CN107967641A - 商品推荐方法、装置及计算机可读存储介质 - Google Patents
商品推荐方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN107967641A CN107967641A CN201710981334.5A CN201710981334A CN107967641A CN 107967641 A CN107967641 A CN 107967641A CN 201710981334 A CN201710981334 A CN 201710981334A CN 107967641 A CN107967641 A CN 107967641A
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- evaluation score
- score value
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0217—Discounts or incentives, e.g. coupons or rebates involving input on products or services in exchange for incentives or rewards
- G06Q30/0218—Discounts or incentives, e.g. coupons or rebates involving input on products or services in exchange for incentives or rewards based on score
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种商品推荐方法,所述商品推荐方法包括:获取用户评价商品对应的语音数据;根据所述语音数据,获得所述用户对所述商品的评价分值;根据所述用户对所述商品的评价分值,对商品评价分值表进行更新,以基于更新后的所述商品评价分值表,向用户推荐相应商品,其中,所述商品评价分值表中记录有多个用户对多个商品的评价分值。本发明还公开了一种商品推荐装置及计算机可读存储介质。本发明提高了商品推荐的有效性。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种商品推荐方法、装置及计算机可读存储介质。
背景技术
随着互联网技术的发展,商品推荐已经被广泛应用于电商行业,例如,以各类购物APP应用为例,通常会根据用户的相关搜索、访问记录,以及各类用户对各种商品的购买、评论大数据向用户推荐相应的商品。然而,由于很多时候用户并没有对商品进行有效评论,评论大数据的数量及质量并不佳,从而导致了基于评论大数据向用户推荐的商品的有效性不高。
发明内容
本发明的主要目的在于提出一种商品推荐方法、装置及计算机可读存储介质,旨在解决现有技术中商品推荐的有效性不高的技术问题。
为实现上述目的,本发明提供一种商品推荐方法,所述商品推荐方法包括以下步骤:
获取用户评价商品对应的语音数据;
根据所述语音数据,获得所述用户对所述商品的评价分值;
根据所述用户对所述商品的评价分值,对商品评价分值表进行更新,以基于更新后的所述商品评价分值表,向用户推荐相应商品,其中,所述商品评价分值表中记录有多个用户对多个商品的评价分值。
优选地,所述根据所述语音数据,获得所述用户对所述商品的评价分值的步骤包括:
将所述语音数据进行语音识别处理,获得对应的文本数据;
根据所述文本数据,获得所述用户对所述商品的情感值;
根据预设的情感值与评价分值的映射关系,计算所述情感值对应的评价分值。
优选地,所述根据所述文本数据,获得所述用户对所述商品的情感值的步骤包括:
提取所述文本数据中的情感评论词句;
根据预设的情感评论词句与情感值的映射关系表,获得提取的所述情感评论词句对应的情感值。
优选地,所述根据预设的情感值与评价分值的映射关系,计算所述情感值对应的评价分值的步骤包括:
采用预设的映射公式C=(E+1)/2,计算所述情感值对应的评价分值;其中,所述C为评价分值,所述E为情感值。
优选地,所述根据所述用户对所述商品的评价分值,对商品评价分值表进行更新的步骤包括:
查询所述商品评价分值表中是否已记录所述用户对所述商品的评价分值;
若是,则基于获得的所述评价分值,将记录的所述评价分值进行更新;
若否,则在所述商品评价分值表中新增记录所述用户对所述商品的评价分值。
优选地,所述将所述语音数据进行语音识别处理,获得对应的文本数据的步骤之后,还包括:
识别所述文本数据中是否包含需求商品数据;
所述根据所述用户对所述商品的评价分值,对商品评价分值表进行更新的步骤之后,还包括:
在所述文本数据中包含需求商品数据时,根据所述需求商品数据,以及更新后的所述商品评价分值表,确定与所述需求商品数据匹配的至少一件商品;
将所述匹配的至少一件商品推荐至用户终端。
优选地,所述根据所述用户对所述商品的评价分值,对商品评价分值表进行更新的步骤之后,还包括:
