商品推荐方法、装置、电子设备、及存储介质.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CN111199459A(43)申请公布日2020.05.26(21)申请号201911394011.1G06N3/08(2006.01)(22)申请日2019.12.30(71)申请人深圳市盟天科技有限公司地址518000广东省深圳市南山区粤海街道科苑南路3099号中国储能大厦第23层(72)发明人赵豫陕张军涛肖淋峰(74)专利代理机构北京品源专利代理有限公司11332代理人孟金喆(51)Int.Cl.G06Q30/06(2012.01)G06Q10/04(2012.01)G06F16/36(2019.01)G06N3/04(2006.01)权利要求书2页说明书10页附图5页(54)发明名称商品推荐方法、装置、电子设备、及存储介质(57)摘要本公开实施例公开了一种商品推荐方法、装置、电子设备、及存储介质，方法包括：根据用户之间的关联关系、以及用户与商品的交互记录获取知识图谱；基于所述知识图谱对所述多个用户进行分群得到多个用户群；将任一用户群向量和任一拼团促销商品的向量输入至预先训练的商品购买预测模型，得到该用户群购买该拼团促销商品的概率；根据各用户群购买各拼团促销商品的概率，确定向所述多个用户群推荐所述多个拼团促销商品的策略，根据所述策略向所述多个用户群推荐所述多个拼团促销商品。本公开实施例的技术方案能够向各用户群推荐适合的拼团促销商品，能够实现个性化推荐，能提高拼团促销商品的拼团成功率。CN111199459ACN111199459A权利要求书1/2页1.一种商品推荐方法，其特征在于，包括：根据用户之间的关联关系、以及用户与商品的交互记录获取知识图谱，所述知识图谱包括多个用户以及所述多个用户之间的关联关系；基于所述知识图谱对所述多个用户进行分群得到多个用户群；将任一用户群向量和任一拼团促销商品的向量输入至预先训练的商品购买预测模型，得到该用户群购买该拼团促销商品的概率；根据各用户群购买各拼团促销商品的概率，确定向所述多个用户群推荐所述多个拼团促销商品的策略，根据所述策略向所述多个用户群推荐所述多个拼团促销商品。2.根据权利要求1所述的方法，其特征在于，根据用户之间的关联关系、以及用户与商品的交互记录获取知识图谱包括：根据用户之间的关联关系、以及用户与商品的交互记录生成第一知识图谱，其中所述第一知识图谱包括多个商品、多个用户、以及所述多个商品与所述多个用户之间的关联关系；根据所述第一知识图谱中用户之间的关系生成所述知识图谱。3.根据权利要求1所述的方法，其特征在于，基于所述知识图谱对所述多个用户进行分群得到多个用户群包括：从所述知识图谱中随机选择第一数量的用户作为中心用户群；对所述中心用户群中任一中心用户，将该中心用户、以及与该中心用户关联的用户作为一个用户群；其中，若任一用户不属于任一用户群，将该用户加入所述中心用户群，若任一用户同属于多个用户群，将该用户随机加入任一所属用户群，并将该用户从其他所属的用户群中剔除。4.根据权利要求1所述的方法，其特征在于，根据各用户群购买各拼团促销商品的概率，确定向所述多个用户群推荐所述多个拼团促销商品的策略，根据所述策略向所述多个用户群推荐所述多个拼团促销商品包括：对任一用户群，从所述各拼团促销商品中选择概率最高的拼团促销商品，推荐给该用户群的所有用户。5.根据权利要求1所述的方法，其特征在于，所述任一用户群向量为该用户群所包含用户的向量的平均向量。6.根据权利要求1所述的方法，其特征在于，所述交互记录包括购买记录、收藏记录、点击记录、评价记录、以及退货记录中的一种或多种；所述用户之间的关联关系包括邀请关系、以及地域关系中的一种或多种，其中所述地域关系包括籍贯和/或居住地。7.根据权利要求1-6之一所述的方法，其特征在于，所述商品购买预测模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括用户群向量、商品的向量、以及用于表示该用户群购买该商品的概率的标注；确定初始化的商品购买预测模型，其中所述初始化的商品购买预测模型包括用于输出用户群购买商品的概率的目标层；2CN111199459A权利要求书2/2页利用机器学习的方法，将所述训练样本集合中的训练样本中的用户群向量和商品的向量作为初始化的商品购买预测模型的输入，将与输入的用户群向量和商品的向量对应的标注作为初始化的商品购买预测模型的输出，训练得到所述商品购买预测模型。8.根据权利要求7所述的方法，其特征在于，所述初始化的商品购买预测模型包括输入层、第一隐层、第二隐层、softmax层、以及输出层，所述第一隐层和所述第二隐层采用ReLU函数作为激活函数。9.一种商品推荐装置，其特征在于，包括：知识图谱获取单元，用于根据用户之间的关联关系、以及用户与商品的交互