基于数据处理的商品推荐方法、装置、设备和存储介质.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CN107766573A(43)申请公布日2018.03.06(21)申请号201711116048.9(22)申请日2017.11.13(71)申请人深圳乐信软件技术有限公司地址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24层(72)发明人吴佳东(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.G06F17/30(2006.01)G06N3/00(2006.01)权利要求书2页说明书11页附图4页(54)发明名称基于数据处理的商品推荐方法、装置、设备和存储介质(57)摘要本发明实施例公开了一种基于数据处理的商品推荐方法、装置、设备和存储介质。其中，方法包括：采集多条用户商品数据对，作为实验数据集；基于蝙蝠算法和实验数据集进行模型训练，获得优化的ALS推荐模型；通过优化的ALS推荐模型向目标用户推荐商品。本发明技术方案采用的蝙蝠算法具备优秀的参数搜索能力，能有效优化ALS推荐模型，提高其参数寻优的效率，降低参数寻优的时间复杂度，并提升了使用ALS推荐模型进行商品推荐的推荐效果。CN107766573ACN107766573A权利要求书1/2页1.一种基于数据处理的商品推荐方法，其特征在于，包括：采集多条用户商品数据对，作为实验数据集；基于蝙蝠算法和所述实验数据集进行模型训练，获得优化的ALS推荐模型；通过所述优化的ALS推荐模型向目标用户推荐商品。2.如权利要求1所述的方法，其特征在于，所述采集多条用户商品数据对，包括：从电商平台的日志数据库中，采集设定时间段内用户点击商品的多条点击记录。3.如权利要求1所述的方法，其特征在于，所述基于蝙蝠算法和所述实验数据集进行模型训练，获得优化的ALS推荐模型，包括：将所述实验数据集划分为训练集、检验集和测试集；基于蝙蝠算法、所述训练集和所述检验集，进行模型训练及参数寻优，获得待评估的模型；根据预设的评估指标和所述测试集对所述待评估的模型进行评估，将评估结果合格的模型作为优化的ALS推荐模型。4.如权利要求3所述的方法，其特征在于，所述基于蝙蝠算法、所述训练集和所述检验集，进行模型训练及参数寻优，获得待评估的模型，包括：基于所述测试集定义模型的评估指标；确定ALS推荐模型的待优化参数，获得参数向量；根据所述评估指标定义蝙蝠算法的适应度函数；基于所述训练集、所述检验集、所述评估指标、所述参数向量、所述适应度函数和所述蝙蝠算法，进行模型训练及参数寻优，获得所述参数向量的全局最优解；将所述全局最优解的格式转换成ALS推荐模型的入参格式，并更新到ALS推荐模型，获得待评估的模型。5.如权利要求4所述的方法，其特征在于，所述根据预设的评估指标和所述测试集对所述待评估的模型进行评估，将评估结果合格的模型作为优化的ALS推荐模型，包括：基于所述测试集和所述评估指标，计算所述待评估的模型的评估指标值；若所述评估指标值小于设定阈值，则将所述待评估模型作为优化的ALS推荐模型。6.如权利要求4所述的方法，其特征在于，所述评估指标按照下述公式定义：其中，F1表示模型的评估指标，r表示模型的召回率，p表示模型的准确率，R(u)表示向用户推荐的N个商品的信息集合，T(u)表示所述测试集中被该用户点击过的商品的信息集合，u表示该用户；相应的，所述适应度函数按照下述公式定义：f(x)＝-F12CN107766573A权利要求书2/2页其中，f(x)表示蝙蝠算法的适应度函数。7.如权利要求1所述的方法，其特征在于，所述通过所述优化的ALS推荐模型向目标用户推荐商品，包括：通过所述优化的ALS推荐模型预测目标用户对待推荐商品的评级结果；根据所述评级结果向所述目标用户推荐商品。8.一种基于数据处理的商品推荐装置，其特征在于，包括：数据采集模块，用于采集多条用户商品数据对，作为实验数据集；模型优化模块，用于基于蝙蝠算法和所述实验数据集进行模型训练，获得优化的ALS推荐模型；商品推荐模块，用于通过所述优化的ALS推荐模型向目标用户推荐商品。9.一种设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1～7中任一所述的基于数据处理的商品推荐方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～7中任一所述的基于数据处理的商品推荐方法。3CN107766573A说明书1/11页基于数据处理的商品推荐方法、装置、设备和存储介质技术领域[0001]本发明实施例涉及大数据分析技术领域，尤其涉及一种基于数据处理的商品推荐方法、装置、设备和存储