CN110555752A - 个性化推荐方法、装置、电子设备及可读存储介质 - Google Patents
个性化推荐方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN110555752A CN110555752A CN201910704633.3A CN201910704633A CN110555752A CN 110555752 A CN110555752 A CN 110555752A CN 201910704633 A CN201910704633 A CN 201910704633A CN 110555752 A CN110555752 A CN 110555752A
- Authority
- CN
- China
- Prior art keywords
- commodity
- combination
- target
- commodities
- candidate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000002994 raw material Substances 0.000 claims abstract description 124
- 230000006399 behavior Effects 0.000 claims description 26
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 3
- 239000013065 commercial product Substances 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- 235000013305 food Nutrition 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000000047 product Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 235000013601 eggs Nutrition 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 244000291564 Allium cepa Species 0.000 description 1
- 235000010167 Allium cepa var aggregatum Nutrition 0.000 description 1
- 240000002234 Allium sativum Species 0.000 description 1
- 241000221377 Auricularia Species 0.000 description 1
- 102000002322 Egg Proteins Human genes 0.000 description 1
- 108010000912 Egg Proteins Proteins 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000004611 garlic Nutrition 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004681 ovum Anatomy 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例提供了一种个性化推荐方法、装置、电子设备及可读存储介质,所述方法包括:按照参考类型组合,将目标用户的历史行为记录中包含的商品组合为所述目标用户对应的参考商品组合;针对所述参考商品组合,确定所述参考商品组合中包含的每个参考商品的原材料,得到所述参考商品组合对应的原材料组合;将候选商品组合为符合所述原材料组合的目标商品组合,并将所述目标商品组合推荐给所述目标用户。可以将商品拆分为原材料,然后再将原材料进行组合,生成更多类型的目标商品组合,提高了目标商品组合的多样性。
Description
技术领域
本公开的实施例涉及个性化推荐技术领域,尤其涉及一种个性化推荐方法、装置、电子设备及可读存储介质。
背景技术
在个性化推荐领域中,通常可以将多个商品组合向用户推荐,可以方便用户购买,有助于提高成单率。
发明人对现有方案进行研究之后发现,现有方案无法生成的推荐商品单一,缺乏多样性。
发明内容
本公开的实施例提供一种个性化推荐方法、装置、电子设备及可读存储介质,可以将商品拆分为原材料,然后再将原材料进行组合,生成更多类型的目标商品组合,提高了目标商品组合的多样性。
通过历史特征序列和当前特征共同预测用户类型,有助于提高预测的准确度。
根据本公开的实施例的第一方面,提供了一种个性化推荐方法,所述方法包括:
按照参考类型组合,将目标用户的历史行为记录中包含的商品组合为所述目标用户对应的参考商品组合;
针对所述参考商品组合,确定所述参考商品组合中包含的每个参考商品的原材料,得到所述参考商品组合对应的原材料组合;
将候选商品组合为符合所述原材料组合的目标商品组合,并将所述目标商品组合推荐给所述目标用户。
根据本公开的实施例的第二方面,提供了一种个性化推荐装置,所述装置包括:
参考商品组合生成模块,用于按照参考类型组合,将目标用户的历史行为记录中包含的商品组合为所述目标用户对应的参考商品组合;
原材料组合生成模块,用于针对所述参考商品组合,确定所述参考商品组合中包含的每个参考商品的原材料,得到所述参考商品组合对应的原材料组合;
