预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN112308669A(43)申请公布日2021.02.02(21)申请号202011183625.8(22)申请日2020.10.29(71)申请人深圳大学地址518060广东省深圳市南山区南海大道3688号(72)发明人陈宪聪潘微科明仲(74)专利代理机构深圳市君胜知识产权代理事务所(普通合伙)44268代理人温宏梅(51)Int.Cl.G06Q30/06(2012.01)G06K9/62(2006.01)G06N20/00(2019.01)权利要求书2页说明书9页附图2页(54)发明名称一种商品推荐方法、装置、存储介质及终端设备(57)摘要本发明公开了一种商品推荐方法、装置、存储介质及终端设备,所述方法包括:获取目标用户对应的数据信息,其中,所述数据信息包括浏览数据以及购买数据;基于训练好的浏览模型构建购买模型,并对所述购买模型进行训练,得到训练好的购买模型;基于所述训练好的浏览模型以及所述训练好的购买模型,得到所述目标用户的推荐商品。本发明基于训练好的浏览模型来得到关于用户的浏览偏好,再通过该浏览偏好以及购买数据共同训练购买模型,使得训练好的购买模型为用户提供更加精准的商品推荐。CN112308669ACN112308669A权利要求书1/2页1.一种商品推荐方法,其特征在于,其包括:获取目标用户对应的数据信息,其中,所述数据信息包括浏览数据以及购买数据;基于训练好的浏览模型构建购买模型,并对所述购买模型进行训练,得到训练好的购买模型;基于所述训练好的浏览模型以及所述训练好的购买模型,得到所述目标用户的推荐商品。2.根据权利要求1所述的商品推荐方法,其特征在于,所述训练好的浏览模型的训练过程具体包括:获取第一训练集,构建浏览模型,其中,所述训练集包括若干用户的浏览样本,以及每个浏览样本对应的第一真实偏好;将所述第一训练集中的浏览样本输入所述浏览模型进行训练,通过所述浏览模型确定浏览样本对应的第一预测偏好;根据所述浏览样本对应的第一真实偏好和所述第一预测偏好的比较结果调整所述浏览模型的模型参数,直至所述比较结果满足第一预设训练条件时停止对所述浏览模型的训练;将停止训练时得到的浏览模型作为所述训练好的浏览模型。3.根据权利要求1所述的商品推荐方法,其特征在于,所述对所述购买模型进行训练之前还包括:获取训练好的浏览模型;获取第一训练集,将所述第一训练集中的浏览样本输入所述训练好的浏览模型,基于所述训练好的浏览模型得到浏览样本对应的浏览偏好。4.根据权利要求3所述的商品推荐方法,其特征在于,所述训练好的购买模型的训练过程具体包括:获取第二训练集,构建购买模型,其中,所述第二训练集包括若干用户的购买样本,以及每个购买样本对应的第二真实偏好,其中,每个购买样本与浏览偏好对应同一用户;将所述第二训练集中的购买样本以及所述购买样本对应的浏览偏好输入所述购买模型进行训练,通过所述购买模型确定购买样本对应的第二预测偏好;根据所述购买样本对应的第二真实偏好和所述第二预测偏好的比较结果调整所述购买模型的模型参数,直至所述比较结果满足第二预设训练条件时停止对所述购买模型的训练;将停止训练时得到的购买模型作为所述训练好的购买模型。5.根据权利要求1所述的商品推荐方法,其特征在于,所述基于所述训练好的浏览模型以及所述训练好的购买模型,得到所述目标用户的推荐商品具体包括:基于所述训练好的浏览模型以及所述训练好的购买模型,得到所述目标用户对每个商品的偏好值;根据所述每个商品的偏好值的大小,对商品进行从大到小排序;从排序后的商品中选取前N个商品作为推荐商品,其中,所述N为正数。6.根据权利要求5所述的商品推荐方法,其特征在于,所述基于所述训练好的浏览模型以及所述训练好的购买模型,得到所述目标用户对每个商品的偏好值具体包括:2CN112308669A权利要求书2/2页采用多热编码技术将所述数据信息分别转化成浏览向量以及购买向量;将所述浏览向量输入至所述训练好的浏览模型,得到用户的浏览表征向量;将所述浏览表征向量与所述购买向量输入至所述训练好的购买模型,得到,得到所述目标用户对每个商品的偏好值。7.根据权利要求1所述的商品推荐方法,其特征在于,所述采用多热编码技术将所述数据信息分别转化成浏览向量以及购买向量之前还包括:对所述数据信息进行预处理,以使得所述数据信息满足预设规则。8.一种商品推荐装置,其特征在于,所述商品推荐装置包括:获取模块,用于获取目标用户对应的数据信息,其中,所述数据信息包括浏览数据以及购买数据;训练模块,用于基于训练好的浏览模型构建购买模型,并对所述购买模型进行训练,得到训练好的购买模型;推荐模块,用于基于所述训练好的浏览模型以及所述训练好的购买模型,得到所述目标