CN109461012A - 一种产品推荐方法、装置及终端 - Google Patents

一种产品推荐方法、装置及终端 Download PDF

Info

Publication number
CN109461012A
CN109461012A CN201710795479.6A CN201710795479A CN109461012A CN 109461012 A CN109461012 A CN 109461012A CN 201710795479 A CN201710795479 A CN 201710795479A CN 109461012 A CN109461012 A CN 109461012A
Authority
CN
China
Prior art keywords
product
candidate recommendation
information
user
products
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
Application number
CN201710795479.6A
Other languages
English (en)
Inventor
孙宝华
何志敏
李俭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Communications Group Co Ltd
China Mobile Communications Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Communications Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Mobile Communications Group Co Ltd, China Mobile Communications Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201710795479.6A priority Critical patent/CN109461012A/zh
Publication of CN109461012A publication Critical patent/CN109461012A/zh
Pending legal-status Critical Current

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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种产品推荐方法、装置及终端，其中，所述产品推荐方法包括：创建被匹配产品表格，其中，所述被匹配产品表格中的键值是相似产品信息，字典值是与所述相似产品信息对应的候选推荐产品信息，根据用户的历史记录产品信息，查询所述被匹配产品表格，得到与所述历史记录产品信息匹配的候选推荐产品集合，分别获取所述候选推荐产品集合中的每一个候选推荐产品与所述用户的匹配得分，根据所述匹配得分，进行产品推荐。本发明的方案，能够减少大量的冗余计算，提升推荐速度，缩短推荐时间。