推荐模块,用于将候选商品组合为符合所述原材料组合的目标商品组合,并将所述目标商品组合推荐给所述目标用户。
根据本公开的实施例的第三方面,提供了一种电子设备,包括:
处理器、存储器以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,所述处理器执行所述程序时实现前述个性化推荐方法。
根据本公开的实施例的第四方面,提供了一种可读存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行前述个性化推荐方法。
本公开的实施例提供了一种个性化推荐方法及装置,所述方法包括:按照参考类型组合,将目标用户的历史行为记录中包含的商品组合为所述目标用户对应的参考商品组合;针对所述参考商品组合,确定所述参考商品组合中包含的每个参考商品的原材料,得到所述参考商品组合对应的原材料组合;将候选商品组合为符合所述原材料组合的目标商品组合,并将所述目标商品组合推荐给所述目标用户。可以将商品拆分为原材料,然后再将原材料进行组合,生成更多类型的目标商品组合,提高了目标商品组合的多样性。
附图说明
为了更清楚地说明本公开的实施例的技术方案,下面将对本公开的实施例的描述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公开的实施例的一些实施例,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1示出了本公开的一种实施例中的个性化推荐方法步骤流程图;
图2示出了本公开的另一种实施例中的个性化推荐方法步骤流程图;
图3示出了本公开的一种实施例中的个性化推荐装置的结构图;
图4示出了本公开的另一种实施例中的个性化推荐装置的结构图;
图5示出了本公开的一种实施例中的电子设备的结构图。
具体实施方式
下面将结合本公开的实施例中的附图,对本公开的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公开的实施例一部分实施例,而不是全部的实施例。基于本公开的实施例中的实施例,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,都属于本公开的实施例保护的范围。
实施例一
参照图1,其示出了本公开的一种实施例中的个性化推荐方法的步骤流程图,具体如下。
步骤101,按照参考类型组合,将目标用户的历史行为记录中包含的商品组合为所述目标用户对应的参考商品组合。
本公开的实施例可以适用于对商品进行组合推荐的应用场景,尤其是对菜品进行组合推荐的应用场景。
其中,参考类型组合为较合理、质量较好的商品类型组合,由至少两个商品类型组成。可以理解,参考类型组合可以根据经验、合理性、需求设定,也可以根据一定评估指标从固有类型组合中选取。例如,在送礼时,为了使得礼物满足家庭每个人的需求,可以将多个人喜欢的商品类型组合,得到参考类型组合,得到参考类型组合:零食类、烟、护肤品三种类型的组合;又例如,将主食类和小菜类组合得到参考类型组合;又例如,还可以从用户的历史行为记录中选取用户点击率高于一定阈值的商品类型组合,作为参考类型组合。本公开的实施例对参考类型组合的生成不加以限制。
其中,历史行为记录可以从某销售平台的后台服务器中获取,平台可以记录用户的行为,包括:点击行为、下单行为、收藏行为等。本公开的实施例行为的具体类型不加以限制,只要该行为可以表示用户对商品的偏好即可。
可以理解,针对一个参考类型组合,生成的参考商品组合中包含的商品数目与所述参考类型组合中包含的商品类型数目相同,例如,参考类型组合为类型T1-类型T2-类型T3,根据该参考类型组合生成的参考商品组合为商品C1-商品C2-商品C3,从而商品C1的商品类型为T1,商品C2的商品类型为T2,商品C3的商品类型为T3。
由于本公开的实施例中,参考类型组合根据经验或需求或合理性或评估指标选取的,从而生成的参考商品组合合理性较高、灵活性较高、质量较高,还与用户偏好相关联。
步骤102,针对所述参考商品组合,确定所述参考商品组合中包含的每个参考商品的原材料,得到所述参考商品组合对应的原材料组合。
具体地,每个商品的原材料通过人工输入至预设的商品信息库中,从而计算机可以根据商品标识从该商品信息库中提取参考商品的原材料。
其中,商品的原材料是指构成该商品的基础材料,在本公开的实施例中,原材料可以为主要原材料,附加材料可以不关注。例如,对于木耳炒鸡蛋,主要原材料可以为木耳和鸡蛋,附加材料还可以包括:葱、蒜等。此时,我们仅将木耳、鸡蛋作为原材料。
可以理解,原材料组合由参考商品中所有参考商品的原材料构成。例如,对于商品组合:商品C1-商品C2-商品C3,其中,商品C1的原材料包括:M1、M2,商品C2的原材料为M3,商品C3的原材料为M4,则原材料组合为:原材料M1-原材料M2-原材料M3-原材料M4。
步骤103,将候选商品组合为符合所述原材料组合的目标商品组合,并将所述目标商品组合推荐给所述目标用户。
其中,候选商品为待推荐的商品,可以为销售平台上销售的所有商品,也可以对该所有商品按照过滤条件过滤之后的商品。其中,过滤条件可以为价格条件、位置条件或其他条件,例如,从所有商品中过滤掉价格大于100的商品,或,从所有商品中过滤掉商家位置不在预设区域中的商品。可以理解,本公开的实施例对过滤条件不加以限制。
可以理解,目标商品组合中包含的所有商品的原材料至少包括所述原材料组合中包含的原材料。例如,原材料组合为:原材料M1-原材料M2-原材料M3-原材料M4,目标商品组合可以为:商品C4-商品C5,其中,商品C4的原材料包括:M1、M2、M3,商品C5的原材料包括:M4、M5。需要说明的是,生成的目标商品组合包含的商品数目与参考商品组合包含的商品数目不一定相同,但目标商品组合包含的原材料数目大于或等于参考商品组合包含的原材料数目。
