(zhuǎn)化率預(yù)測模型；

其中所述第二預(yù)設(shè)時(shí)間段比所述第一預(yù)設(shè)時(shí)間段更靠近推薦時(shí)的時(shí)間點(diǎn)。

5.根據(jù)權(quán)利要求1-4任一項(xiàng)所述的方法，其特征在于，所述根據(jù)所述預(yù)測的第一點(diǎn)擊率和所述預(yù)測的轉(zhuǎn)化率向所述目標(biāo)用戶推薦商品包括：

計(jì)算所述預(yù)測的第一點(diǎn)擊率和所述預(yù)測的轉(zhuǎn)化率的乘積，根據(jù)所述乘積的大小對所述商品排序，向所述目標(biāo)用戶推薦一個(gè)或多個(gè)所述商品；或者，

計(jì)算所述預(yù)測的第一點(diǎn)擊率和所述預(yù)測的轉(zhuǎn)化率的平均值，根據(jù)所述平均值的大小對所述商品排序，向所述目標(biāo)用戶推薦一個(gè)或多個(gè)所述商品。

6.根據(jù)權(quán)利要求1-4任一項(xiàng)所述的方法，其特征在于，所述基于所述目標(biāo)用戶日志數(shù)據(jù)生成第一數(shù)據(jù)集包括：

基于所述目標(biāo)用戶日志數(shù)據(jù)確定出具有對應(yīng)關(guān)系的目標(biāo)用戶屬性特征、召回商品屬性特征和針對召回商品的行為數(shù)據(jù)，并根據(jù)用戶是否點(diǎn)擊確定是否點(diǎn)擊的標(biāo)簽，組合形成所述第一數(shù)據(jù)集；

其中，所述目標(biāo)用戶屬性特征包括如下中的至少一項(xiàng)：用戶歸屬地、年齡、性別、注冊時(shí)間、資產(chǎn)規(guī)模、總瀏覽時(shí)長、總瀏覽次數(shù)、購買次數(shù)或總消費(fèi)金額；

所述召回商品是指目標(biāo)用戶瀏覽、點(diǎn)擊、收藏、加入購物車或者購買過的商品，所述召回商品屬性特征包括如下的至少一項(xiàng)：品牌、型號、類型、產(chǎn)地或所在地；

所述針對召回商品的行為特征包括如下中的至少一項(xiàng)：瀏覽、點(diǎn)擊、收藏、加入購物車、轉(zhuǎn)發(fā)、咨詢或購買。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述目標(biāo)用戶為觸發(fā)召回商品購買推薦請求的用戶；所述召回商品為處于能夠被所述目標(biāo)用戶購買狀態(tài)的商品，以控制所述召回商品的數(shù)量；所述針對召回商品的行為數(shù)據(jù)為歷史用戶對所述召回商品的行為數(shù)據(jù)。

8.一種商品推薦裝置，其特征在于，所述裝置包括：

點(diǎn)擊率確定單元，獲取目標(biāo)用戶日志數(shù)據(jù)，基于所述目標(biāo)用戶日志數(shù)據(jù)生成第一數(shù)據(jù)集，將所述第一數(shù)據(jù)集輸入到經(jīng)訓(xùn)練好的點(diǎn)擊率預(yù)測模型，得到預(yù)測的第一點(diǎn)擊率；

轉(zhuǎn)化率確定單元，基于所述目標(biāo)用戶日志數(shù)據(jù)和所述第一點(diǎn)擊率生成第二數(shù)據(jù)集，將所述第二數(shù)據(jù)集輸入到經(jīng)訓(xùn)練好的轉(zhuǎn)化率預(yù)測模型，獲得預(yù)測的轉(zhuǎn)化率；

商品推薦單元，根據(jù)所述預(yù)測的第一點(diǎn)擊率和所述預(yù)測的轉(zhuǎn)化率向所述目標(biāo)用戶推薦商品。