Description

一种产品推荐方法、装置及终端
技术领域
本发明涉及数据处理技术领域，尤其涉及一种产品推荐方法、装置及终端。
背景技术
当前，推荐引擎常用于向用户个性化推荐产品，从而改善客户体验，提高平台运营商的点击率。对于稀疏的历史记录输入，基于矩阵分解的协同过滤(包括ALS算法)一般会遭遇难以将矩阵分解为两个低秩矩阵的问题。特别是大数据场景下。基于此，目前给用户推荐产品的方法常分为两步：第一步是计算一对产品的相关性，得到一个大的矩阵，然后按照相似性大小排序得到每一个产品最相似的几个产品；第二步是对于每一个用户，遍历此用户未曾消费过的产品，根据事先定义的相似度函数，计算此用户喜欢产品的得分(用户与产品的匹配得分)，然后根据得分高低，选取得分较高的几个产品作为推荐产品。该算法适用于密集历史记录假设和小数据集应用。
由于每一个用户在整个产品集合中的历史消费记录是密集矩阵的不切实际假设，目前方法在为用户作产品推荐时，需要遍历整个产品集合中的每一个产品，以计算被用户喜欢的得分(与概率对应，得分越高，概率越大)。但实际应用中，用户的历史活动记录非常稀疏，大多数的产品都不曾被用户购买、消费或评价过。此外，用户的历史活动记录中可能也不存在与某一需要计算得分的产品类似的产品。基于上述原因，产品集合中的大多数产品，在计算被某一用户喜欢的得分时往往得到0分。因此，在为用户推荐产品时，遍历产品集合中的每一个产品并计算得分是非常不必要的，不仅会造成推荐速度过慢，还会造成所需推荐时间过长，这在实际应用中是不可承受的。
发明内容
本发明实施例提供一种产品推荐方法、装置及终端，以解决现有的产品推荐方法推荐速度过慢，所需推荐时间过长的问题。
第一方面，本发明实施例提供了一种产品推荐方法，包括：
创建被匹配产品表格，其中，所述被匹配产品表格中的键值是相似产品信息，字典值是与所述相似产品信息对应的候选推荐产品信息；
根据用户的历史记录产品信息，查询所述被匹配产品表格，得到与所述历史记录产品信息匹配的候选推荐产品集合；
分别获取所述候选推荐产品集合中的每一个候选推荐产品与所述用户的匹配得分；
根据所述匹配得分，进行产品推荐。
可选的，所述创建被匹配产品表格，包括：
反向计算产品与产品相似度表格中的键值和字典值，得到所述被匹配产品表格；
其中，所述产品与产品相似度表格中的键值是所述候选推荐产品信息，字典值是所述相似产品信息。
可选的，所述历史记录产品信息对应的历史记录产品与如下信息中的至少一种信息相关：用户对产品的评价信息、用户对产品的查询信息和用户对产品的消费信息。
可选的，所述分别获取所述候选推荐产品集合中的每一个候选推荐产品与所述用户的匹配得分，包括：
根据产品与产品相似度表格，分别确定所述每一个候选推荐产品的相似度得分向量和历史记录评分向量；
对所述相似度得分向量和所述历史记录评分向量进行余弦相似度计算，得到所述每一个候选推荐产品与所述用户的匹配得分。
可选的，所述根据所述匹配得分，进行产品推荐，包括：
按照所述匹配得分的由高到低，对所述候选推荐产品集合中的候选推荐产品进行排序，得到排序结果；
选取所述排序结果中的前预设个数的候选推荐产品进行推荐。
第二方面，本发明实施例还提供了一种产品推荐装置，包括：
创建模块，用于创建被匹配产品表格，其中，所述被匹配产品表格中的键值是相似产品信息，字典值是与所述相似产品信息对应的候选推荐产品信息；
查询模块，用于根据用户的历史记录产品信息，查询所述被匹配产品表格，得到与所述历史记录产品信息匹配的候选推荐产品集合；
获取模块，用于分别获取所述候选推荐产品集合中的每一个候选推荐产品与所述用户的匹配得分；
推荐模块，用于根据所述匹配得分，进行产品推荐。
可选的，所述创建模块具体用于：
反向计算产品与产品相似度表格中的键值和字典值，得到所述被匹配产品表格；
其中，所述产品与产品相似度表格中的键值是所述候选推荐产品信息，字典值是所述相似产品信息。
可选的，所述历史记录产品信息对应的历史记录产品与如下信息中的至少一种信息相关：用户对产品的评价信息、用户对产品的查询信息和用户对产品的消费信息。
第三方面，本发明实施例还提供了一种终端，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计算机程序，其中，所述计算机程序被所述处理器执行时实现上述产品推荐方法中的步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述产品推荐方法中的步骤。
