CN110992137B - 一种产品的推荐方法、装置、电子设备及存储介质 - Google Patents
一种产品的推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110992137B CN110992137B CN201911179505.8A CN201911179505A CN110992137B CN 110992137 B CN110992137 B CN 110992137B CN 201911179505 A CN201911179505 A CN 201911179505A CN 110992137 B CN110992137 B CN 110992137B
- Authority
- CN
- China
- Prior art keywords
- users
- products
- product
- user
- clusters
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000003993 interaction Effects 0.000 claims abstract description 74
- 238000004891 communication Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 210000001503 joint Anatomy 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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种产品的推荐方法、装置、电子设备及存储介质。方法包括:获取各用户之间以及各用户与各产品之间的交互情况;根据交互情况将所述各用户和各产品进行聚类,获得多个集群,其中,属于同一集群的用户和产品之间的关联度高于属于不同的集群的用户和产品之间的关联度;确定出多个集群相互之间的相关性;根据相关性的高低,为一个集群中的用户推荐其它集群中的产品。通过按各用户之间以及各用户与各产品之间的交互情况,将各用户和各产品按关联度高低聚类成多个集群,这样,通过在各集群之间相互推荐,可以实现为用户推荐与该用户接触或浏览的产品不相似但与该用户相关的产品,从而实现为用户推荐具备惊喜感的产品,提升推荐效果以及用户体验。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种产品的推荐方法、装置、电子设备及存储介质。
背景技术
在互联网时代,随着电商平台与网络内容产品的日益完善,推荐系统已经无处不在。不仅可以针对实体产品,还可以针对电影,歌曲,新闻报道,酒店等为在线用户提供量身定制的推荐方案。
目前,这些推荐方式很多都涉及协同过滤的原理,通过协同过滤,确定出与用户的喜好相似的项目,即确定出与用户购买或浏览过的产品或项目相关的产品或项目,从而将这些相似的产品或项目推荐给用户。
显然,目前的推荐方式的问题在于其只能为用户推荐与用户购买或浏览过的产品相关的项目,导致为用户推荐的项目或产品并不会给用户带来惊喜感,推荐的效果并不好。
发明内容
本申请实施例的目的在于提供一种产品的推荐方法、装置、电子设备及存储介质,用以实现为用户推荐与平时购买和浏览的产品不完全相同的产品,提升推荐效果以及用户体验。
第一方面,本申请实施例提供了一种产品的推荐方法,所述方法包括:获取各用户之间以及所述各用户与各产品之间的交互情况;根据所述交互情况将所述各用户和所述各产品进行聚类,获得多个集群,其中,属于同一集群的用户和产品之间的关联度高于属于不同的集群的用户和产品之间的关联度;确定出所述多个集群相互之间的相关性;根据所述相关性的高低,为一个集群中的用户推荐其它集群中的产品。
