商品的推荐方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115249164A(43)申请公布日2022.10.28(21)申请号202110460447.7(22)申请日2021.04.27(71)申请人中国移动通信集团有限公司地址100032北京市西城区金融大街29号申请人中移动金融科技有限公司中移电子商务有限公司(72)发明人高丽陈婷(74)专利代理机构北京路浩知识产权代理有限公司11002专利代理师王毅(51)Int.Cl.G06Q30/02(2012.01)权利要求书2页说明书6页附图2页(54)发明名称商品的推荐方法、装置、电子设备及存储介质(57)摘要本发明实施例公开了一种商品的推荐方法、装置、电子设备及存储介质，商品的推荐方法包括：获取待推荐商品的多维评分，其中，所述多维评分至少包括购买相似度评分、名称相似度评分和商品归一化热度评分中的至少两个；获得所述多维评分对应的最优权重系数，其中，所述最优权重系数拟合得到；基于所述多维评分和所述最优权重系数，得到所述待推荐商品的推荐分数，并基于所述推荐分数推荐商品。本发明的实施例，可以有效提升商品推荐的准确性，使得推荐的商品更加符合消费者的消费意愿。CN115249164ACN115249164A权利要求书1/2页1.一种商品的推荐方法，其特征在于，包括：获取待推荐商品的多维评分，其中，所述多维评分至少包括购买相似度评分、名称相似度评分和商品归一化热度评分中的至少两个；获得所述多维评分对应的最优权重系数，其中，所述最优权重系数拟合得到；基于所述多维评分和所述最优权重系数，得到所述待推荐商品的推荐分数，并基于所述推荐分数推荐商品。2.根据权利要求1所述的商品的推荐方法，其特征在于，所述获取待推荐商品的多维评分，包括：基于目标商品和预先得到的购买相似度矩阵，得到待推荐商品，其中，所述购买相似度矩阵是基于所有商品的历史购买记录，通过ALS矩阵分解模型预先训练得到；获取所述待推荐商品与所述目标商品之间的余弦相似度，并将所述余弦相似度作为所述待推荐商品的购买相似度评分。3.根据权利要求1所述的商品的推荐方法，其特征在于，所述获取待推荐商品的多维评分，包括：获取所述待推荐商品的TF‑IDF值；将所述TF‑IDF值作为所述待推荐商品的名称相似度评分。4.根据权利要求1所述的商品的推荐方法，其特征在于，所述获取待推荐商品的多维评分，包括：根据商品需求，确定所述待推荐商品的热度；对所述热度进行归一化，得到所述待推荐商品的商品归一化热度评分。5.根据权利要求1‑4任一项所述的商品的推荐方法，其特征在于，所述获得所述多维评分对应的最优权重系数，包括：将购买相似度评分、名称相似度评分和商品归一化热度评分作为自变量，将待推荐商品的购买情况作为因变量，利用逻辑回归模型和是待推荐商品的购买情况的预测结果，对多维评分对应的每一组权重系数进行拟合，以确定出一组最优权重系数。6.根据权利要求5所述的商品的推荐方法，其特征在于，所述最优权重系数对应预测最准确的待推荐商品的购买情况。7.根据权利要求1所述的商品的推荐方法，其特征在于，所述基于所述多维评分和所述最优权重系数，得到所述待推荐商品的推荐分数，并基于所述推荐分数推荐商品，包括：基于所述最优权重系数，对所述多维评分进行加权求和，得到所述待推荐商品的推荐分数，并基于所述推荐分数推荐商品。8.一种商品的推荐装置，其特征在于，包括：多维评分获取模块，用于获取待推荐商品的多维评分，其中，所述多维评分至少包括购买相似度评分、名称相似度评分和商品归一化热度评分中的至少两个；最优权重系数获取模块，用于获得所述多维评分对应的最优权重系数，其中，所述最优权重系数拟合得到；推荐模块，用于基于所述多维评分和所述最优权重系数，得到所述待推荐商品的推荐分数，并基于所述推荐分数推荐商品。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算2CN115249164A权利要求书2/2页机程序，其特征在于，所述处理器执行所述计算机程序时实现根据权利要求1至7任一所述的商品的推荐方法。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现根据权利要求1至7任一所述的商品的推荐方法。3CN115249164A说明书1/6页商品的推荐方法、装置、电子设备及存储介质技术领域[0001]本发明涉及数据挖掘技术领域，具体涉及一种商品的推荐方法、装置、电子设备及存储介质。背景技术[0002]电商行业的快速发展推动了一种新的消费场景出现：用户希望在大量的商品信息中发现自己感兴趣的商品，并且找到与自己目标购买商品有关联的商品。目前的推荐方法包括：基于用户的协同过滤推荐、基于物品的协同过滤和基于内容的推荐等方式。[0003]上述的几