本发明实施例的产品推荐方法，通过根据用户的历史记录产品信息，查询被匹配产品表格，可利用用户的历史记录产品与相似产品进行比对，从而得到与历史记录产品信息匹配的候选推荐产品集合，即得到与用户的匹配得分为非0的候选推荐产品集合，过滤掉与用户的匹配得分为0的候选推荐产品，这样进一步根据与用户的匹配得分为非0的候选推荐产品集合进行产品推荐，可避开与用户的匹配得分为0的候选推荐产品，避免遍历所有候选推荐产品，从而减少大量的冗余计算，提升推荐速度，缩短推荐时间。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1A表示本发明实施例的一产品与产品相似度表格的示意图；
图1B表示本发明实施例的一被匹配产品表格的示意图；
图2表示本发明实施例的产品推荐方法的流程图；
图3表示本发明具体实例的计算匹配得分的示意图；
图4表示本发明实施例的产品推荐装置的结构示意图；
图5表示本发明实施例的终端的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了便于理解本发明，首先对本发明实施例涉及的产品与产品相似度表格(简称：相似度表格)和被匹配产品表格进行说明。
相似度表格：
本发明实施例中，相似度表格列出的是候选推荐产品与至少一个相似产品的对应关系。根据相似度表格，可确定某一候选推荐产品的N(N大于或者等于1)个相似产品。
具体的，相似度表格中的键值是候选推荐产品信息，该候选推荐产品信息例如为候选推荐产品的标识ID；相似度表格中的字典值是与候选推荐产品信息对应的相似产品信息，该相似产品信息例如为候选推荐产品的相似产品的ID。此外，相似产品信息在相似度表格中的位置可根据候选推荐产品与对应相似产品的相似程度确定，即与候选推荐产品的相似度越高，对应的相似产品信息在相似度表格中越靠前。这样，可便于选取与候选推荐产品较相似的产品。
例如参见图1A所示，图1A为本发明实施例的一相似度表格的示意图，在图1A中，候选推荐产品信息包括P_j、P_x和P_t，与P_j对应的相似产品信息包括P_k、P_v等，相比于P_v，P_k对应的相似产品与P_j对应的候选推荐产品的相似度更高；与P_x对应的相似产品信息包括P_k、P_z、P_t等，相比于P_z和P_t，P_k对应的相似产品与P_j对应的候选推荐产品的相似度更高；与P_t对应的相似产品信息包括P_s、P_u、P_v等。
被匹配产品表格：
本发明实施例中，被匹配产品表格列出的是相似产品与至少一个候选推荐产品的对应关系。通过反向计算相似度表格中的键值和字典值，可得到对应的被匹配产品表格。
具体的，被匹配产品表格中的键值是相似产品信息，该相似产品信息例如为相似产品的ID；被匹配产品表格中的字典值是与相似产品信息对应的候选推荐产品信息，该候选推荐产品信息例如为候选推荐产品的ID。
例如参见图1B所示，图1B为本发明实施例的一被匹配产品表格的示意图，并且图1B的被匹配产品表格是通过图1A的相似度表格得到。在图1B中，键值是相似产品信息，比如P_k，P_k是P_j的相似产品，字典值是候选推荐产品信息，比如P_j和P_x。
需注意的是，相似度表格和被匹配产品表格是不同的，例如参见图1A和图1B。而相似度表格和被匹配产品表格不同的原因为：相似度表格是非对称表格。这里的“非对称”是指，若P_a在P_b的相似的K个产品列表中，那么P_b不一定在P_a的相似的K个产品列表中。但是，P_a和P_b相似度得分向量是相同的，即S_a_b＝S_b_a，其中S_a_b是通过产品P_a和P_b的共同用户的集合大小来定义的。
由于被匹配产品表格列出的是相似产品与候选推荐产品的对应关系，因此当根据用户的历史记录产品信息，查询被匹配产品表格时，即利用用户的历史记录产品与相似产品进行比对时，可得到与历史记录产品信息匹配的候选推荐产品集合，即可得到与用户的匹配得分为非0的候选推荐产品集合，过滤掉与用户的匹配得分为0的候选推荐产品。这样，在为用户作产品推荐时，若根据与用户的匹配得分为非0的候选推荐产品集合进行产品推荐，则能够避开与用户的匹配得分为0的候选推荐产品，避免遍历所有候选推荐产品，从而减少大量的冗余计算，提升推荐速度，缩短推荐时间。