在所述文本数据中不包含需求商品数据时,基于更新后的所述商品评价分值表,获取用户对多件商品的评价分值;
根据用户对多件商品的评价分值,从所述多件商品中选取至少一件商品,其中,所述选取的至少一件商品的评价分值高于其他未选取的商品的评价分值;
将所述选取的至少一件商品推荐至用户终端。
优选地,所述获取用户评价商品对应的语音数据的步骤包括:
接收网关发送的所述语音数据,其中,所述语音数据由拾音设备采集,并由所述拾音设备将采集的所述语音数据发送至所述网关。
此外,为实现上述目的,本发明还提出一种商品推荐装置,所述商品推荐装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的商品推荐程序,所述商品推荐程序被所述处理器执行时实现如上文所述的商品推荐方法的步骤。
此外,为实现上述目的,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有商品推荐程序,所述商品推荐程序被处理器执行时实现如上文所述的商品推荐方法的步骤。
本发明提出的方案,在用户对商品进行语音评价时,获取用户评价该商品对应的语音数据,根据该语音数据,获得用户对该商品的评价分值,根据用户对该商品的评价分值,对商品评价分值表进行更新。随着多个用户对多个商品进行语音评价,不断地获得语音数据,该商品评价分值表不断进行更新,相比于目前基于评论大数据向用户推荐商品的方式,基于该不断更新的商品评价分值表向用户推荐商品,提高了商品推荐的有效性。
附图说明
图1为本发明实施例方案涉及的服务器的硬件运行环境的结构示意图;
图2为本发明商品推荐方法第一实施例的流程示意图;
图3为本发明实施例方案涉及的商品推荐系统的系统框架示意图;
图4为本发明商品推荐方法第二实施例中根据所述语音数据,获得所述用户对所述商品的评价分值的细化流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的解决方案主要是:在用户对商品进行语音评价时,获取用户评价该商品对应的语音数据,根据该语音数据,获得用户对该商品的评价分值,根据用户对该商品的评价分值,对商品评价分值表进行更新。随着多个用户对多个商品进行语音评价,不断地获得语音数据,该商品评价分值表不断进行更新,基于该不断更新的商品评价分值表向用户推荐商品。通过本发明实施例的技术方案,解决了商品推荐的有效性不高的问题。
参照图1,图1为本发明实施例方案涉及的服务器的硬件运行环境的结构示意图。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
如图1所示,该服务器可以包括:处理器1001、通信总线1002、用户接口1003、网络接口1004、存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatilememory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的服务器结构并不构成对服务器的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及商品推荐程序。
本发明服务器中的处理器1001、存储器1005可以设置在商品推荐装置中,所述商品推荐装置通过处理器1001调用存储器1005中存储的商品推荐程序,并执行以下操作:
获取用户评价商品对应的语音数据;
根据所述语音数据,获得所述用户对所述商品的评价分值;
根据所述用户对所述商品的评价分值,对商品评价分值表进行更新,以基于更新后的所述商品评价分值表,向用户推荐相应商品,其中,所述商品评价分值表中记录有多个用户对多个商品的评价分值。
进一步地,处理器1001可以调用存储器1005中存储的商品推荐程序,还执行以下操作:
将所述语音数据进行语音识别处理,获得对应的文本数据;
根据所述文本数据,获得所述用户对所述商品的情感值;
根据预设的情感值与评价分值的映射关系,计算所述情感值对应的评价分值。
进一步地,处理器1001可以调用存储器1005中存储的商品推荐程序,还执行以下操作:
提取所述文本数据中的情感评论词句;
根据预设的情感评论词句与情感值的映射关系表,获得提取的所述情感评论词句对应的情感值。
进一步地,处理器1001可以调用存储器1005中存储的商品推荐程序,还执行以下操作:
采用预设的映射公式C=(E+1)/2,计算所述情感值对应的评价分值;其中,所述C为评价分值,所述E为情感值。
进一步地,处理器1001可以调用存储器1005中存储的商品推荐程序,还执行以下操作:
查询所述商品评价分值表中是否已记录所述用户对所述商品的评价分值;
若是,则基于获得的所述评价分值,将记录的所述评价分值进行更新;
若否,则在所述商品评价分值表中新增记录所述用户对所述商品的评价分值。
进一步地,处理器1001可以调用存储器1005中存储的商品推荐程序,还执行以下操作:
识别所述文本数据中是否包含需求商品数据;
在所述文本数据中包含需求商品数据时,根据所述需求商品数据,以及更新后的所述商品评价分值表,确定与所述需求商品数据匹配的至少一件商品;
将所述匹配的至少一件商品推荐至用户终端。