在本申请实施例中,通过按各用户之间以及各用户与各产品之间的交互情况,将各用户和各产品按关联度高低聚类成多个集群,这样,通过在各集群之间相互推荐,可以实现为用户推荐与该用户接触或浏览的产品不相似但与该用户相关的产品,从而实现为用户推荐与平时购买和浏览的产品不完全相同的产品,提升推荐效果以及用户体验。
结合第一方面,在第一种可能的实现方式中,根据所述交互情况将所述各用户和所述各产品进行聚类,获得多个集群,包括:
根据所述交互情况,确定出所述各用户之间以及所述各用户与所述各产品之间的关联度;按所述关联度的高低,将所述各用户和所述各产品进行聚类,获得所述多个集群。
在本申请实施例中,通过确定出各用户之间以及各用户与所述各产品之间的关联度,那么按关联度的高低,便可以实现快速且准确的聚类。
结合第一方面的第一种可能实现方式中,在第二种可能实现方式中,根据所述交互情况,确定出所述各用户之间以及所述各用户与所述各产品之间的关联度,包括:根据交互情况,确定出所述各用户之间以及所述各用户与所述各产品之间的权重;其中,若所述交互情况表示所述各用户之间以及所述各用户与所述各产品之间的交互越频繁,则所述权重也越大;根据所述权重,确定出所述关联度。
在本申请实施例中,由于各用户之间以及各用户与各产品之间的交互越频繁,表示两者关系越密切大。因此,基于交互的频繁可以准确的确定出关联度。
结合第一方面的第二种可能实现方式中,在第三种可能实现方式中,根据所述权重,确定出所述关联度,包括:
根据公式计算所述权重,以确定出所述关联度;
其中,i表示第i个用户或产品,j表示第j个用户或产品,ki表示所述第i个用户或产品的所有权重之和,kj表示所述第j个用户或产品的所有权重之和,m表示所述用户与所述产品之间的权重总数量,Ai,j表示所述第i个用户或产品与所述第j个用户或产品的权重,Q表示所述第i个用户或产品与所述第j个用户或产品的关联度。
在本申请实施例中,通过预设的公式可以快速便捷且准确的对权重进行计算,从而快速便捷且准确的确定出关联度。
结合第一方面的第二种可能实现方式中,在第四种可能实现方式中,确定出所述多个集群相互之间的相关性,包括:根据所述关联度,确定出所述相关性。
在本申请实施例中,通过综合各集群中用户相互之间关联度,可以准确的计算出多个集群相互之间的相关性。
结合第一方面的第四种可能实现方式中,在第五种可能实现方式中,根据所述关联度,确定出所述相关性,包括:
根据公式以及公式θrs=log10(PRS)/log10(Pmax),计算所述关联度,以确定出所述相关性;
其中,x表示第r个所述集群中的用户和/或产品的总数,y表示第s个所述集群中的用户和/或产品的总数,Qij表示所述第s个所述集群中的第i个用户或产品与所述第r个所述集群中的第j个用户或产品的关联度,θrs表示所述第r个所述集群和所述第s个所述集群的相关性。
在本申请实施例中,通过预设的公式可以快速便捷且准确的对关联度进行计算,从而快速便捷且准确的确定出相关性。
结合第一方面或第一方面的任一种的可能实现方式中,在第六种可能实现方式中,按所述相关性的高低,为一个集群中的用户推荐其它集群中的产品,包括:
根据所述相关性的高低、与所述一个集群中的用户发生交互的用户和/或产品的数量、以及与其它集群中的产品发生交互的用户和/或产品的数量,确定出其它集群中的产品的推荐概率;
将所述推荐概率最高的产品推荐给所述一个集群中的用户。
在本申请实施例中,由于推荐概率不仅基于相关性的高低,还基于交互的用户和/或产品的数量,可以实现为活跃度高的用户推荐热度高的产品,以进一步提高推荐效果。
第二方面,本申请实施例提供了一种产品的推荐装置,所述装置包括:
数据获取模块,用于获取各用户之间以及所述各用户与各产品之间的交互情况;数据处理模块,用于根据所述交互情况将所述各用户和所述各产品进行聚类,获得多个集群,其中,属于同一集群的用户和产品之间的关联度高于属于不同的集群的用户和产品之间的关联度;确定出所述多个集群相互之间的相关性;根据所述相关性的高低,为一个集群中的用户推荐其它集群中的产品。