在本公开的实施例中,按照原材料组合将候选商品组合,可以有助于提高商品组合的多样性。
可以理解,本公开的实施例还可以结合用户在外卖平台上的历史订单,向用户推荐食材销售平台上售卖的食材,可以满足用户自己烹饪的诉求的同时,又能保证用户一次性购买所有食材,避免遗漏食材。例如,直接将原材料组合和目标商品组合一同推荐给用户,从而用户可以根据该原材料组合从食材销售平台上购买所有食材,从而可以在家自己制作餐点,即目标商品组合。
综上所述,本公开的实施例提供了一种个性化推荐方法,所述方法包括:按照参考类型组合,将目标用户的历史行为记录中包含的商品组合为所述目标用户对应的参考商品组合;针对所述参考商品组合,确定所述参考商品组合中包含的每个参考商品的原材料,得到所述参考商品组合对应的原材料组合;将候选商品组合为符合所述原材料组合的目标商品组合,并将所述目标商品组合推荐给所述目标用户。可以将商品拆分为原材料,然后再将原材料进行组合,生成更多类型的目标商品组合,提高了目标商品组合的多样性。
实施例二
参照图2,其示出了在本公开的另一种实施例中的个性化推荐方法的具体步骤流程图,具体如下。
步骤201,从目标用户的历史行为记录中获取目标用户在预设历史时间内进行预设操作的商品、商品类型组合,得到参考商品、参考类型组合,其中所述预设操作至少包括:下单操作、点击操作其中的一种。
其中,预设历史时间可以从当前时间开始向之前的时间推,例如,当前时间之前一个月、当前时间之前一周等。
在本公开的实施例中,参考类型组合为用户曾经点击、或下单的商品类型组合。
本公开的实施例可以从历史行为记录中将用户曾经点击或下单的商品类型组合直接作为参考类型组合,从而使得参考类型组合符合用户偏好。
可选地,在本公开的实施例中,步骤201包括子步骤A1至A4:
子步骤A1,获取目标用户在预设历史时间内进行预设操作的商品组合。
在本公开的实施例中,用户在可能对商品进行点击或下单,也可能是用户选取多个商品组合为一个订单,或用户直接从商家提供的商品组合中直接选取一个商品组合。
子步骤A2,对所述商品组合按照每个商品的类型进行聚类,得到候选类型组合。
具体地,聚类即为确定每个商品组合的候选类型组合,并将对应同一候选类型组合的商品组合划分至同一集合中。
其中,聚类即为确定每个商品组合的候选类型组合包括:将同一个商品组合中不同商品的相同类型合并为一个类型,例如,若商品组合为:商品C6-商品C7-商品C7,商品C6的类型和商品C7的商品类型均为类型T1,而商品C7的商品类型为类型T2,从而聚类之后得到候选类型组合为:类型T1-类型T2。
子步骤A3,针对每个所述候选类型组合,根据包含的商品组合数目以及各候选类型组合包含的商品组合总数目,计算得到所述候选类型组合的参考得分。
具体地,参考得分可以为包含的商品组合数目与各候选类型组合包含的商品组合总数目的比值,也可以是该比值的进一步变换值,只要保证如下关系即可:对于一个候选类型组合,若其包含的商品组合数目越多,各候选类型组合包含的商品组合总数目越少,则其参考得分越高;若其包含的商品组合数目越少,各候选类型组合包含的商品组合总数目越多,则其参考得分越低。
可以理解,候选类型组合的参考得分表示该候选类型组合的出现频率。
子步骤A4,对所述候选类型组合按照所述参考得分降序排列,并选取排序靠前的一个或多个候选类型组合得到参考类型组合。
本公开的实施例可以选取出现频率较高的候选类型组合作为参考类型组合,从而保证参考类型组合与用户的偏好更加贴合。
步骤202,根据预设条件对所述参考商品进行过滤,所述预设条件包括:针对价格的限定条件、针对商品类型的限定条件中的至少一种。
其中,预设条件可以根据实际需求进行设定,本公开的实施例对其不加以限制。
其中,针对价格的限定条件可以为价格区间,从而将价格过高和价格过低的参考商品过滤掉,还可以为最低价格,从而将价格过低的参考商品过滤掉,还可以为最高价格,从而将价格过高的参考商品过滤掉。
针对商品类型的限定条件可以为指定的商品类型,从而将不属于该商品类型的参考商品过滤掉。
本公开的实施例可以将不满足预设条件的参考商品过滤掉,从而将符合条件的高质量商品作为参考商品。
步骤203,采用预设商品集对过滤之后的所述参考商品进行扩展。
本公开的实施例可以从预设商品集中选取符合扩展条件的商品添加至参考商品中,从而可以使得参考商品较多,以提高目标商品组合的多样性。其中,扩展条件可以根据实际应用场景设定,本公开的实施例对其不加以限制。
可选地,在本公开的另一种实施例中,所述步骤203包括子步骤2031至2032:
子步骤2031,针对预设商品集,计算每个商品与所述参考商品之间的相关系数。
具体地,可以将商品的各种属性特征组成特征向量,从而计算特征向量之间的余弦相似度确定两个商品之间的相关系数。
其中,属性特征可以包括但不限于:商品类型、销售量、价格、评分等。
子步骤2032,对所述商品按照所述相关系数进行降序排列,并选取排序靠前的一个或多个商品作为扩展的参考商品。
本公开的实施例可以将与参考商品相似的商品扩展至参考商品中,使得扩展的参考商品准确度较高。
步骤204,根据所述参考类型组合对所述参考商品进行组合,得到参考商品组合。
具体地,对参考商品按照参考类型组合中每个商品类型进行分类,得到每个商品类型对应的候选商品集,从而从每个商品类型对应的候选商品集中选取一个候选商品,作为参考商品组合的一个商品。
步骤205,针对所述参考商品组合,确定所述参考商品组合中包含的每个参考商品的原材料,得到所述参考商品组合对应的原材料组合。
