[發(fā)明專利]家裝信息實時推薦方法及相關(guān)裝置

在審

• 申請?zhí)枺?/td>: 202210031914.9
• 申請日: 2022-01-12
• 公開（公告）號: CN114372203A
• 公開（公告）日: 2022-04-19
• 發(fā)明（設(shè)計）人: 王國彬;牟錕倫;盧鑠波;莫勝松;廖國林
• 申請（專利權(quán)）人: 土巴兔集團股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F9/54
• 代理公司: 廣東普羅米修律師事務(wù)所 44615
• 代理人: 齊則琳

本申請適用于計算機領(lǐng)域，提供了一種家裝信息實時推薦方法及相關(guān)裝置，包括：獲取終端用戶的歷史行為數(shù)據(jù)；基于離線計算判斷所述終端用戶的所述歷史行為數(shù)據(jù)與長尾物品的關(guān)聯(lián)性，得到物品的相似度矩陣；獲取所述終端用戶的當前行為數(shù)據(jù)；利用所述物品的相似度矩陣計算與所述當前行為數(shù)據(jù)最相似的若干目標長尾物品；基于LightGBM算法構(gòu)造所述目標長尾物品、用戶行為特征矩陣對所述長尾物品進行預(yù)估排序，得到待推薦目標長尾物品的推薦列表；將所述待推薦目標長尾物品的推薦列表發(fā)送給終端用戶，本申請的家裝信息實時推薦方法能夠針對大量長尾物品利用游走序列豐富長尾物品間關(guān)聯(lián)，有效提高用戶的點擊曝光比，提升了信息流的用戶體驗，進而保證用戶粘性和訪問時長。

技術(shù)領(lǐng)域

本申請屬于計算機領(lǐng)域，尤其涉及一種家裝信息實時推薦方法及相關(guān)裝置。

背景技術(shù)

隨著計算機技術(shù)的不斷優(yōu)化、線上網(wǎng)絡(luò)平臺的不斷發(fā)展以及移動通信的速度提升，越來越多的人選擇通過線上的方式獲取和瀏覽信息。比如，在家裝設(shè)計領(lǐng)域，通過VR虛擬現(xiàn)實技術(shù)，用戶可以自由瀏覽各種家裝平臺，且不受線下環(huán)境的限制。

用戶在平臺瀏覽時，后臺會根據(jù)用戶瀏覽的信息流，以圖片、圖文、視頻、直播、日記內(nèi)容構(gòu)建用戶消費的信息流，使用離線計算相似度序列和熱度算法對推薦內(nèi)容排序，此種推薦方式無法根據(jù)用戶興趣的變化動態(tài)的推薦相關(guān)內(nèi)容，導(dǎo)致熱度較高的內(nèi)容存在嚴重的馬太效應(yīng)，使得曝光度相對較低的長尾物品無法準確的推薦給終端用戶。

發(fā)明內(nèi)容

本申請的目的在于提供一種家裝信息實時推薦方法及相關(guān)裝置，旨在解決現(xiàn)有技術(shù)中的長尾物品用戶點擊曝光比較低、且無法準確的將長尾物品推薦給終端用戶的技術(shù)問題。

本申請第一方面提供一種家裝信息實時推薦方法，包括：

獲取終端用戶的歷史行為數(shù)據(jù)；

基于離線計算判斷所述終端用戶的所述歷史行為數(shù)據(jù)與長尾物品的關(guān)聯(lián)性，得到物品的相似度矩陣；

獲取所述終端用戶的當前行為數(shù)據(jù)；

利用所述物品的相似度矩陣計算與所述當前行為數(shù)據(jù)最相似的若干目標長尾物品；

基于LightGBM算法構(gòu)造所述目標長尾物品、用戶行為特征矩陣對所述長尾物品進行預(yù)估排序，得到待推薦目標長尾物品的推薦列表；

將所述待推薦目標長尾物品的推薦列表發(fā)送給終端用戶。

可選地，所述歷史行為數(shù)據(jù)包括：業(yè)務(wù)數(shù)據(jù)、互動數(shù)據(jù)、天眼數(shù)據(jù)及標簽數(shù)據(jù)。

可選地，所述業(yè)務(wù)數(shù)據(jù)包括所述終端用戶瀏覽的圖片、案例和視頻；

所述互動數(shù)據(jù)包括所述終端用戶對圖片、案例和視頻的收藏、點贊和評論；

所述天眼數(shù)據(jù)包括所述圖片、案例和視頻的曝光次數(shù)和點擊次數(shù)；

所述標簽數(shù)據(jù)包括所述終端用戶選擇的家裝風格、空間、戶型和面積。

可選地，所述基于離線計算判斷所述終端用戶的所述歷史行為數(shù)據(jù)與長尾物品的關(guān)聯(lián)性，得到物品的相似度矩陣包括：

獲取所述業(yè)務(wù)數(shù)據(jù)、互動數(shù)據(jù)、天眼數(shù)據(jù)及標簽數(shù)據(jù)；

構(gòu)建基于所述業(yè)務(wù)數(shù)據(jù)、所述互動數(shù)據(jù)、所述天眼數(shù)據(jù)及所述標簽數(shù)據(jù)的用戶表、內(nèi)容表和事件表；

分別計算所述用戶表、所述內(nèi)容表和所述事件表與所述長尾物品的相似度，得到物品的相似度矩陣。

可選地，所述獲取所述終端用戶的當前行為數(shù)據(jù)包括：

確定終端用戶實時點擊的信息流內(nèi)容；

通過kafka分布式系統(tǒng)存儲所述終端用戶點擊的信息流內(nèi)容；