结合第二方面,在第一种可能实现方式中,
所述数据处理模块,用于根据所述交互情况,确定出所述各用户之间以及所述各用户与所述各产品之间的关联度;按所述关联度的高低,将所述各用户和所述各产品进行聚类,获得所述多个集群。
结合第二方面的第一种可能实现方式中,在第二种可能实现方式中,
所述数据处理模块,用于根据交互情况,确定出所述各用户之间以及所述各用户与所述各产品之间的权重;其中,若所述交互情况表示所述各用户之间以及所述各用户与所述各产品之间的交互越频繁,则所述权重也越大;根据所述权重,确定出所述关联度。
结合第二方面的第二种可能实现方式中,在第三种可能实现方式中,
所述数据处理模块,用于根据公式计算所述权重,以确定出所述关联度;
其中,i表示第i个用户或产品,j表示第j个用户或产品,ki表示所述第i个用户或产品的所有权重之和,kj表示所述第j个用户或产品的所有权重之和,m表示所述用户与所述产品之间的权重总数量,Ai,j表示所述第i个用户或产品与所述第j个用户或产品的权重,Q表示所述第i个用户或产品与所述第j个用户或产品的关联度。
结合第二方面的第二种可能实现方式中,在第四种可能实现方式中,
所述数据处理模块,用于根据所述关联度,确定出所述相关性。
结合第二方面的第四种可能实现方式中,在第五种可能实现方式中,
所述数据处理模块,用于根据公式以及公式θrs=log10(PRS)/log10(Pmax),计算所述关联度,以确定出所述相关性;
其中,x表示第r个所述集群中的用户和/或产品的总数,y表示第s个所述集群中的用户和/或产品的总数,Qij表示所述第s个所述集群中的第i个用户或产品与所述第r个所述集群中的第j个用户或产品的关联度,θrs表示所述第r个所述集群和所述第s个所述集群的相关性。
结合第二方面或第二方面的任一种的可能实现方式中,在第六种可能实现方式中,
所述数据处理模块,用于根据所述相关性的高低、与所述一个集群中的用户发生交互的用户和/或产品的数量、以及与其它集群中的产品发生交互的用户和/或产品的数量,确定出其它集群中的产品的推荐概率;将所述推荐概率最高的产品推荐给所述一个集群中的用户。
第三方面,本申请实施例提供了一种电子设备,包括:存储器、通信接口、与所述存储器和所述通信接口连接的处理器;所述存储器,用于存储程序;所述处理器,用于通过运行所述程序,对通过所述通信接口获取到的各用户之间以及所述各用户与各产品之间的交互情况执行如第一方面或第一方面的任一种的可能实现方式所述的产品的推荐方法。
第四方面,本申请实施例提供了一种具有计算机可执行的非易失程序代码的计算机可读存储介质,所述程序代码使所述计算机执行如第一方面或第一方面的任一种的可能实现方式所述的产品的推荐方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种电子设备的结构框图;
图2为本申请实施例提供的一种产品的推荐方法的流程图;
图3为本申请实施例提供的一种产品的推荐装置的结构框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
请参阅图1,本申请实施例提供了一种电子设备10,该电子设备10可以是PC(personal computer,个人电脑)、平板电脑、智能手机、PDA(personal digitalassistant,个人数字助理)等;或者,该电子设备10也可以是服务器例如数据服务器、网络服务器、由多个服务器构成的集群等。本实施例中,电子设备10可以与第三方平台对接例如与第三方的各种购物平台对接,或者各种购物平台可以直接部署在电子设备10上。
本实施例中,电子设备10可以包括:通信接口11、总线12、存储器13、以及通过总线12与通信接口11和存储器13连接的处理器14。
通信接口11可以是物理意义上的硬件接口,也可以是软件意义上的逻辑接口。电子设备10可以通过通信接口11,可以获取到各用户在该平台上进行各用户之间以及所述各用户与各产品之间的交互的交互情况。
