一种商品推荐方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113450172A(43)申请公布日2021.09.28(21)申请号202010229541.7(22)申请日2020.03.27(71)申请人北京沃东天骏信息技术有限公司地址100176北京市北京经济技术开发区科创十一街18号院2号楼4层A402室(72)发明人马淑娟陶通赫阳(74)专利代理机构中原信达知识产权代理有限责任公司11219代理人张一军陈继越(51)Int.Cl.G06Q30/06(2012.01)G06Q30/02(2012.01)G06K9/62(2006.01)权利要求书3页说明书13页附图4页(54)发明名称一种商品推荐方法和装置(57)摘要本发明公开了一种商品推荐方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取用户的点击数据；根据所述点击数据，确定若干点击序列；其中，所述点击序列中包括：所述用户点击的商品标识；根据所述若干点击序列，确定训练样本集和预测样本集；其中，训练样本中包括：序列特征和商品特征；所述商品特征包括的商品标识由所述点击序列中排在所述序列特征包括的商品标识之后的商品标识确定；根据所述训练样本集训练预测模型；根据所述预测样本集和训练后的预测模型，向所述用户推荐商品。该方法能够挖掘出序列特征和商品特征之间的关联关系，进而提高推荐结果的准确性。CN113450172ACN113450172A权利要求书1/3页1.一种商品推荐方法，其特征在于，包括：获取用户的点击数据；根据所述点击数据，确定若干点击序列；其中，所述点击序列中包括：所述用户点击的商品标识；根据所述若干点击序列，确定训练样本集和预测样本集；其中，训练样本中包括：序列特征和商品特征；所述商品特征包括的商品标识由所述点击序列中排在所述序列特征包括的商品标识之后的商品标识确定；根据所述训练样本集训练预测模型；根据所述预测样本集和训练后的预测模型，向所述用户推荐商品。2.如权利要求1所述的方法，其特征在于，所述点击序列由所述用户一次连续点击的商品标识依次构成，构成所述连续点击的相邻两次点击的时间间隔小于预设的时间阈值。3.如权利要求1所述的方法，其特征在于，所述根据所述若干点击序列，确定训练样本集，包括：针对每个所述点击序列：根据所述点击序列，确定若干正训练样本；其中，所述正训练样本的序列特征为所述点击序列中连续的商品标识；所述正训练样本的商品特征包括的商品标识为其对应的所述序列特征中最后一个商品标识之后的商品标识；所述若干正训练样本构成正训练样本集；根据所述正训练样本集，确定负训练样本集。4.如权利要求3所述的方法，其特征在于，所述正训练样本中还包括：第一共有特征；所述根据所述点击序列，确定若干正训练样本，包括：根据所述点击序列，确定若干所述序列特征和与所述序列特征对应的商品特征；针对每个所述序列特征：根据所述序列特征，确定所述第一共有特征；其中，所述第一共有特征用于表征所述序列特征对应的商品的属性。5.如权利要求4所述的方法，其特征在于，所述根据所述序列特征，确定所述第一共有特征，包括：确定所述序列特征中各个商品标识对应的属性词；其中，所述属性词用于表征不同商品的共有属性；对所述序列特征对应的属性词进行去重，得到所述第一共有特征。6.如权利要求5所述的方法，其特征在于，所述正训练样本中还包括：搜索词特征；该方法进一步包括：获取所述用户的搜索数据；根据所述搜索数据，确定所述搜索词特征；其中，所述搜索词特征由所述用户在预设时间段内的搜索词依次构成。7.如权利要求4所述的方法，其特征在于，所述根据所述正训练样本集，确定负训练样本集，包括：将所述正训练样本中商品特征的商品标识替换成其他商品标识，得到负训练样本。2CN113450172A权利要求书2/3页8.如权利要求6所述的方法，其特征在于，所述根据所述训练样本集训练预测模型，包括：针对所述训练样本集中的每个训练样本：将所述序列特征、所述第一共有特征、所述搜索词特征和所述商品特征输入所述预测模型，以使所述预测模型执行：根据所述第一共有特征和所述搜索词特征，确定第二共有特征；根据所述序列特征、所述第二共有特征和所述搜索词特征，得到第一用户特征向量；根据所述商品特征，得到第一商品特征向量；根据所述第一用户特征向量和所述第一商品特征向量，调整所述预测模型的参数。9.如权利要求8所述的方法，其特征在于，所述根据所述第一共有特征和所述搜索词特征，确定第二共有特征，包括：根据所述第一共有特征和所述搜索词特征，确定各个所述属性词的权重；根据所述第一共有特征和各个所述属性词的权重，得到所述第二共有特征。10.如权利要求8所述的方法，其特征在于所述根据所述序列特征、所述第二共有特征和所述搜索词特征，得到第一用户特征