进一步地,处理器1001可以调用存储器1005中存储的商品推荐程序,还执行以下操作:
在所述文本数据中不包含需求商品数据时,基于更新后的所述商品评价分值表,获取用户对多件商品的评价分值;
根据用户对多件商品的评价分值,从所述多件商品中选取至少一件商品,其中,所述选取的至少一件商品的评价分值高于其他未选取的商品的评价分值;
将所述选取的至少一件商品推荐至用户终端。
进一步地,处理器1001可以调用存储器1005中存储的商品推荐程序,还执行以下操作:
接收网关发送的所述语音数据,其中,所述语音数据由拾音设备采集,并由所述拾音设备将采集的所述语音数据发送至所述网关。
本实施例通过上述方案,在用户对商品进行语音评价时,获取用户评价该商品对应的语音数据,根据该语音数据,获得用户对该商品的评价分值,根据用户对该商品的评价分值,对商品评价分值表进行更新。随着多个用户对多个商品进行语音评价,不断地获得语音数据,该商品评价分值表不断进行更新,基于该不断更新的商品评价分值表向用户推荐商品,提高了商品推荐的有效性。
基于上述硬件结构,提出本发明商品推荐方法实施例。
参照图2,图2为本发明商品推荐方法第一实施例的流程示意图。
在第一实施例中,所述商品推荐方法包括以下步骤:
步骤S10,获取用户评价商品对应的语音数据;
步骤S20,根据所述语音数据,获得所述用户对所述商品的评价分值;
步骤S30,根据所述用户对所述商品的评价分值,对商品评价分值表进行更新,以基于更新后的所述商品评价分值表,向用户推荐相应商品,其中,所述商品评价分值表中记录有多个用户对多个商品的评价分值。
随着互联网技术的发展,商品推荐已经被广泛应用于电商行业,例如,以各类购物APP应用为例,通常会根据用户的相关搜索、访问记录,以及各类用户对各种商品的购买、评论大数据向用户推荐相应的商品。然而,由于很多时候用户并没有对商品进行有效评论,评论大数据的数量及质量并不佳,从而导致了基于评论大数据向用户推荐的商品的有效性不高。
为了提高商品推荐的有效性,本发明提出了一种商品推荐方法,应用于服务器端,如云服务器。由于用户在使用商品的过程中,通常会对该商品和/或其他相关商品进行语音评价,例如,用户在使用空调器的过程中,很可能会发表对该空调器的相关语音评价,如空调器运行制冷模式时,若用户体验良好,用户很可能就会自然而然说出该空调器制冷效果很好的语音评价,或者,通过比较发表对其他类型空调器的语音评价,这些对商品的语音评价不仅数量巨多,而且是出自于用户的真实感受,评价真实,因此,本实施例中,通过服务器获取用户评价商品的语音数据。
可选地,所述步骤S10包括:
步骤a,接收网关发送的所述语音数据,其中,所述语音数据由拾音设备采集,并由所述拾音设备将采集的所述语音数据发送至所述网关。
可选地,如图3所示,由服务器、网关、拾音设备、用户终端组成相应的商品推荐系统。当用户语音评价某一件商品时,通过拾音设备采集用户评价该商品的语音数据,将该语音数据进行存储,并将该语音数据发送至相应网关,由该网关将语音数据发送至服务器。例如,拾音设备上预先设置有相应的语音采集模块和通讯模块,当用户对商品进行语音评价时,拾音设备通过该语音采集模块采集用户的语音数据,并通过通讯模块将采集到的语音数据发送至相应的网关。当网关接收到该语音数据时,网关存储该语音数据,并将该语音数据发送至服务器。
当服务器获取到用户评价商品的语音数据后,服务器根据该语音数据,获得该用户对该商品的评价分值。例如,若根据该语音数据,确定用户对商品为正面评价,则相应的评价分值较高;若根据该语音数据,确定用户对商品为中性评价,则相应的评价分值居中;若根据该语音数据,确定用户对商品为负面评价,则相应的评价分值较低。该语音数据对应的正面因素越多,则相应的评价分值越高。
本实施例中,还预先建立有一商品评价分值表,例如,如表1所示,该商品评价分值表用于记录多个用户对多个商品的评价分值。
表1
User-01 | User-02 | User-03 | …… | |
Goods-01 | V11 | V12 | V13 | …… |
Goods-02 | V21 | V22 | V23 | …… |
Goods-03 | V31 | V32 | V33 | …… |
…… | …… | …… | …… | …… |
其中,Goods-i表示商品,简写为Gi;User-j表示为用户,简写为Uj;用户Uj对商品Gi的评论值为Vij。可选地,Vij是定义在0到1之间的一个实数,也可以是空值。
当服务器获取到用户对商品的评价分值之后,服务器根据该用户对该商品的评价分值,对商品评价分值表进行更新。可选地,所述步骤S30包括:
步骤b,查询所述商品评价分值表中是否已记录所述用户对所述商品的评价分值;
步骤c,若是,则基于获得的所述评价分值,将记录的所述评价分值进行更新;
步骤d,若否,则在所述商品评价分值表中新增记录所述用户对所述商品的评价分值。