存储器13可以是例如磁盘、ROM、或RAM,或其任意组合,一方面,存储器13可以用于存储通信接口11接收到的交互情况,另一方面,存储器13还可以用于存储处理该交互情况所需的程序。
处理器14可以是CPU(Central Processing Unit,中央处理器)、MCU(Microcontroller Unit,微控制单元)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)等芯片。处理器14可以用于调用并运行存储器13中的程序,从而对存储器13中存储的交互情况进行处理,将各用户和各产品按照关联度高低进行聚类,并确定出聚类产生的各集群相互之间的相关性。这样处理器14便可以根据相关性的高低,在平台上为一个集群中的用户推荐其它集群中的产品。
下面将以方法实施例的形式,对如何处理进行聚类,以及如何按聚类推荐进行详细说明。
请参阅图2,本申请实施例提供了一种产品的推荐方法,该方法可以由前述的电子设备10执行,该方法可以包括:步骤S100、步骤S200、步骤S300以及步骤S400。
步骤S100:获取各用户之间以及各用户与各产品之间的交互情况。
步骤S200:根据交互情况将各用户和各产品进行聚类,获得多个集群,其中,属于同一集群的用户和产品之间的关联度高于属于不同的集群的用户和产品之间的关联度。
步骤S300:确定出多个集群相互之间的相关性。
步骤S400:根据相关性的高低,为一个集群中的用户推荐其它集群中的产品。
下面将结合示例对上述流程进行详细说明。
步骤S100:获取各用户之间以及各用户与各产品之间的交互情况。
通过与第三方平台或者自身平台的对接,电子设备可以实时的对平台上发生的交互进行数据采集,采集到的交互情况作为后续聚类的样本。
本实施例中,平台上发生的交互可以分为用户与产品的交互,以及用户与用户的交互,因此,交互情况也可以分为用户与产品的交互情况,以及用户与用户的交互情况。
可选的,用户与产品的交互情况可以是:用户在预设时间段内购买了某种产品的数量,以及该产品的数量在预设时间段内该用户购买所有产品的总数中的占比。用户与用户的交互情况可以是:用户在预设时间段内向另一个用户推送的产品的种类。
可以理解到,预设时间段的长短可以根据实际情况进行设置,例如,若平台的用户基数比较大,那么预设时间段可以设置的短一些比如设置为0.5天、1天甚至2天等;若平台的用户基数比较小,那么预设时间段可以设置的长一些比如设置为3天、5天甚至7天等。此外,通过设置预设时间段,可以将用户与用户以及用户与产品的交互放到时间维度上衡量,以有效的衡量用户与用户以及用户与产品的交互是否密切。
本实施例中,为使得聚类的效果更好,用于聚类的样本的数量不能太少。因此,电子设备可以尽可能多的采集用户与用户之间以及用户与产品之间的交互情况,以获得数量众多的用户之间以及数量众多的用户与产品之间的交互情况。在采集到的交互情况的数量采集到满足聚类所需的数量时,或者在采集的时长满足预设的时长阈值时(采集的时长满足预设的时长阈值可以间接表示出采集到的交互情况的数量已经足够多),电子设备便可以执行步骤S200。
步骤S200:根据交互情况将各用户和各产品进行聚类,获得多个集群,其中,属于同一集群的用户和产品之间的关联度高于属于不同的集群的用户和产品之间的关联度。
本实施例中,电子设备可以根据交互情况,确定出各用户之间以及各用户与各产品之间的关联度,再按关联度的高低,将各用户和各产品进行聚类,获得多个集群。
具体来说,电子设备可以根据交互情况,确定出各用户之间以及各用户与各产品之间的权重。
例如,在交互情况为用户与用户之间的交互时,电子设备根据该用户在预设时间段内向另一个用户推送的产品的种类,确定出这两个用户之间的权重。其中,若推送的产品的种类越多,对应计算出的权重也越大,比如推送的产品的种类为1种,1种产品对应计算出的权重可以是0.1,又比如推送的产品的种类为2-4种,那么2-4种产品对应计算出的权重可以是0.3,又比如推送的产品的种类为5-7种,那么5-7种产品对应计算出的权重可以是0.5,并依次类推。