该步骤可以参照步骤102的详细说明,在此不再赘述。
步骤206,获取所述目标用户的位置。
具体地,目标用户的位置包括但不限于:移动终端上的定位系统获取的当前位置、用户设定的位置、历史定位记录中常用位置。
步骤207,获取与所述位置的距离小于预设距离阈值的商家,得到候选商家。
其中,距离阈值可以根据实际应用场景设定,本公开的实施例对其不加以限制。例如,可以设定为500米或1公里。可以理解,距离阈值通常设定为一个较小的距离,从而保证候选商家为目标用户附近的商家。
步骤208,获取所述候选商家提供的商品得到候选商品。
具体地,可以从销售平台的数据库中获取候选商家提供的商品。
本公开的实施例可以将距离用户较近的商家提供的商品作为候选商品,从而可以方便配送,降低配送成本。
步骤209,针对每个所述原材料组合中的每个原材料,从候选商品中选取符合所述原材料的候选商品。
具体地,从候选商品中选取原材料包含所述原材料的候选商品。
步骤210,针对每个所述原材料组合中的每个原材料,从符合所述原材料的候选商品中选取一个候选商品添加至所述原材料组合对应的目标商品组合中。
具体地,需要逐个对原材料组合中的每个原材料添加对应的候选商品,并在添加之前需要判断目标商品组合中是否已经存在该候选商品。例如,若原材料组合为:原材料M1-原材料M2-原材料M3-原材料M4,则针对原材料M1,选取包含原材料M1的商品C4添加至目标商品组合中,针对原材料M2、M3,由于包含原材料M2、M3的商品C4已经存在于目标商品组合中,从而不再将商品C4添加至目标商品组合中,针对原材料M4,由于包含原材料M4的商品C5不存在于目标商品组合中,从而将商品C5添加至目标商品组合中;同理,不将包含原材料M5的商品C5再次添加至目标商品组合中。
在实际应用中,还可以对目标商品组合的数目进行限定,从而还可以首先将每个候选商品与原材料组合进行匹配,首先选取包含该原材料组合中最多原材料的候选商品添加至目标商品组合中;然后从剩余的候选商品中选取包含剩余原材料的候选商品添加至目标商品组合中;如此循环,直至不存在剩余原材料,即目标商品组合包含了原材料组合中的所有原材料。
步骤211,针对每个目标商品组合,获取对应的候选商家的排序指标,所述排序指标至少包括:历史销量、评价指数中的至少一种。
在本公开的实施例中,将同一个商家的商品作为候选商品进行组合得到目标商品组合,不同商家之间的商品不进行组合,从而有助于降低配送成本。从而一个目标商品组合中的所有商品均属于同一商家。
其中,历史销量可以为该候选商家的所有商品的历史总销量,可以从该商家的历史订单中统计得到。
评价指数可以为用户对候选商家的评价,可以从评价数据库中获取。
步骤212,确定所述目标商品组合的配送复杂度。
其中,配送复杂度用于表示将目标商品组合从候选商家配送至目标用户所消耗的成本。成本越高,配送复杂度越高;成本越低,配送复杂度越低。
可选地,在本公开的另一种实施例中,所述步骤212包括子步骤B1:
子步骤B1,针对每个目标商品组合,根据对应的候选商家的位置与所述目标用户的位置之间的距离,确定配送复杂度。
在本公开的实施例中,可以根据候选商家与目标用户之间的距离确定配送复杂度。例如,直接将距离作为配送复杂度,或对距离进行归一化或变换得到0至1之间的数值作为配送复杂度。本公开的实施例对配送复杂度的具体公式不加以限制,仅需要保证如下关系即可:距离越大,配送复杂度越大;距离越小,配送复杂度越小。
本公开的实施例可以根据距离确定配送复杂度,由于距离的确定通常很准确,从而使得配送复杂度的准确度较高。
步骤213,将所述目标商品组合按照对应的排序指标、对应的参考得分、所述配送复杂度顺序推荐给所述目标用户,所述参考得分为所述目标商品组合对应的参考类型组合的参考得分。
具体地,可以优先将商家历史销量较高、对应参考类型组合的出现频率较高、配送距离较近的目标商品组合推荐给目标用户;或,可以优先将对应商家评价较高、对应参考类型组合的出现频率较高、配送距离较近的目标商品组合推荐给目标用户。
本公开的实施例可以优先将排序指标较高、参考得分较高、配送复杂度较低的目标商品组合推荐给目标用户,从而有助于提高推荐成功率。
综上所述,本公开的实施例基于实施例一提供了一种个性化推荐方法,除具有实施例一的有益效果外,可以从历史行为记录中将用户曾经点击或下单的商品类型组合直接作为参考类型组合,从而使得参考类型组合符合用户偏好;还可以选取出现频率较高的候选类型组合作为参考类型组合,从而保证参考类型组合与用户偏好更加贴合;还可以将不满足预设条件的参考商品过滤掉,从而将符合条件的高质量商品作为参考商品;还可以将与参考商品相似的商品扩展至参考商品中,使得扩展的参考商品准确度较高;还可以将距离用户较近的商家提供的商品作为候选商品,从而方便目标商品组合的配送,降低配送成本;还可以优先将排序指标较高、参考得分较高、配送复杂度较低(尤其是配送距离较近)的目标商品组合推荐给目标用户,从而有助于提高推荐成功率。
实施例三
参照图3,其示出了在本公开的另一种实施例中的个性化推荐装置的结构图,具体如下。
参考商品组合生成模块301,用于按照参考类型组合,将目标用户的历史行为记录中包含的商品组合为所述目标用户对应的参考商品组合。
原材料组合生成模块302,用于针对所述参考商品组合,确定所述参考商品组合中包含的每个参考商品的原材料,得到所述参考商品组合对应的原材料组合。
推荐模块303,用于将候选商品组合为符合所述原材料组合的目标商品组合,并将所述目标商品组合推荐给所述目标用户。
