[發明專利]商品排序方法、計算設備和計算機可讀存儲介質

有效

• 申請號: 202110012784.X
• 申請日: 2021-01-06
• 公開（公告）號: CN112328918B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 溫國華;溫艷鴻
• 申請（專利權）人: 中智關愛通(南京)信息科技有限公司;中智關愛通(上海)科技股份有限公司
• 主分類號: G06F16/9538
• 分類號: G06F16/9538;G06F17/18;G06Q30/06
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 王茂華

1.一種商品排序方法，包括：

獲取基于用戶歷史搜索行為的商品數據集合，其中所述商品數據集合包括關鍵字數據、關鍵字對應的商品數據、商品的瀏覽數據和商品的品類數據；

基于所述商品數據集合確定商品的多個數據特征；

基于所述多個數據特征對線性回歸模型進行訓練以獲得所述線性回歸模型的收斂參數，所述收斂參數包括所述多個數據特征的各自的收斂權重和所述線性回歸模型的收斂截距；

基于所述多個數據特征和所述多個數據特征各自的收斂權重確定用戶搜索結果中的多個商品中的每個商品的分數；以及

基于每個商品的分數對所述多個商品進行排序；

其中基于所述多個數據特征對線性回歸模型進行訓練以獲得所述線性回歸模型的收斂參數包括：

設置所述多個數據特征中的每個數據特征的權重參數、所述線性回歸模型的截距參數和所述線性回歸模型的學習步長；

基于所述多個數據特征和所述權重參數確定所述線性回歸模型的預測值；

計算所述預測值和真實值之間的平均誤差平方和作為所述線性回歸模型的損失函數；

確定所述損失函數相對于所述每個數據特征的權重參數和所述線性回歸模型的截距參數的偏導數；

基于所述偏導數和所述學習步長更新所述每個數據特征的權重參數和所述線性回歸模型的截距參數；

確定所述權重參數的更新值是否小于預定值；以及

如果所述更新值小于所述預定值，確定所述每個數據特征的權重參數作為所述收斂權重并且確定更新后的截距參數作為所述收斂截距。

2.如權利要求1所述的方法，其中

所述關鍵字數據包括用戶標識符、搜索時間和搜索關鍵字，

所述關鍵字對應的商品數據包括所述搜索關鍵字、商品標識符、商品名稱和商品序號，

所述商品的瀏覽數據包括所述用戶標識符、所述商品標識符和瀏覽時間，

所述商品的品類數據包括所述商品標識符和所述商品所屬的品類信息；

并且獲取基于用戶歷史搜索行為的商品數據集合包括：

基于所述搜索關鍵字、所述關鍵字數據和所述關鍵字對應的商品數據，獲取第一商品數據集合；

基于所述用戶標識符、所述商品標識符和所述瀏覽時間與所述搜索時間之差整合所述第一商品數據集合和所述商品的瀏覽數據，以獲取第二商品數據集合；以及

基于所述商品標識符、所述第二商品數據集合和所述商品的品類數據獲取所述商品數據集合。

3.如權利要求2所述的方法，其中所述商品數據集合還包括商品的購買數據，所述商品的購買數據包括所述用戶標識符、所述商品標識符和購買時間，其中基于所述商品標識符、所述第二商品數據集合和所述商品的品類數據獲取所述商品數據集合之前還包括：

基于所述用戶標識符、所述商品標識符和所述購買時間與所述瀏覽時間之差整合所述第二商品數據集合和所述商品的購買數據，以獲取第三商品數據集合；并且基于所述商品標識符、所述第二商品數據集合和所述商品的品類數據獲取所述商品數據集合包括：

基于所述商品標識符、所述第三商品數據集合和所述商品的品類數據獲取所述商品數據集合。

4.如權利要求3所述的方法，其中所述商品數據集合還包括用戶數據，所述用戶數據包括用戶年齡和用戶性別，其中基于所述商品標識符、所述第二商品數據集合和所述商品的品類數據獲取所述商品數據集合還包括：

基于所述商品標識符、所述第三商品數據集合和所述商品的品類數據獲取第四商品數據集合；以及

基于所述用戶標識符整合所述第四商品數據集合和所述用戶數據以獲取所述商品數據集合。