[發(fā)明專(zhuān)利]基于模型的商品推薦方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202111007291.3
• 申請(qǐng)日: 2021-08-30
• 公開(kāi)（公告）號(hào): CN113706251A
• 公開(kāi)（公告）日: 2021-11-26
• 發(fā)明（設(shè)計(jì)）人: 馬旋
• 申請(qǐng)（專(zhuān)利權(quán)）人: 平安國(guó)際智慧城市科技股份有限公司
• 主分類(lèi)號(hào): G06Q30/06
• 分類(lèi)號(hào): G06Q30/06;G06Q30/02;G06F16/36
• 代理公司: 深圳市明日今典知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44343
• 代理人: 王杰輝

1.一種基于模型的商品推薦方法，其特征在于，包括：

獲取與指定應(yīng)用對(duì)應(yīng)的用戶購(gòu)物行為數(shù)據(jù)；

基于所述用戶購(gòu)物行為數(shù)據(jù)，獲取第一預(yù)設(shè)時(shí)間段內(nèi)用戶已完成的購(gòu)買(mǎi)信息；其中，所述購(gòu)買(mǎi)信息至少包括賬號(hào)信息與收件人信息；

從所有所述收件人信息中篩選出與所述賬號(hào)信息不同的第一收件人信息；

從所有所述第一收件人信息中過(guò)濾掉出現(xiàn)次數(shù)小于預(yù)設(shè)次數(shù)的收件人信息，得到對(duì)應(yīng)的第二收件人信息；

基于預(yù)設(shè)的TransE模型確定出所述用戶與指定收件人之間的目標(biāo)關(guān)系；其中，所述指定收件人為與指定收件人信息對(duì)應(yīng)的收件人，所述指定收件人信息為所有所述第二收件人信息中的任意一個(gè)信息；

獲取與所述目標(biāo)關(guān)系對(duì)應(yīng)的所有商品，并按照預(yù)設(shè)規(guī)則從所有所述商品中確定出與所述用戶對(duì)應(yīng)的推薦商品；

基于預(yù)設(shè)的用戶屬性庫(kù)與所述購(gòu)買(mǎi)信息，確定出與所述用戶對(duì)應(yīng)的推薦時(shí)間段；

基于所述推薦時(shí)間段向所述用戶推送所述推薦商品。

2.根據(jù)權(quán)利要求1所述的基于模型的商品推薦方法，其特征在于，所述獲取與所述目標(biāo)關(guān)系對(duì)應(yīng)的所有商品，并按照預(yù)設(shè)規(guī)則從所有所述商品中確定出與所述用戶對(duì)應(yīng)的推薦商品的步驟，包括：

以所述目標(biāo)關(guān)系作為關(guān)鍵詞對(duì)所述指定應(yīng)用進(jìn)行搜索處理，得到與所述目標(biāo)關(guān)系對(duì)應(yīng)的所述商品；

獲取第二預(yù)設(shè)時(shí)間段內(nèi)，所有所述商品中瀏覽次數(shù)最高的第一預(yù)設(shè)數(shù)量的第一商品；

獲取所述第二預(yù)設(shè)時(shí)間段內(nèi)，購(gòu)買(mǎi)轉(zhuǎn)化率最高的第二預(yù)設(shè)數(shù)量的第二商品；

對(duì)所述第一商品與所述第二商品進(jìn)行去重處理，得到對(duì)應(yīng)的第三商品；

獲取所述第二預(yù)設(shè)時(shí)間段內(nèi)，所述第三商品的好評(píng)率；

基于與所述瀏覽次數(shù)、所述購(gòu)買(mǎi)轉(zhuǎn)化率以及所述好評(píng)率分別對(duì)應(yīng)的預(yù)設(shè)權(quán)重，調(diào)用預(yù)設(shè)的分?jǐn)?shù)算法計(jì)算出各所述第三商品的推薦分?jǐn)?shù)；

從所有所述第三商品中篩選出推薦分?jǐn)?shù)中大于預(yù)設(shè)分?jǐn)?shù)閾值的第四商品；

計(jì)算各所述第四商品的質(zhì)量系數(shù)；

從所有所述第四商品中篩選出質(zhì)量系數(shù)大于預(yù)設(shè)質(zhì)量系數(shù)閾值的第五商品；

將得到的所述第五商品作為所述推薦商品。

3.根據(jù)權(quán)利要求2所述的基于模型的商品推薦方法，其特征在于，所述基于與所述瀏覽次數(shù)、所述購(gòu)買(mǎi)轉(zhuǎn)化率以及所述好評(píng)率分別對(duì)應(yīng)的預(yù)設(shè)權(quán)重，調(diào)用預(yù)設(shè)的分?jǐn)?shù)算法計(jì)算出各所述第三商品的推薦分?jǐn)?shù)的步驟，包括：

獲取在所述第二預(yù)設(shè)時(shí)間段內(nèi)，第一指定商品的瀏覽次數(shù)，并獲取所述瀏覽次數(shù)的第一預(yù)設(shè)權(quán)重；其中，所述第一指定商品為所有所述第三商品的任意一個(gè)商品；以及，

獲取在所述第二預(yù)設(shè)時(shí)間段內(nèi)，所述第一指定商品的購(gòu)買(mǎi)轉(zhuǎn)化率，并獲取所述購(gòu)買(mǎi)轉(zhuǎn)化率的第二預(yù)設(shè)權(quán)重；以及，

獲取在所述第二預(yù)設(shè)時(shí)間段內(nèi)，所述第一指定商品的好評(píng)率，并獲取所述好評(píng)率的第三預(yù)設(shè)權(quán)重；

基于所述第一預(yù)設(shè)權(quán)重、第二預(yù)設(shè)權(quán)重和第三預(yù)設(shè)權(quán)重通過(guò)第一預(yù)設(shè)公式計(jì)算得到第一指定商品的推薦分?jǐn)?shù)。

4.根據(jù)權(quán)利要求2所述的基于模型的商品推薦方法，其特征在于，所述計(jì)算各所述第四商品的質(zhì)量系數(shù)，包括：

獲取在第三預(yù)設(shè)時(shí)間段內(nèi)，第二指定商品的購(gòu)買(mǎi)數(shù)量，并獲取所述購(gòu)買(mǎi)數(shù)量的第四預(yù)設(shè)權(quán)重；其中，所述第二指定商品為所有所述第四商品中的任意一個(gè)商品；以及，

獲取在所述第三預(yù)設(shè)時(shí)間段內(nèi)，所述第二指定商品的差評(píng)次數(shù)，并獲取所述差評(píng)次數(shù)的第五預(yù)設(shè)權(quán)重；以及，

獲取在所述第三預(yù)設(shè)時(shí)間段內(nèi)，所述第二指定商品的退貨次數(shù)，并獲取所述退貨次數(shù)的第六預(yù)設(shè)權(quán)重；

基于所述第四預(yù)設(shè)權(quán)重、第五預(yù)設(shè)權(quán)重和第六預(yù)設(shè)權(quán)重通過(guò)第二預(yù)設(shè)公式計(jì)算得到第二指定商品的質(zhì)量系數(shù)。