可选地,当服务器获取到用户对商品的评价分值之后,服务器调用商品评价分值表,查询商品评价分值表中是否已记录有该用户对该商品的评价分值。若商品评价分值表中未记录该用户对该商品的评价分值,则直接在商品评价分值表中新增记录该用户对该商品的评价分值。反之,若商品评价分值表中已记录有该用户对该商品的评价分值,则基于当前获取到的该用户对该商品的评价分值,将商品评价分值表中已记录的该用户对该商品的评价分值进行更新。例如,在一种更新方式中,用当前获取到的该用户对该商品的评价分值替换商品评价分值表中已记录的该用户对该商品的评价分值。又如,在另外一种更新方式中,计算当前获取到的该用户对该商品的评价分值与商品评价分值表中已记录的该用户对该商品的评价分值的平均值,并用计算获得的平均值替换商品评价分值表中已记录的该用户对该商品的评价分值。本实施例中,对基于获取到的该用户对该商品的评价分值,对商品评价分值表中记录的该用户对该商品的评价分值进行更新的方式并不作限制。
之后,服务器在进行商品推荐时,根据更新后的商品评价分值表,向各个用户推荐与各个用户相适宜的商品。例如,以任意一个用户为例,若商品评价分值表中记录有该用户对每件商品的评价分值,则根据该用户对每件商品的评价分值,从中选取至少一件商品,选取的该至少一件商品对应的评价分值高于其他未选取的商品对应的评价分值,也即选取评价分值高的至少一件商品,将该至少一件商品推荐至该用户对应的用户终端。若商品评价分值表中存在该用户对某些商品的评价分值为空,也即该用户对这些商品还未进行过评价,此时,服务器采用协同过滤算法,推算出该用户对这些商品的评价分值,然后根据商品评价分值表中记录的该用户对一些商品的评价分值,以及推算出的该用户对另外一些商品的评价分值,选取其中评价分值高的至少一件商品,将该至少一件商品推荐至用户终端。
本实施例提供的方案,在用户对商品进行语音评价时,获取用户评价该商品对应的语音数据,根据该语音数据,获得用户对该商品的评价分值,根据用户对该商品的评价分值,对商品评价分值表进行更新。随着多个用户对多个商品进行语音评价,不断地获得语音数据,该商品评价分值表不断进行更新,基于该不断更新的商品评价分值表向用户推荐商品,提高了商品推荐的有效性。
进一步地,基于第一实施例提出本发明商品推荐方法第二实施例,在本实施例中,如图4所示,所述步骤S20包括:
步骤S21,将所述语音数据进行语音识别处理,获得对应的文本数据;
步骤S22,根据所述文本数据,获得所述用户对所述商品的情感值;
步骤S23,根据预设的情感值与评价分值的映射关系,计算所述情感值对应的评价分值。
本实施例中,在服务器获取到用户评价商品的语音数据之后,服务器将该语音数据进行语音识别处理,获得该语音数据对应的文本数据。可选地,服务器主要包括以下几个子系统:语音数据库,负责存储网关上传的语音数据;语音识别系统,负责对语音数据进行语音识别处理,将语音数据转换为对应的文本数据;文本数据库,负责存储文本数据;文本信息处理系统,主要完成信息提取、情感分析等;用户-商品数据库,主要是用来存储用户特征数据、商品特征数据、用户对商品的评价分值等数据;用户模型修正和商品模型修正子系统是对模型进行训练和修正;推荐系统是运用更新的模型产生商品推荐结果。
服务器在获取到网关上传的语音数据时,通过语音数据库存储该语音数据。之后,语音识别系统对该语音数据进行语音识别处理,获得对应的文本数据,并通过文本数据库存储该文本数据。例如,将文本数据以如表2的格式进行存储。
表2
发生时间 | 处理时间 | 用户ID | 文本数据 |
之后,通过服务器的文本信息处理系统对该文本数据信息提取以及情感分析,获得用户对该商品的情感值。可选地,文本信息处理系统首先对该文本数据进行预处理、命名实体识别等操作。其中,预处理操作是对文本数据进行去噪、分词、词性标注等处理,然后对预处理后的文本数据进行命名实体识别,获得相应的处理结果,例如,如表3所示。
表3
发生时间 | 用户ID | 商品 | 评论 |
可选地,所述步骤S22包括:
步骤e,提取所述文本数据中的情感评论词句;
步骤f,根据预设的情感评论词句与情感值的映射关系表,获得提取的所述情感评论词句对应的情感值。
可选地,预先设置一情感评论词句与情感值的映射关系表,例如,如表4所示。
表4
可选地,表4中的情感评论词句,可以通过训练语料库,得到每个词句的词向量;基于词句对应的词向量之间的语义距离的求取,获得与该词句语义相近的词句,从而扩充情感评论词句集合。
在获得文本数据之后,通过服务器的文本信息处理系统提取该文本数据中的情感评论词句,如质量好、合格、质量太差等词句。然后,根据预设的情感评论词句与情感值的映射关系表,如表4所示,获得提取的情感评论词句对应的情感值。例如,若提取到文本数据中的情感评论词句为质量OK,则通过查询如表4所示的情感评论词句与情感值的映射关系表,获得该情感评论词句对应的情感值为0.6。
本实施例中,还预先设置有情感值与评价分值的映射关系,如C=f(E),其中,C为评价分值,E为情感值,f是一个实数函数,评价分值与情感值呈正比,情感值越高,则评价分值越高。服务器在获得提取的情感评论词句对应的情感值之后,根据预设的情感值与评价分值的映射关系,计算该情感值对应的评价分值。