下面，通过具体实施例对本发明的产品推荐方法进行说明。
参见图2所示，本发明实施例提供了一种产品推荐方法，包括如下步骤：
步骤201：创建被匹配产品表格；其中，所述被匹配产品表格中的键值是相似产品信息，字典值是与所述相似产品信息对应的候选推荐产品信息；
步骤202：根据用户的历史记录产品信息，查询所述被匹配产品表格，得到与所述历史记录产品信息匹配的候选推荐产品集合；
步骤203：分别获取所述候选推荐产品集合中的每一个候选推荐产品与所述用户的匹配得分；
步骤204：根据所述匹配得分，进行产品推荐。
其中，用户的历史记录产品信息例如为历史记录产品的ID。用户的历史记录产品可与如下信息中的至少一种信息相关：用户对产品的评价信息、用户对产品的查询信息和用户对产品的消费信息等。也就是说，若用户对某产品进行过评价、查询和/或消费(购买)，则该产品为该用户的历史记录产品。
本发明实施例的产品推荐方法，通过根据用户的历史记录产品信息，查询被匹配产品表格，可利用用户的历史记录产品与相似产品进行比对，从而得到与历史记录产品信息匹配的候选推荐产品集合，即得到与用户的匹配得分为非0的候选推荐产品集合，过滤掉与用户的匹配得分为0的候选推荐产品，这样进一步根据与用户的匹配得分为非0的候选推荐产品集合进行产品推荐，可避开与用户的匹配得分为0的候选推荐产品，避免遍历所有候选推荐产品，从而减少大量的冗余计算，提升推荐速度，缩短推荐时间。
例如，参见图3所示，对于用户C_a，其历史记录产品包括P_k、P_s和P_t；当创建得到如图3所示的被匹配产品表格时，通过根据C_a的P_k、P_s和P_t，查询该被匹配产品表格，可得到与该P_k、P_s和P_t匹配的候选推荐产品集合包括P_j、P_x和P_t；此时，仅需计算P_j、P_x和P_t与C_a的匹配得分，即Match_a_j、Match_a_x和Match_a_t。这样，相比于现有方法，本发明实施例的产品推荐方法可避免遍历所有候选推荐产品，从而减少大量的冗余计算。
应说明的是，本发明实施例可用于跨媒体平台的产品推荐。本发明实施例适用的场景可为，用户的历史记录产品稀疏的情况。此情况下，若遍历所有候选推荐产品进行产品推荐，则会产生大量的冗余计算；而通过被匹配产品表格过滤掉与用户的匹配得分为0的候选推荐产品，根据与用户的匹配得分为非0的候选推荐产品集合进行产品推荐，会减少大量的冗余计算，提升推荐速度，缩短推荐时间。
此外，当利用本发明实施例的产品推荐方法在50万用户6千产品的大数据集上进行测试时，在给出同样的推荐结果时，相比于现有产品推荐方法，本发明实施例的产品推荐方法可提升近30倍的推荐速度。
本发明实施例中，根据产品与产品相似度表格和被匹配产品表格的不同表现形式，通过反向计算产品与产品相似度表格中的键值和字典值，即可得到被匹配产品表格。因此，进一步的，步骤101可包括：
反向计算产品与产品相似度表格中的键值和字典值，得到所述被匹配产品表格；其中，所述产品与产品相似度表格中的键值是所述候选推荐产品信息，字典值是所述相似产品信息。
本发明实施例中，当获取候选推荐产品与用户的匹配得分时，可采用现有的方法，例如先确定候选推荐产品的相似度得分向量和历史记录评分向量，再计算候选推荐产品与用户的匹配得分。具体的，步骤103可包括：
根据产品与产品相似度表格，分别确定所述每一个候选推荐产品的相似度得分向量和历史记录评分向量；
对所述相似度得分向量和所述历史记录评分向量进行余弦相似度计算，得到所述每一个候选推荐产品与所述用户的匹配得分。
进一步，在获得候选推荐产品与相应用户的匹配得分后，可选取匹配得分最高的预设个数的候选推荐产品进行推荐。具体的，本发明实施例中，步骤104可包括：
按照所述匹配得分的由高到低，对所述候选推荐产品集合中的候选推荐产品进行排序，得到排序结果；
选取所述排序结果中的前预设个数的候选推荐产品进行推荐。
这样，通过确定候选推荐产品的相似度得分向量和历史记录评分向量，可计算得到该候选推荐产品与用户的匹配得分，并根据计算得到的匹配得分，选取与用户的匹配得分较高的候选推荐产品进行推荐。