综上所述,本公开的实施例提供了一种个性化推荐装置,所述装置包括:按照参考类型组合,将目标用户的历史行为记录中包含的商品组合为所述目标用户对应的参考商品组合;针对所述参考商品组合,确定所述参考商品组合中包含的每个参考商品的原材料,得到所述参考商品组合对应的原材料组合;将候选商品组合为符合所述原材料组合的目标商品组合,并将所述目标商品组合推荐给所述目标用户。可以将商品拆分为原材料,然后再将原材料进行组合,生成更多类型的目标商品组合,提高了目标商品组合的多样性。
实施例三为实施例一对应的装置实施例,详细说明可以参照实施例一,在此不再赘述。
实施例四
参照图4,其示出了在本公开的一种实施例中的个性化推荐装置的结构图,具体如下。
参考商品组合生成模块401,用于按照参考类型组合,将目标用户的历史行为记录中包含的商品组合为所述目标用户对应的参考商品组合;可选地,在本公开的实施例中,所述参考商品组合生成模块401包括:
商品及类型组合提取子模块4011,用于从目标用户的历史行为记录中获取目标用户在预设历史时间内进行预设操作的商品、商品类型组合,得到参考商品、参考类型组合,其中所述预设操作至少包括:下单操作、点击操作其中的一种。
过滤子模块4012,用于根据预设条件对所述参考商品进行过滤,所述预设条件包括:针对价格的限定条件、针对商品类型的限定条件中的至少一种。
扩展子模块4013,用于采用预设商品集对过滤之后的所述参考商品进行扩展。
参考商品组合生成子模块4014,用于根据所述参考类型组合对所述参考商品进行组合,得到参考商品组合。
原材料组合生成模块402,用于针对所述参考商品组合,确定所述参考商品组合中包含的每个参考商品的原材料,得到所述参考商品组合对应的原材料组合。
推荐模块403,用于将候选商品组合为符合所述原材料组合的目标商品组合,并将所述目标商品组合推荐给所述目标用户;可选地,在本公开的一种实施例中,所述推荐模块403包括:
位置确定子模块4031,用于获取所述目标用户的位置。
候选商家选取子模块4032,用于获取与所述位置的距离小于预设距离阈值的商家,得到候选商家。
候选商品获取子模块4033,用于获取所述候选商家提供的商品得到候选商品。
原材料匹配子模块4034,用于针对每个所述原材料组合中的每个原材料,从候选商品中选取符合所述原材料的候选商品。
候选商品添加子模块4035,用于针对每个所述原材料组合中的每个原材料,从符合所述原材料的候选商品中选取一个候选商品添加至所述原材料组合对应的目标商品组合中。
推荐子模块4036,用于将所述目标商品组合推荐给所述目标用户。
可选地,在本公开的另一种实施例中,所述商品及类型组合提取子模块4011包括:
商品组合获取单元,用于获取目标用户在预设历史时间内进行预设操作的商品组合。
商品组合聚类单元,用于对所述商品组合按照每个商品的类型进行聚类,得到候选类型组合。
参考得分计算单元,用于针对每个所述候选类型组合,根据包含的商品组合数目以及各候选类型组合包含的商品组合总数目,计算得到所述候选类型组合的参考得分。
参考类型组合选取单元,用于对所述候选类型组合按照所述参考得分降序排列,并选取排序靠前的一个或多个候选类型组合得到参考类型组合。
可选地,在本公开的另一种实施例中,所述扩展子模块4013包括:
相关系数计算单元,用于针对预设商品集,计算每个商品与所述参考商品之间的相关系数。
扩展单元,用于对所述商品按照所述相关系数进行降序排列,并选取排序靠前的一个或多个商品作为扩展的参考商品。
可选地,在本公开的另一种实施例中,所述推荐子模块4036包括:
排序指标获取单元,用于针对每个目标商品组合,获取对应的候选商家的排序指标,所述排序指标至少包括:历史销量、评价指数中的至少一种。
配送复杂度确定单元,用于确定所述目标商品组合的配送复杂度。
推荐单元,用于将所述目标商品组合按照对应的排序指标、对应的参考得分、所述配送复杂度顺序推荐给所述目标用户,所述参考得分为所述目标商品组合对应的参考类型组合的参考得分。
可选地,在本公开的另一种实施例中,所述配送复杂度确定单元包括:
配送复杂度确定子单元,用于针对每个目标商品组合,根据对应的候选商家的位置与所述目标用户的位置之间的距离,确定配送复杂度。
综上所述,本公开的实施例基于实施例三提供了一种个性化推荐装置,除具有实施例三的有益效果外,还可以从历史行为记录中将用户曾经点击或下单的商品类型组合直接作为参考类型组合,从而使得参考类型组合符合用户偏好;还可以选取出现频率较高的候选类型组合作为参考类型组合,从而保证参考类型组合与用户偏好更加贴合;还可以将不满足预设条件的参考商品过滤掉,从而将符合条件的高质量商品作为参考商品;还可以将与参考商品相似的商品扩展至参考商品中,使得扩展的参考商品准确度较高;还可以将距离用户较近的商家提供的商品作为候选商品,从而方便目标商品组合的配送,降低配送成本;还可以优先将排序指标较高、参考得分较高、配送复杂度较低(尤其是配送距离较近)的目标商品组合推荐给目标用户,从而有助于提高推荐成功率。
实施例四为实施例二对应的装置实施例,详细说明可以参照实施例二,在此不再赘述。
本公开的实施例还提供了一种电子设备,参照图5,包括:处理器501、存储器502以及存储在所述存储器502上并可在所述处理器上运行的计算机程序5021,所述处理器501执行所述程序时实现前述实施例的个性化推荐方法。
