[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

本發明提供了一種商品排序方法、計算設備和計算機可讀存儲介質。該方法包括：獲取基于用戶歷史搜索行為的商品數據集合；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。

技術領域

本發明概括而言涉及機器學習領域，更具體地，涉及一種商品排序方法、計算設備和計算機可讀存儲介質。

背景技術

隨著電子商務的高速發展，網上購物已經深入到人們生活的方方面面。當用戶在電商平臺根據關鍵字搜索商品時，作為搜索結果的商品的展示位置對用戶的購物體驗和用戶的購買成功率有著重要的影響。因此，針對商品排序已經提出了各種各樣的方法。簡單的商品排序方法包括固定排序方式，如根據商品價格、銷量、評價等單一因素進行排序。更復雜的商品排序方法包括多種排序方式的組合，如綜合考慮價格、銷量、評價等因素中的至少兩種以及考慮用戶個人特征等進行排序。

即使這樣，局限于樣本數量、樣本特征提取以及用戶特征提取等因素的制約，搜索結果的排序往往也不能完全體現用戶的真實希望，從而使得用戶體驗不佳，轉化率不高。

發明內容

針對上述問題，本發明提供了一種商品排序方法，其中通過對大量基于用戶歷史行為的商品數據進行整合，構建了對特征提取而言相對完備的樣本集合，并且利用線性回歸模型訓練對搜索結果進行打分，能夠以較小的運算代價獲得更加準確的排序結果。

根據本發明的一個方面，提供了一種商品排序方法。該方法包括：獲取基于用戶歷史搜索行為的商品數據集合；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。

根據本發明的另一個方面，提供了一種計算設備。該計算設備包括：至少一個處理器；以及至少一個存儲器，該至少一個存儲器被耦合到該至少一個處理器并且存儲用于由該至少一個處理器執行的指令，該指令當由該至少一個處理器執行時，使得該計算設備執行根據上述方法的步驟。

根據本發明的再一個方面，提供了一種計算機可讀存儲介質，其上存儲有計算機程序代碼，該計算機程序代碼在被運行時執行如上所述的方法。

在一些實施例中，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，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。