例如，对于为用户C_i推荐N个产品的应用，获取候选推荐产品P_j与用户C_i的匹配得分的过程可为：首先，根据预先确定的产品与产品相似度表格，获得P_j的K个相似产品，此K个相似产品可为P_j的最相似的K个产品；然后，确定P_j的相似度得分向量S_j和历史记录评分向量C_i；其中，向量S_j中的元素共有K个，分别为S_j_k，k是取值在[1，K]中的正整数，S_j_k表示P_j与相似产品P_k的相似度得分；向量C_i中的元素共有K个，分别为C_i_k，k是取值在[1，K]中的正整数，C_i_k表示用户C_i对相似产品P_k的历史记录评分；最后，根据S_j和C_i计算P_j与C_i的匹配得分Match_i_j，即C_i喜欢P_j的用户-产品匹配得分；其中，在计算Match_i_j时，可采用如下公式一，通过S_j和C_i的余弦相似度计算：
Match_i_j＝S_j’*C_i/[(S_j’*S_j)^0.5*(C_i’*C_i)^0.5]公式一。
进一步的，若根据上述获取匹配得分的过程，获得M(M大于N)个Match_i_j，则可按照Match_i_j的由高到低对相应候选推荐产品进行排序，并选出前N个候选推荐产品进行推荐。
上述实施例对本发明的产品推荐方法进行了说明，下面将结合实施例和附图对本发明的产品推荐装置进行说明。
参见图4所示，本发明实施例提供了一种产品推荐装置，包括：
创建模块41，用于创建被匹配产品表格；其中，所述被匹配产品表格中的键值是相似产品信息，字典值是与所述相似产品信息对应的候选推荐产品信息；
查询模块42，用于根据用户的历史记录产品信息，查询所述被匹配产品表格，得到与所述历史记录产品信息匹配的候选推荐产品集合；
获取模块43，用于分别获取所述候选推荐产品集合中的每一个候选推荐产品与所述用户的匹配得分；
推荐模块44，用于根据所述匹配得分，进行产品推荐。
本发明实施例的产品推荐装置，通过根据用户的历史记录产品信息，查询被匹配产品表格，可利用用户的历史记录产品与相似产品进行比对，从而得到与历史记录产品信息匹配的候选推荐产品集合，即得到与用户的匹配得分为非0的候选推荐产品集合，过滤掉与用户的匹配得分为0的候选推荐产品，这样进一步根据与用户的匹配得分为非0的候选推荐产品集合进行产品推荐，可避开与用户的匹配得分为0的候选推荐产品，避免遍历所有候选推荐产品，从而减少大量的冗余计算，提升推荐速度，缩短推荐时间。
可选的，所述创建模块41具体用于：
反向计算产品与产品相似度表格中的键值和字典值，得到所述被匹配产品表格；其中，所述产品与产品相似度表格中的键值是所述候选推荐产品信息，字典值是所述相似产品信息。
可选的，所述历史记录产品信息对应的历史记录产品可与如下信息中的至少一种信息相关：用户对产品的评价信息、用户对产品的查询信息和用户对产品的消费信息。
可选的，本发明实施例中，所述获取模块43包括：
获取单元，用于根据产品与产品相似度表格，分别确定所述每一个候选推荐产品的相似度得分向量和历史记录评分向量；
计算单元，用于对所述相似度得分向量和所述历史记录评分向量进行余弦相似度计算，得到所述每一个候选推荐产品与所述用户的匹配得分。
进一步的，所述推荐模块44包括：
排序单元，用于按照所述匹配得分的由高到低，对所述候选推荐产品集合中的候选推荐产品进行排序，得到排序结果；
选取单元，用于选取所述排序结果中的前预设个数的候选推荐产品进行推荐。
此外，本发明实施例还提供了一种终端，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计算机程序，所述计算机程序被所述处理器执行时实现上述产品推荐方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
具体的，参见图5所示，本发明实施例还提供了一种终端，所述终端包括总线51、处理器52、收发机53、总线接口54、存储器55和用户接口56。
在本发明实施例中，所述终端还包括：存储在存储器55上并可在处理器52上运行的计算机程序，计算机程序被处理器52执行时实现以下步骤：创建被匹配产品表格，其中，所述被匹配产品表格中的键值是相似产品信息，字典值是与所述相似产品信息对应的候选推荐产品信息；根据用户的历史记录产品信息，查询所述被匹配产品表格，得到与所述历史记录产品信息匹配的候选推荐产品集合；分别获取所述候选推荐产品集合中的每一个候选推荐产品与所述用户的匹配得分；根据所述匹配得分，进行产品推荐。
可选的，计算机程序被处理器52执行时还可实现以下步骤：反向计算产品与产品相似度表格中的键值和字典值，得到所述被匹配产品表格；其中，所述产品与产品相似度表格中的键值是所述候选推荐产品信息，字典值是所述相似产品信息。