可选地,采用预设的情感值与评价分值的映射公式C=(E+1)/2来计算情感值对应的评价分值,其中,C为评价分值,E为情感值。若以表4为例,情感值的值域是[-1,1],则对应的评价分值的的值域是[0,1]。仍以上述列举例子为例,假设获得情感评论词句对应的情感值为0.6,则根据映射公式C=(E+1)/2,计算获得该情感值对应的评价分值为0.8。
之后,服务器根据获得的评价分值,对商品评价分值表进行更新,具体地更新方式如第一实施例中所述,在此就不再赘述。并通过用户-商品数据库将更新后的商品评价分值表进行存储,以供之后服务器的推荐系统根据更新的商品评价分值表,向各个用户推荐相应的适宜商品。
本实施例提供的方案,通过根据用户对商品评价的语音数据,获得用户对商品的情感值,并根据预设的情感值与评价分值的映射关系,计算获得情感值对应的评价分值,因此,评价分值准确地反映了用户对商品的评价,据此向用户推荐商品,更进一步提高了商品推荐的有效性。
进一步地,基于第二实施例提出本发明商品推荐方法第三实施例,在本实施例中,所述步骤S21之后,还包括:
步骤g,识别所述文本数据中是否包含需求商品数据;
所述步骤S30之后,还包括:
步骤h,在所述文本数据中包含需求商品数据时,根据所述需求商品数据,以及更新后的所述商品评价分值表,确定与所述需求商品数据匹配的至少一件商品;
步骤i,将所述匹配的至少一件商品推荐至用户终端。
在实际的应用场景中,一种情况就是用户有明确的商品需求,例如,用户需要一台空调器、一台滚筒洗衣机等等需求。对于用户有明确的商品需求的情况,服务器基于用户需求向用户推荐商品。
具体地,在通过语音识别系统对语音数据进行语音识别处理,获得对应的文本数据之后,通过文本信息处理系统识别该文本数据中是否包含需求商品数据。
可选地,预先建立一用户需求词汇表,该表中包含用户表达“需要、需求等意图”的时候所要用到的词汇;利用这些表达“需求”的词汇对用户的文本数据进行扫描,定位可能的“需求语句”,若定位到“需求语句”,则识别该文本数据中包含需求商品数据;反之,则识别该文本数据中不包含需求商品数据。若识别该文本数据中包含需求商品数据,则对文本数据进行提取,获取该文本数据中包含需求商品数据,并生成相应的提取结果,例如,将提取结果输出到预设的用户需求列表,如以下多元数据结构中:(时间,用户ID,需求商品数据)。
若该文本数据中包含需求商品数据,则根据该需求商品数据,以及更新后的商品评价分值表,确定与该需求商品数据匹配的至少一件商品。例如,服务器根据更新后的商品评价分值表,对用户-商品数据库中存储的用户特征数据和商品特征数据进行更新修正,并基于修正后的商品特征数据,以及获得的需求商品数据,确定修正后的商品特征数据中是否存在与需求商品数据一致的商品特征数据。若存在与需求商品数据一致的商品特征数据,则进一步从修正后的商品特征数据中选取与该需求商品数据距离最近的k-1个商品特征数据,其中,距离的求取可选地采用欧式距离算法,在此不再赘述。将该k-1个商品特征数据以及上述一致的商品特征数据所对应的k件商品确定为与该需求商品数据匹配的商品,也即向用户推荐的商品,并将其推荐至用户终端。若不存在与需求商品数据一致的商品特征数据,则采用协同过滤算法,获取需求商品的相似商品,并根据相似商品对应的商品特征数据,选取与其距离最近的k-1个商品特征数据,将该k-1个商品特征数据所对应的k-1件商品以及相似商品确定为与该需求商品数据匹配的商品,也即向用户推荐的商品,并将其推荐至用户终端。
进一步地,所述步骤S30之后,还包括:
步骤j,在所述文本数据中不包含需求商品数据时,基于更新后的所述商品评价分值表,获取用户对多件商品的评价分值;
步骤k,根据用户对多件商品的评价分值,从所述多件商品中选取至少一件商品,其中,所述选取的至少一件商品的评价分值高于其他未选取的商品的评价分值;
步骤l,将所述选取的至少一件商品推荐至用户终端。
在实际的应用场景中,还有另外一种情况就是用户没有明确的商品需求,对于用户没有明确的商品需求的情况,服务器基于用户对商品的评价分值向用户推荐商品。
具体地,若服务器识别文本数据中不包含需求商品数据,则服务器基于更新后的商品评价分值表,获取用户对多件商品的评价分值。然后,根据用户对多件商品的评价分值,从多件商品中选取至少一件商品,其中选取的至少一件商品的评价分值高于其他未选取的商品的评价分值,将选取的至少一件商品推荐至用户终端。
可选地,以任意一个用户为例,若更新的商品评价分值表中记录有该用户对每件商品的评价分值,则根据该用户对每件商品的评价分值,从中选取评价分值高的至少一件商品,将该至少一件商品推荐至该用户对应的用户终端。若商品评价分值表中存在该用户对某些商品的评价分值为空,也即该用户对这些商品还未进行过评价,此时,服务器采用协同过滤算法,获得该用户的相似用户,并根据相似用户对这些商品的评价分值,推算出该用户对这些商品的评价分值。
之后,服务器通过推荐系统根据商品评价分值表中记录的该用户对商品的评价分值,以及推算出的该用户对商品的评价分值,选取其中评价分值高的至少一件商品,将该至少一件商品推荐至该用户对应的用户终端。