本公开的实施例还提供了一种可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行前述实施例的个性化推荐方法。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本公开的实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本公开的实施例的内容,并且上面对特定语言所做的描述是为了披露本公开的实施例的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本公开的实施例的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本公开的实施例的示例性实施例的描述中,本公开的实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本公开的实施例要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本公开的实施例的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
本公开的实施例的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本公开的实施例的个性化推荐设备中的一些或者全部部件的一些或者全部功能。本公开的实施例还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序。这样的实现本公开的实施例的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本公开的实施例进行说明而不是对本公开的实施例进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开的实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述仅为本公开的实施例的较佳实施例而已,并不用以限制本公开的实施例,凡在本公开的实施例的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本公开的实施例的保护范围之内。
以上所述,仅为本公开的实施例的具体实施方式,但本公开的实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开的实施例揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的实施例的保护范围之内。因此,本公开的实施例的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种个性化推荐方法,其特征在于,所述方法包括:
按照参考类型组合,将目标用户的历史行为记录中包含的商品组合为所述目标用户对应的参考商品组合;
针对所述参考商品组合,确定所述参考商品组合中包含的每个参考商品的原材料,得到所述参考商品组合对应的原材料组合;
将候选商品组合为符合所述原材料组合的目标商品组合,并将所述目标商品组合推荐给所述目标用户。
2.根据权利要求1所述的方法,其特征在于,所述按照参考类型组合,将目标用户的历史行为记录中包含的商品组合为所述目标用户对应的参考商品组合的步骤,包括:
从目标用户的历史行为记录中获取目标用户在预设历史时间内进行预设操作的商品、商品类型组合,得到参考商品、参考类型组合,其中所述预设操作至少包括:下单操作、点击操作其中的一种;
根据所述参考类型组合对所述参考商品进行组合,得到参考商品组合。
3.根据权利要求2所述的方法,其特征在于,在所述根据所述参考类型组合对所述参考商品进行组合,得到参考商品组合的步骤之前,所述方法还包括:
根据预设条件对所述参考商品进行过滤,所述预设条件包括:针对价格的限定条件、针对商品类型的限定条件中的至少一种;
采用预设商品集对过滤之后的所述参考商品进行扩展。
4.根据权利要求3所述的方法,其特征在于,所述采用预设商品集对过滤之后的所述参考商品进行扩展的步骤,包括:
针对预设商品集,计算每个商品与所述参考商品之间的相关系数;
对所述商品按照所述相关系数进行降序排列,并选取排序靠前的一个或多个商品作为扩展的参考商品。
5.根据权利要求2所述的方法,其特征在于,从目标用户的历史行为记录中获取目标用户在预设历史时间内进行预设操作的商品类型组合的步骤,包括:
获取目标用户在预设历史时间内进行预设操作的商品组合;
对所述商品组合按照每个商品的类型进行聚类,得到候选类型组合;
针对每个所述候选类型组合,根据包含的商品组合数目以及各候选类型组合包含的商品组合总数目,计算得到所述候选类型组合的参考得分;
对所述候选类型组合按照所述参考得分降序排列,并选取排序靠前的一个或多个候选类型组合得到参考类型组合。
6.根据权利要求1至5其中任一项所述的方法,其特征在于,所述将候选商品组合为符合所述原材料组合的目标商品组合,并将所述目标商品组合推荐给所述目标用户的步骤,包括:
针对每个所述原材料组合中的每个原材料,从候选商品中选取符合所述原材料的候选商品;
针对每个所述原材料组合中的每个原材料,从符合所述原材料的候选商品中选取一个候选商品添加至所述原材料组合对应的目标商品组合中;
将所述目标商品组合推荐给所述目标用户。
7.根据权利要求6所述的方法,其特征在于,所述候选商品通过如下步骤获取:
获取所述目标用户的位置;
获取与所述位置的距离小于预设距离阈值的商家,得到候选商家;
获取所述候选商家提供的商品得到候选商品。
8.根据权利要求7所述的方法,其特征在于,所述将所述目标商品组合推荐给所述目标用户的步骤,包括:
针对每个目标商品组合,获取对应的候选商家的排序指标,所述排序指标至少包括:历史销量、评价指数中的至少一种;
确定所述目标商品组合的配送复杂度;
将所述目标商品组合按照对应的排序指标、对应的参考得分、所述配送复杂度顺序推荐给所述目标用户,所述参考得分为所述目标商品组合对应的参考类型组合的参考得分。
9.根据权利要求8所述的方法,其特征在于,所述确定所述目标商品组合的配送复杂度的步骤,包括:
针对每个目标商品组合,根据对应的候选商家的位置与所述目标用户的位置之间的距离,确定配送复杂度。
10.一种个性化推荐装置,其特征在于,所述装置包括:
参考商品组合生成模块,用于按照参考类型组合,将目标用户的历史行为记录中包含的商品组合为所述目标用户对应的参考商品组合;
原材料组合生成模块,用于针对所述参考商品组合,确定所述参考商品组合中包含的每个参考商品的原材料,得到所述参考商品组合对应的原材料组合;
推荐模块,用于将候选商品组合为符合所述原材料组合的目标商品组合,并将所述目标商品组合推荐给所述目标用户。
11.一种电子设备,其特征在于,包括:
处理器、存储器以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,所述处理器执行所述程序时实现如权利要求1-9中一个或多个所述的个性化推荐方法。
12.一种可读存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如方法权利要求1-9中一个或多个所述的个性化推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910704633.3A CN110555752A (zh) | 2019-07-31 | 2019-07-31 | 个性化推荐方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910704633.3A CN110555752A (zh) | 2019-07-31 | 2019-07-31 | 个性化推荐方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110555752A true CN110555752A (zh) | 2019-12-10 |
Family
ID=68737162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910704633.3A Pending CN110555752A (zh) | 2019-07-31 | 2019-07-31 | 个性化推荐方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110555752A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161027A (zh) * | 2019-12-30 | 2020-05-15 | 广东禧越网络科技有限公司 | 一种通过订单共享实现近距离购物的方法及购物平台 |
CN113112318A (zh) * | 2020-01-10 | 2021-07-13 | 阿里巴巴集团控股有限公司 | 确定产品组合的方法、装置、电子设备及计算机存储介质 |
CN113225580A (zh) * | 2021-05-14 | 2021-08-06 | 北京达佳互联信息技术有限公司 | 直播数据处理方法、装置、电子设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810612A (zh) * | 2012-11-08 | 2014-05-21 | 纽海信息技术(上海)有限公司 | 商品信息反馈方法和系统 |
TW201530451A (zh) * | 2014-01-16 | 2015-08-01 | Chunghwa Telecom Co Ltd | 個人化產品與費用選購組合的產製方法及其系統 |
CN104881807A (zh) * | 2015-06-26 | 2015-09-02 | 陆健 | 一种推荐商品信息的方法及装置 |
CN105469263A (zh) * | 2014-09-24 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及装置 |
CN107093124A (zh) * | 2017-02-27 | 2017-08-25 | 口碑控股有限公司 | 一种信息推荐方法及装置 |
TWI652639B (zh) * | 2018-02-01 | 2019-03-01 | 中華電信股份有限公司 | 產品優惠組合推薦系統與方法 |
CN109902852A (zh) * | 2018-11-28 | 2019-06-18 | 北京三快在线科技有限公司 | 商品组合方法、装置、电子设备及可读存储介质 |
-
2019
- 2019-07-31 CN CN201910704633.3A patent/CN110555752A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810612A (zh) * | 2012-11-08 | 2014-05-21 | 纽海信息技术(上海)有限公司 | 商品信息反馈方法和系统 |
TW201530451A (zh) * | 2014-01-16 | 2015-08-01 | Chunghwa Telecom Co Ltd | 個人化產品與費用選購組合的產製方法及其系統 |
CN105469263A (zh) * | 2014-09-24 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及装置 |
CN104881807A (zh) * | 2015-06-26 | 2015-09-02 | 陆健 | 一种推荐商品信息的方法及装置 |
