预测模型的训练、商品推荐方法、装置、电子设备及介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115797005A(43)申请公布日2023.03.14(21)申请号202211483569.9(22)申请日2022.11.24(71)申请人百度在线网络技术（北京）有限公司地址100085北京市海淀区上地十街10号百度大厦三层(72)发明人王欢(74)专利代理机构北京柏杉松知识产权代理事务所(普通合伙)11413专利代理师项京高莺然(51)Int.Cl.G06Q30/0601(2023.01)G06Q30/0251(2023.01)权利要求书5页说明书20页附图7页(54)发明名称预测模型的训练、商品推荐方法、装置、电子设备及介质(57)摘要本公开提供了一种预测模型的训练、商品推荐方法、装置、电子设备及介质，涉及数据处理技术领域，尤其涉及人工智能、智能搜索、深度学习技术领域。商品推荐方法的具体实现方案为：确定当前时刻之前的第五预设时长内被购买的目标商品和购买目标商品的目标用户；响应于目标商品所属的目标最低层级类目为复购类目，提取目标用户复购目标最低层级类目的目标复购行为特征；将目标复购行为特征输入训练得到的预测模型，获得目标用户的第一复购概率；基于第一复购概率，向目标用户推荐目标最低层级类目下的商品。应用本公开提供的技术方案，能够使得针对用户的复购商品推荐同时兼顾准确率和召回率。CN115797005ACN115797005A权利要求书1/5页1.一种预测模型的训练方法，所述方法包括：确定每个最低层级类目的样本用户；提取每个样本用户复购对应的类目的复购行为特征，所述样本用户对应的类目包括所述样本用户复购对应的最低层级类目和所述最低层级类目的上级类目；基于每个样本用户的复购行为特征训练预测模型。2.根据权利要求1所述的方法，其中，所述确定每个最低层级类目的样本用户的步骤，包括：确定第一指定时刻之后的第一预设时长内购买商品的用户作为备选用户；确定第二指定时刻之后的第二预设时长内购买每个最低层级类目的备选用户为该最低层级类目的正样本用户，并确定所述第二指定时刻之后的第二预设时长内未购买每个最低层级类目的备选用户为该最低层级类目的负样本用户，所述第二指定时刻在所述第一指定时刻之后，且所述第二指定时刻与所述第一指定时刻之间的时长为第三预设时长。3.根据权利要求2所述的方法，其中，所述确定所述第二指定时刻之后的第二预设时长内未购买每个最低层级类目的备选用户为该最低层级类目的负样本用户的步骤，包括：针对每个最低层级类目，确定所述第二指定时刻之后的第二预设时长内未购买任何最低层级类目的备选用户为该最低层级类目的第一负样本用户，并确定所述第二指定时刻之后的第二预设时长内未购买该最低层级类目且购买其他最低层级类目的备选用户为该最低层级类目的第二负样本用户。4.根据权利要求3所述的方法，其中，所述基于每个样本用户的复购行为特征训练预测模型的步骤，包括：按照多种比例组合正样本用户、第一负样本用户和第二负样本用户，得到多个样本用户集；利用每个样本用户集中用户的复购行为特征，分别训练预测模型；从训练得到的多个预测模型中，选择损失最小的预测模型作为预测复购概率的预测模型。5.根据权利要求1‑4任一项所述的方法，其中，所述复购行为特征包括：用户在最低层级类目的近期行为特征和在最低层级类目的上级类目的近期行为特征。6.根据权利要求5所述的方法，其中，所述近期行为特征包括：在第三指定时刻之前的第四预设时长内多个预设时间尺度的点击量、浏览量、收藏量和评论量中的一个或多个。7.根据权利要求5所述的方法，其中，所述复购行为特征还包括以下至少一个维度特征：最低层级类目的复购属性特征，用户在最低层级类目的已购时间特征，最低层级类目的类目特征。8.根据权利要求7所述的方法，其中，所述复购属性特征包括用户层复购指标、下单层复购指标和综合复购指标中的一个或多个；所述已购时间特征包括在第三指定时刻之前的第四预设时长内首次购买最低层级类目下商品的时刻距第三指定时刻的时长、最后一次购买最低层级类目下商品的时刻距第三指定时刻的时长、购买最低层级类目下商品的平均时间间隔、购买最低层级类目下商品的次数中的一个或多个；所述类目特征包括最低层级类目下的商品数量、商品价格均值、在多个预设时间尺度2CN115797005A权利要求书2/5页内的点击率和转化率的一个或多个。9.根据权利要求8所述的方法，其中，所述用户层复购指标为最低层级类目的复购用户数量占全部购买用户数量的比例；所述下单层复购指标为最低层级类目的复购次数占全部购买次数的比例；所述综合复购指标为所述用户层复购指标和下单层复购指标的乘积值，或，所述综合复购指标为最低层级类目的多个复购指标的加权求平均值。10.一种商品推荐方法，包括：确定当前时刻之前的第五预设时长内被