可选的，所述历史记录产品信息对应的历史记录产品与如下信息中的至少一种信息相关：用户对产品的评价信息、用户对产品的查询信息和用户对产品的消费信息。
可选的，计算机程序被处理器52执行时还可实现以下步骤：根据产品与产品相似度表格，分别确定所述每一个候选推荐产品的相似度得分向量和历史记录评分向量；对所述相似度得分向量和所述历史记录评分向量进行余弦相似度计算，得到所述每一个候选推荐产品与所述用户的匹配得分。
可选的，计算机程序被处理器52执行时还可实现以下步骤：按照所述匹配得分的由高到低，对所述候选推荐产品集合中的候选推荐产品进行排序，得到排序结果；选取所述排序结果中的前预设个数的候选推荐产品进行推荐。
收发机53，用于在处理器52的控制下接收和发送数据。
在图5中，总线架构(用总线51来代表)，总线51可以包括任意数量的互联的总线和桥，总线51将包括由通用处理器52代表的一个或多个处理器和存储器55代表的存储器的各种电路链接在一起。总线51还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口54在总线51和收发机53之间提供接口。收发机53可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发机53从其他设备接收外部数据。收发机53用于将处理器52处理后的数据发送给其他设备。取决于计算系统的性质，还可以提供用户接口56，例如小键盘、显示器、扬声器、麦克风、操纵杆。
处理器52负责管理总线51和通常的处理，如前述所述运行通用操作系统。而存储器55可以被用于存储处理器52在执行操作时所使用的数据。
可选的，处理器52可以是CPU、ASIC、FPGA或CPLD。
可以理解，本发明实施例中的存储器55可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本文描述的系统和方法的存储器55旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中，存储器55存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作系统551和应用程序552。
其中，操作系统551，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序552，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序552中。
此外，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述产品推荐方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
具体的，计算机程序被处理器执行时可实现以下步骤：创建被匹配产品表格，其中，所述被匹配产品表格中的键值是相似产品信息，字典值是与所述相似产品信息对应的候选推荐产品信息；根据用户的历史记录产品信息，查询所述被匹配产品表格，得到与所述历史记录产品信息匹配的候选推荐产品集合；分别获取所述候选推荐产品集合中的每一个候选推荐产品与所述用户的匹配得分；根据所述匹配得分，进行产品推荐。
可选的，计算机程序被处理器执行时还可实现以下步骤：反向计算产品与产品相似度表格中的键值和字典值，得到所述被匹配产品表格；其中，所述产品与产品相似度表格中的键值是所述候选推荐产品信息，字典值是所述相似产品信息。
可选的，所述历史记录产品信息对应的历史记录产品与如下信息中的至少一种信息相关：用户对产品的评价信息、用户对产品的查询信息和用户对产品的消费信息。
可选的，计算机程序被处理器执行时还可实现以下步骤：根据产品与产品相似度表格，分别确定所述每一个候选推荐产品的相似度得分向量和历史记录评分向量；对所述相似度得分向量和所述历史记录评分向量进行余弦相似度计算，得到所述每一个候选推荐产品与所述用户的匹配得分。