本实施例提供的方案,针对于用户有明确的商品需求的情况,通过获取文本数据中包含的需求商品数据,根据该需求商品数据,以及更新后的商品评价分值表,确定与该需求商品数据匹配的至少一件商品,将该匹配的至少一件商品推荐至用户终端;而针对于用户没有明确的商品需求的情况,通过基于更新后的商品评价分值表,获取用户对多件商品的评价分值,并根据用户对多件商品的评价分值,从中选取评价分值高的至少一件商品,将选取的至少一件商品推荐至用户终端。针对于不同的情况进行不同的推荐,因此,进一步提高了商品推荐的有效性。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有商品推荐程序,所述商品推荐程序被处理器执行时实现如下操作:
获取用户评价商品对应的语音数据;
根据所述语音数据,获得所述用户对所述商品的评价分值;
根据所述用户对所述商品的评价分值,对商品评价分值表进行更新,以基于更新后的所述商品评价分值表,向用户推荐相应商品,其中,所述商品评价分值表中记录有多个用户对多个商品的评价分值。
进一步地,所述商品推荐程序被处理器执行时还实现如下操作:
将所述语音数据进行语音识别处理,获得对应的文本数据;
根据所述文本数据,获得所述用户对所述商品的情感值;
根据预设的情感值与评价分值的映射关系,计算所述情感值对应的评价分值。
进一步地,所述商品推荐程序被处理器执行时还实现如下操作:
提取所述文本数据中的情感评论词句;
根据预设的情感评论词句与情感值的映射关系表,获得提取的所述情感评论词句对应的情感值。
进一步地,所述商品推荐程序被处理器执行时还实现如下操作:
采用预设的映射公式C=(E+1)/2,计算所述情感值对应的评价分值;其中,所述C为评价分值,所述E为情感值。
进一步地,所述商品推荐程序被处理器执行时还实现如下操作:
查询所述商品评价分值表中是否已记录所述用户对所述商品的评价分值;
若是,则基于获得的所述评价分值,将记录的所述评价分值进行更新;
若否,则在所述商品评价分值表中新增记录所述用户对所述商品的评价分值。
进一步地,所述商品推荐程序被处理器执行时还实现如下操作:
识别所述文本数据中是否包含需求商品数据;
在所述文本数据中包含需求商品数据时,根据所述需求商品数据,以及更新后的所述商品评价分值表,确定与所述需求商品数据匹配的至少一件商品;
将所述匹配的至少一件商品推荐至用户终端。
进一步地,所述商品推荐程序被处理器执行时还实现如下操作:
在所述文本数据中不包含需求商品数据时,基于更新后的所述商品评价分值表,获取用户对多件商品的评价分值;
根据用户对多件商品的评价分值,从所述多件商品中选取至少一件商品,其中,所述选取的至少一件商品的评价分值高于其他未选取的商品的评价分值;
将所述选取的至少一件商品推荐至用户终端。
进一步地,所述商品推荐程序被处理器执行时还实现如下操作:
接收网关发送的所述语音数据,其中,所述语音数据由拾音设备采集,并由所述拾音设备将采集的所述语音数据发送至所述网关。
本实施例提供的方案,在用户对商品进行语音评价时,获取用户评价该商品对应的语音数据,根据该语音数据,获得用户对该商品的评价分值,根据用户对该商品的评价分值,对商品评价分值表进行更新。随着多个用户对多个商品进行语音评价,不断地获得语音数据,该商品评价分值表不断进行更新,基于该不断更新的商品评价分值表向用户推荐商品,提高了商品推荐的有效性。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种商品推荐方法,其特征在于,所述商品推荐方法包括以下步骤:
获取用户评价商品对应的语音数据;
根据所述语音数据,获得所述用户对所述商品的评价分值;
根据所述用户对所述商品的评价分值,对商品评价分值表进行更新,以基于更新后的所述商品评价分值表,向用户推荐相应商品,其中,所述商品评价分值表中记录有多个用户对多个商品的评价分值。
2.如权利要求1所述的商品推荐方法,其特征在于,所述根据所述语音数据,获得所述用户对所述商品的评价分值的步骤包括:
将所述语音数据进行语音识别处理,获得对应的文本数据;
根据所述文本数据,获得所述用户对所述商品的情感值;
根据预设的情感值与评价分值的映射关系,计算所述情感值对应的评价分值。
3.如权利要求2所述的商品推荐方法,其特征在于,所述根据所述文本数据,获得所述用户对所述商品的情感值的步骤包括:
提取所述文本数据中的情感评论词句;
根据预设的情感评论词句与情感值的映射关系表,获得提取的所述情感评论词句对应的情感值。
4.如权利要求2所述的商品推荐方法,其特征在于,所述根据预设的情感值与评价分值的映射关系,计算所述情感值对应的评价分值的步骤包括:
采用预设的映射公式C=(E+1)/2,计算所述情感值对应的评价分值;其中,所述C为评价分值,所述E为情感值。
5.如权利要求1所述的商品推荐方法,其特征在于,所述根据所述用户对所述商品的评价分值,对商品评价分值表进行更新的步骤包括:
查询所述商品评价分值表中是否已记录所述用户对所述商品的评价分值;
若是,则基于获得的所述评价分值,将记录的所述评价分值进行更新;
若否,则在所述商品评价分值表中新增记录所述用户对所述商品的评价分值。
6.如权利要求2所述的商品推荐方法,其特征在于,所述将所述语音数据进行语音识别处理,获得对应的文本数据的步骤之后,还包括:
识别所述文本数据中是否包含需求商品数据;