CN107093124A (zh) * | 2017-02-27 | 2017-08-25 | 口碑控股有限公司 | 一种信息推荐方法及装置 |
TWI652639B (zh) * | 2018-02-01 | 2019-03-01 | 中華電信股份有限公司 | 產品優惠組合推薦系統與方法 |
CN109902852A (zh) * | 2018-11-28 | 2019-06-18 | 北京三快在线科技有限公司 | 商品组合方法、装置、电子设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
侯宇: "大商供应链管理系统的研究与实现", 《中国优秀硕士学位论文全文数据库》, no. 12, 15 December 2016 (2016-12-15), pages 138 - 135 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161027A (zh) * | 2019-12-30 | 2020-05-15 | 广东禧越网络科技有限公司 | 一种通过订单共享实现近距离购物的方法及购物平台 |
CN111161027B (zh) * | 2019-12-30 | 2023-09-01 | 广东禧越网络科技有限公司 | 一种通过订单共享实现近距离购物的方法及购物平台 |
CN113112318A (zh) * | 2020-01-10 | 2021-07-13 | 阿里巴巴集团控股有限公司 | 确定产品组合的方法、装置、电子设备及计算机存储介质 |
CN113112318B (zh) * | 2020-01-10 | 2022-04-29 | 阿里巴巴集团控股有限公司 | 确定产品组合的方法、装置、电子设备及计算机存储介质 |
CN113225580A (zh) * | 2021-05-14 | 2021-08-06 | 北京达佳互联信息技术有限公司 | 直播数据处理方法、装置、电子设备及介质 |
CN113225580B (zh) * | 2021-05-14 | 2023-01-24 | 北京达佳互联信息技术有限公司 | 直播数据处理方法、装置、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109087177B (zh) | 向目标用户推荐商品的方法、装置及计算机可读存储介质 | |
CN108648059B (zh) | 订单推荐方法及装置 | |
US10565604B2 (en) | System and method for determining competitors of a restaurant | |
CN109214955B (zh) | 餐品套餐的生成方法及装置 | |
CN110555752A (zh) | 个性化推荐方法、装置、电子设备及可读存储介质 | |
CN108053282A (zh) | 一种组合信息的推送方法、装置及终端 | |
CN103646341B (zh) | 一种网站提供对象的推荐方法和装置 | |
CN110378770A (zh) | 一种电商运营选款推荐的方法及装置 | |
CN118247007A (zh) | 基于大语言模型的导购方法和系统 | |
CN113761345A (zh) | 搜索处理方法、装置、设备及存储介质 | |
CN110033324A (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
JP6509028B2 (ja) | 商品推薦装置、商品推薦方法及びプログラム | |
WO2021183999A1 (en) | Value based commodity selection | |
CN113689258A (zh) | 一种商品推荐热度生成方法及系统 | |
CN112561581A (zh) | 一种推荐方法、装置、电子设备及存储介质 | |
JP5044035B1 (ja) | 情報提供装置、情報提供方法、情報提供プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体 | |
JP6932919B2 (ja) | プログラムおよび商品抽出システム | |
CN110570271A (zh) | 信息推荐方法、装置、电子设备及可读存储介质 | |
KR20140132033A (ko) | 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치 | |
CN110852299A (zh) | 顾客饮食习惯确定方法及装置 | |
WO2014043530A2 (en) | Computerized systems and methods for anonymous collaborative auctions | |
JP6424194B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
CN110750623A (zh) | 商品组合方法、装置、电子设备及可读存储介质 | |
Leimstoll et al. | Collaborative recommender systems for online shops | |
US11907313B2 (en) | Recommending recipes using time-horizon based user ingredient pool |
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 |