一种商品推荐的方法和装置.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CN112862553A(43)申请公布日2021.05.28(21)申请号201911184529.2(22)申请日2019.11.27(71)申请人北京京东尚科信息技术有限公司地址100086北京市海淀区知春路76号8层申请人北京京东世纪贸易有限公司(72)发明人陈东东易津锋(74)专利代理机构中原信达知识产权代理有限责任公司11219代理人冯培培耿雪利(51)Int.Cl.G06Q30/06(2012.01)权利要求书3页说明书12页附图3页(54)发明名称一种商品推荐的方法和装置(57)摘要本发明公开了一种商品推荐的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：根据用户的历史浏览信息，确定用户的特殊时刻；确定所述用户在所述特殊时刻对应的历史纪念商品；据所述历史纪念商品，确定与所述历史纪念商品存在关联关系的商品集合；根据所述商品集合，在所述特殊时刻为所述用户推荐商品。该实施方式解决现有技术不能在用户的特殊时刻提醒用户购买对应商品的技术缺陷，进而达到提高用户的购买力，提升用户的购物体验的技术效果。CN112862553ACN112862553A权利要求书1/3页1.一种商品推荐的方法，其特征在于，包括：根据用户的历史浏览信息，确定用户的特殊时刻；确定所述用户在所述特殊时刻对应的历史纪念商品；根据所述历史纪念商品，确定与所述历史纪念商品存在关联关系的商品集合；根据所述商品集合，在所述特殊时刻为所述用户推荐商品；其中，所述历史浏览信息，包括：用户的历史订单信息和/或历史搜索商品信息。2.根据权利要求1所述的方法，其特征在于，根据所述用户的历史浏览信息，确定用户的特殊时刻，包括：根据所述用户的历史浏览信息，确定所述历史订单信息的关键词；根据预设语料库中的词语对所述关键词进行打分，确定所述关键词的分数和对应所述语料库中的词语；根据所述关键词的分数和所述关键词对应的词语，确定所述用户的特殊时刻。3.根据权利要求2所述的方法，其特征在于，根据所述用户的历史浏览信息，确定所述历史订单信息的关键词，包括：当所述用户的历史浏览信息为所述用户的历史订单信息时，利用词频-逆文本频率指数统计方法，确定所述历史订单信息的关键词；和/或，当所述用户的历史浏览信息为所述用户的历史搜索商品信息时，根据预设时间间隔，将一个预设时间间隔内的所述历史搜索商品信息汇总成一篇文章；利用词频-逆文本频率指数统计方法，确定每篇文章中的关键词。4.根据权利要求2所述的方法，其特征在于，根据所述关键词的分数和所述关键词对应的词语，确定所述用户的特殊时刻，包括：将预设的分数阈值与所述关键词的分数进行比较，筛选出分数不小于所述分数阈值的关键词，作为第一关键词；确定所述第一关键词对应的所述用户的历史订单信息和/或历史搜索商品信息；将所述第一关键词对应的历史订单信息中的订单送达时间，和/或所述历史搜索商品信息中的搜索时间设置为所述用户的特殊时刻；根据所述关键词对应的词语确定所述用户特殊时刻的类型。5.根据权利要求4所述的方法，其特征在于，所述语料库中的词语，包括至少以下之一：恋爱、结婚、纪念日、周年、生日；所述用户的特殊时刻的类型，包括至少以下之一：恋爱纪念日、结婚纪念日、周年纪念日、生日。6.根据权利要求1所述的方法，其特征在于，根据所述历史纪念商品，确定与所述历史纪念商品存在关联关系的商品集合，包括：获取用于计算商品关联度的神经网络模型和待推荐的商品集合；根据所述神经网络模型，确定待推荐的商品集合中的商品与所述历史纪念商品之间的关联度；根据所述关联度，筛选待推荐的商品集合中的商品得到所述历史纪念商品存在关联关系的商品集合。2CN112862553A权利要求书2/3页7.根据权利要求6所述的方法，其特征在于，获取用于计算商品关联度的神经网络模型之前，包括：获得用于训练神经网络的训练集中商品之间的关联度矩阵；根据所述关联度矩阵，建立所述训练集中商品之间的近邻矩阵；根据所述近邻矩阵，训练用于计算商品关联度的所述神经网络模型。8.根据权利要求7所述的方法，其特征在于，获得用于训练神经网络的训练集中商品之间的关联度矩阵，包括：利用如下公式建立用于训练神经网络训练集中商品之间的关联度矩阵中的元素：其中，|Ui|表示用于训练神经网络训练集中第一商品i对应的用户数目；|Uj|表示与所述第一商品i存在关联关系的第二商品j对应的用户数目；|Ui∩Uj|表示所述第一商品i和第二商品j共同对应的用户数目。9.根据权利要求6所述的方法，其特征在于，根据所述关联度矩阵，建立所述训练集中商品之间的近邻矩阵，包括：将所述关联度矩阵中的元素按元素对应的数值从大至小的顺序进行排序，得到第一序列；将所述第一序列中前预设元素个数