所述根据所述用户对所述商品的评价分值,对商品评价分值表进行更新的步骤之后,还包括:
在所述文本数据中包含需求商品数据时,根据所述需求商品数据,以及更新后的所述商品评价分值表,确定与所述需求商品数据匹配的至少一件商品;
将所述匹配的至少一件商品推荐至用户终端。
7.如权利要求6所述的商品推荐方法,其特征在于,所述根据所述用户对所述商品的评价分值,对商品评价分值表进行更新的步骤之后,还包括:
在所述文本数据中不包含需求商品数据时,基于更新后的所述商品评价分值表,获取用户对多件商品的评价分值;
根据用户对多件商品的评价分值,从所述多件商品中选取至少一件商品,其中,所述选取的至少一件商品的评价分值高于其他未选取的商品的评价分值;
将所述选取的至少一件商品推荐至用户终端。
8.如权利要求1-7任一项所述的商品推荐方法,其特征在于,所述获取用户评价商品对应的语音数据的步骤包括:
接收网关发送的所述语音数据,其中,所述语音数据由拾音设备采集,并由所述拾音设备将采集的所述语音数据发送至所述网关。
9.一种商品推荐装置,其特征在于,所述商品推荐装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的商品推荐程序,所述商品推荐程序被所述处理器执行时实现如权利要求1-8中任一项所述的商品推荐方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有商品推荐程序,所述商品推荐程序被处理器执行时实现如权利要求1-8中任一项所述的商品推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710981334.5A CN107967641A (zh) | 2017-10-18 | 2017-10-18 | 商品推荐方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710981334.5A CN107967641A (zh) | 2017-10-18 | 2017-10-18 | 商品推荐方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107967641A true CN107967641A (zh) | 2018-04-27 |
Family
ID=61997635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710981334.5A Pending CN107967641A (zh) | 2017-10-18 | 2017-10-18 | 商品推荐方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107967641A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109299224A (zh) * | 2018-10-23 | 2019-02-01 | 广州九乐维信息科技有限公司 | 基于Zabbix的解决方案查询方法、装置、计算机设备 |
WO2020073526A1 (zh) * | 2018-10-12 | 2020-04-16 | 平安科技(深圳)有限公司 | 基于信任网络的推送方法、装置、计算机设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103854197A (zh) * | 2012-11-28 | 2014-06-11 | 纽海信息技术(上海)有限公司 | 多媒体评论系统及其方法 |
CN104361507A (zh) * | 2014-11-20 | 2015-02-18 | 携程计算机技术(上海)有限公司 | 商品推荐方法及系统 |
CN105653657A (zh) * | 2015-12-25 | 2016-06-08 | Tcl集团股份有限公司 | 一种商品的推荐方法及装置 |
CN105787770A (zh) * | 2016-04-27 | 2016-07-20 | 上海遥薇(集团)有限公司 | 一种基于nmf算法的大数据商品及服务推荐方法及系统 |
US20160239865A1 (en) * | 2013-10-28 | 2016-08-18 | Tencent Technology (Shenzhen) Company Limited | Method and device for advertisement classification |
CN106651533A (zh) * | 2016-12-29 | 2017-05-10 | 合肥华凌股份有限公司 | 一种基于用户行为的个性化商品推荐方法及装置 |
-
2017
- 2017-10-18 CN CN201710981334.5A patent/CN107967641A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103854197A (zh) * | 2012-11-28 | 2014-06-11 | 纽海信息技术(上海)有限公司 | 多媒体评论系统及其方法 |