可选的，计算机程序被处理器执行时还可实现以下步骤：按照所述匹配得分的由高到低，对所述候选推荐产品集合中的候选推荐产品进行排序，得到排序结果；选取所述排序结果中的前预设个数的候选推荐产品进行推荐。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。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、物品或者装置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，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种产品推荐方法，其特征在于，包括：
创建被匹配产品表格，其中，所述被匹配产品表格中的键值是相似产品信息，字典值是与所述相似产品信息对应的候选推荐产品信息；
根据用户的历史记录产品信息，查询所述被匹配产品表格，得到与所述历史记录产品信息匹配的候选推荐产品集合；
分别获取所述候选推荐产品集合中的每一个候选推荐产品与所述用户的匹配得分；
根据所述匹配得分，进行产品推荐。
2.根据权利要求1所述的方法，其特征在于，所述创建被匹配产品表格，包括：
反向计算产品与产品相似度表格中的键值和字典值，得到所述被匹配产品表格；
其中，所述产品与产品相似度表格中的键值是所述候选推荐产品信息，字典值是所述相似产品信息。
3.根据权利要求1所述的方法，其特征在于，所述历史记录产品信息对应的历史记录产品与如下信息中的至少一种信息相关：用户对产品的评价信息、用户对产品的查询信息和用户对产品的消费信息。
4.根据权利要求1所述的方法，其特征在于，所述分别获取所述候选推荐产品集合中的每一个候选推荐产品与所述用户的匹配得分，包括：
根据产品与产品相似度表格，分别确定所述每一个候选推荐产品的相似度得分向量和历史记录评分向量；
对所述相似度得分向量和所述历史记录评分向量进行余弦相似度计算，得到所述每一个候选推荐产品与所述用户的匹配得分。
5.根据权利要求1至4中任一所述的方法，其特征在于，所述根据所述匹配得分，进行产品推荐，包括：
按照所述匹配得分的由高到低，对所述候选推荐产品集合中的候选推荐产品进行排序，得到排序结果；
选取所述排序结果中的前预设个数的候选推荐产品进行推荐。
6.一种产品推荐装置，其特征在于，包括：
创建模块，用于创建被匹配产品表格，其中，所述被匹配产品表格中的键值是相似产品信息，字典值是与所述相似产品信息对应的候选推荐产品信息；
查询模块，用于根据用户的历史记录产品信息，查询所述被匹配产品表格，得到与所述历史记录产品信息匹配的候选推荐产品集合；
获取模块，用于分别获取所述候选推荐产品集合中的每一个候选推荐产品与所述用户的匹配得分；
推荐模块，用于根据所述匹配得分，进行产品推荐。
7.根据权利要求6所述的装置，其特征在于，所述创建模块具体用于：
反向计算产品与产品相似度表格中的键值和字典值，得到所述被匹配产品表格；
其中，所述产品与产品相似度表格中的键值是所述候选推荐产品信息，字典值是所述相似产品信息。
8.根据权利要求6所述的装置，其特征在于，所述历史记录产品信息对应的历史记录产品与如下信息中的至少一种信息相关：用户对产品的评价信息、用户对产品的查询信息和用户对产品的消费信息。
9.一种终端，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计算机程序，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的产品推荐方法中的步骤。
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，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的产品推荐方法中的步骤。
CN201710795479.6A 2017-09-06 2017-09-06 一种产品推荐方法、装置及终端 Pending CN109461012A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710795479.6A CN109461012A (zh) 2017-09-06 2017-09-06 一种产品推荐方法、装置及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710795479.6A CN109461012A (zh) 2017-09-06 2017-09-06 一种产品推荐方法、装置及终端

Publications (1)

Publication Number Publication Date
CN109461012A true CN109461012A (zh) 2019-03-12

Family

ID=65605930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710795479.6A Pending CN109461012A (zh) 2017-09-06 2017-09-06 一种产品推荐方法、装置及终端

Country Status (1)

Country Link
CN (1) CN109461012A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110347922A (zh) * 2019-07-08 2019-10-18 上海证大喜马拉雅网络科技有限公司 基于相似度的推荐方法、装置、设备和存储介质
CN110647653A (zh) * 2019-09-30 2020-01-03 广州酷狗计算机科技有限公司 歌曲推荐方法、装置及计算机存储介质
CN112308686A (zh) * 2020-11-26 2021-02-02 江苏科源网络技术有限公司 一种智能推荐方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102722838A (zh) * 2012-05-25 2012-10-10 北京邮电大学 用于网站向用户推荐物品的方法和装置
CN105550272A (zh) * 2015-12-09 2016-05-04 小米科技有限责任公司 歌曲推荐方法和装置
CN105630977A (zh) * 2015-12-25 2016-06-01 腾讯科技（深圳）有限公司 应用程序推荐方法、装置及系统
CN105959735A (zh) * 2016-04-29 2016-09-21 乐视控股（北京）有限公司 一种在线节目推荐方法及服务器
CN106850750A (zh) * 2016-12-26 2017-06-13 北京五八信息技术有限公司 一种实时推送信息的方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102722838A (zh) * 2012-05-25 2012-10-10 北京邮电大学 用于网站向用户推荐物品的方法和装置
CN105550272A (zh) * 2015-12-09 2016-05-04 小米科技有限责任公司 歌曲推荐方法和装置
CN105630977A (zh) * 2015-12-25 2016-06-01 腾讯科技（深圳）有限公司 应用程序推荐方法、装置及系统
CN105959735A (zh) * 2016-04-29 2016-09-21 乐视控股（北京）有限公司 一种在线节目推荐方法及服务器
CN106850750A (zh) * 2016-12-26 2017-06-13 北京五八信息技术有限公司 一种实时推送信息的方法和装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110347922A (zh) * 2019-07-08 2019-10-18 上海证大喜马拉雅网络科技有限公司 基于相似度的推荐方法、装置、设备和存储介质
CN110347922B (zh) * 2019-07-08 2023-06-20 上海喜马拉雅科技有限公司 基于相似度的推荐方法、装置、设备和存储介质
CN110647653A (zh) * 2019-09-30 2020-01-03 广州酷狗计算机科技有限公司 歌曲推荐方法、装置及计算机存储介质
CN112308686A (zh) * 2020-11-26 2021-02-02 江苏科源网络技术有限公司 一种智能推荐方法

Similar Documents

Publication Publication Date Title
KR102240662B1 (ko) 광역 및 심층 기계 학습 모델들
Rafailidis et al. Modeling users preference dynamics and side information in recommender systems
CN111061946A (zh) 场景化内容推荐方法、装置、电子设备及存储介质
CN105956148A (zh) 资源信息的推荐方法和装置
CN108733694B (zh) 检索推荐方法和装置
CN111985622A (zh) 一种图神经网络训练方法和系统
US8838512B2 (en) Random walk on query pattern graph for query task classification
CN105488366A (zh) 一种数据权限的控制方法和系统
CN110033097B (zh) 基于多个数据域确定用户与物品的关联关系的方法及装置
CN109461012A (zh) 一种产品推荐方法、装置及终端
CN106326388A (zh) 一种信息处理方法和装置
CN107092609A (zh) 一种信息推送方法及装置
CN106407381A (zh) 一种基于人工智能的推送信息的方法和装置
CN111932238A (zh) 支付账户推荐方法、装置及电子设备
CN106708871A (zh) 一种社交业务特征用户的识别方法和装置
EP2850544A1 (en) A user recommendation method and device
CN106817390A (zh) 一种用户数据共享的方法和设备
CN114969512A (zh) 对象推荐方法、装置、电子设备
Szabó et al. Collaborative filtering via group-structured dictionary learning
CN116089724A (zh) 对比学习模型的生成方法、物品推荐方法及其装置
CN116955698A (zh) 一种匹配模型训练方法、装置、电子设备及存储介质
CN108595498A (zh) 问题反馈方法及装置
Sharaff et al. Personalized recommendation system with user interaction based on LMF and popularity model
CN115730143A (zh) 基于任务对齐元学习和增广图的推荐系统、方法、终端及介质
CN109800359A (zh) 信息推荐处理方法、装置、电子设备及可读存储介质

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: 20190312

RJ01 Rejection of invention patent application after publication