US20160239865A1 (en) * | 2013-10-28 | 2016-08-18 | Tencent Technology (Shenzhen) Company Limited | Method and device for advertisement classification |
CN104361507A (zh) * | 2014-11-20 | 2015-02-18 | 携程计算机技术(上海)有限公司 | 商品推荐方法及系统 |
CN105653657A (zh) * | 2015-12-25 | 2016-06-08 | Tcl集团股份有限公司 | 一种商品的推荐方法及装置 |
CN105787770A (zh) * | 2016-04-27 | 2016-07-20 | 上海遥薇(集团)有限公司 | 一种基于nmf算法的大数据商品及服务推荐方法及系统 |
CN106651533A (zh) * | 2016-12-29 | 2017-05-10 | 合肥华凌股份有限公司 | 一种基于用户行为的个性化商品推荐方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020073526A1 (zh) * | 2018-10-12 | 2020-04-16 | 平安科技(深圳)有限公司 | 基于信任网络的推送方法、装置、计算机设备及存储介质 |
CN109299224A (zh) * | 2018-10-23 | 2019-02-01 | 广州九乐维信息科技有限公司 | 基于Zabbix的解决方案查询方法、装置、计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104951428B (zh) | 用户意图识别方法及装置 | |
CN107122369B (zh) | 一种业务数据处理方法、装置和系统 | |
CN105389722B (zh) | 恶意订单识别方法及装置 | |
US11544639B2 (en) | Data source-based service customizing device, method and system, and storage medium | |
CN107832432A (zh) | 一种搜索结果排序方法、装置、服务器和存储介质 | |
KR20160055930A (ko) | 연속적인 소셜 커뮤니케이션에 사용되는 콘텐츠를 능동적으로 구성하기 위한 시스템 및 방법 | |
US11741094B2 (en) | Method and system for identifying core product terms | |
CN110196904B (zh) | 一种获取推荐信息的方法、装置及计算机可读存储介质 | |
KR20190055425A (ko) | 머신 러닝 기반의 챗봇용 데이터 추가 장치 | |
CN103678647A (zh) | 一种实现信息推荐的方法及系统 | |
CN112104642B (zh) | 一种异常账号确定方法和相关装置 | |
CN104579909B (zh) | 一种用户信息的分类、用户分组信息的获取方法和设备 | |
CN103514191A (zh) | 用于确定目标推广信息的关键词匹配模式的方法和设备 | |
CN110084658B (zh) | 物品匹配的方法和装置 | |
CN110362665B (zh) | 一种基于语义相似度的问答系统及方法 | |
CN109522399B (zh) | 用于生成信息的方法和装置 | |
Kaur et al. | Review of artificial intelligence with retailing sector | |
CN102959539A (zh) | 一种业务交叉时的项目推荐方法及系统 | |
CN107967641A (zh) | 商品推荐方法、装置及计算机可读存储介质 | |
CN110347786A (zh) | 一种语义模型的调优方法及系统 | |
CN111787042B (zh) | 用于推送信息的方法和装置 | |
CN112801803A (zh) | 一种理财产品推荐方法和装置 | |
CN112100491A (zh) | 基于用户数据的信息推荐方法、装置、设备及存储介质 | |
US11574024B2 (en) | Method and system for content bias detection | |
KR20210052746A (ko) | 제품화 대상 콘텐츠의 예상 판매량 추정 방법, 장치 및 컴퓨터프로그램 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180427 |
|
RJ01 | Rejection of invention patent application after publication |