又例如,在交互情况为用户与产品之间的交互时,电子设备根据该用户在预设时间段内购买的产品的数量,确定出用户与产品之间的购买权重。其中,若购买的产品的数量越多,对应计算出的购买权重则越大,比如购买的产品的数量为1个,1个产品对应计算出的购买权重可以是0.1,又比如购买的产品的数量为2-4个,那么2-4个产品对应计算出的购买权重可以是0.3,又比如购买的产品的数量为5-7个,那么5-7个产品对应计算出的购买权重可以是0.5,并依次类推。
以及,电子设备还根据该购买的产品的数量在预设时间段内该用户购买所有产品的总数中的占比,确定出用户与产品之间的占比权重。其中,若占比越大,则对应计算出的占比权重也越大,比如占比为(0.8,1],占比为(0.8,1]对应计算出的占比权重可以是1,又比如占比为(0.5,0.8],占比为(0.5,0.8]对应计算出的占比权重可以是0.7,又比如占比为(0.3,0.5],占比为(0.3,0.5]对应计算出的占比权重可以是0.4,并依次类推。
进一步的,电子设备确定出用户与产品之间的购买权重以及占比权重后,电子设备可以综合购买权重以及占比权重,确定出用户与产品之间的权重。例如,电子设备可以为购买权重以及占比权重分配各自的权重,其中,购买权重的权重较于占比权重的权重可以高一些。电子设备将购买权重与为购买权重分配的权重相乘获得第一乘积,并将占比权重与为占比权重分配的权重相乘获得第二乘积,最后将第一乘积与第二乘积相加便可以获得用户与产品之间的权重。
通过上述计算方式可以看出,通过交互情况可以反映出各用户之间以及各用户与各产品之间的交互越频繁程度,若各用户之间以及各用户与各产品之间的交互越频繁,则确定出的权重也越大。
本实施例中,在确定出权重后,电子设备可以通过对权重进行进一步计算,以确定出各用户之间以及各用户与各产品之间的关联度,并按关联度的高低,将各用户和各产品进行聚类,获得多个集群。
具体的,电子设备中预设用于计算权重而获得关联度的第一公式,第一公式可以如下式(1)所示:
其中,i表示第i个用户或产品,j表示第j个用户或产品,ki表示第i个用户或产品的权重之和,kj表示第j个用户或产品的所有权重之和,m表示用户与产品之间的权重总数量,Ai,j表示所述第i个用户或产品与第j个用户或产品的权重,Q表示第i个用户或产品与第j个用户或产品的关联度。
在采用第一公式计算权重后,电子设备可以计算每个用户与其它所有用户或所有产品的关联度,或者也可以计算每个产品与其它所有用户或所有产品的关联度。那么,在所有用户或所有产品的关联度中,电子设备可以选择最高关联度对应的用户或产品进行聚类。
此外,为便于聚类,在聚类过程中,聚类形成的集群可以被看作是单独一个用户或者产品,继续与其它用户或产品进行聚类。例如,在聚类过程中,用户1、用户2、产品3、产品4已经聚类为一个集群Q’,随着聚类的继续进行,该集群Q’被看作是单独一个用户或者产品,那么电子设备可以计算该集群Q’与用户5的关联度。通过计算,若将用户5也聚类到集群Q’中形成集群Q”,那么该集群Q”继续被看作是单独一个用户或者产品,从而继续计算该集群Q”与用户6的关联度,直至聚类结束。
值得指出的是,在将集群被看作是单独一个用户或者产品,继续与其它用户或产品进行聚类时,该集群中所有用户或者产品的所有权重都要参与关联度的计算。
进一步的,通过聚类,电子设备可以将各用户以及各产品聚类到各自所属的集群中,从而获得多个集群。获得多个集群后,电子设备可以进一步执行步骤S300。
步骤S300:确定出多个集群相互之间的相关性。
本实施例中,基于聚类时计算出的关联度,电子设备可以基于关联度,确定出多个集群相互之间的相关性。
具体来说,电子设备中预设用于计算关联度而获得相关性的第二公式,第二公式可以如下式(2)和(3)所示:
θrs=log10(PRS)/log10(Pmax)(3)
在式(2)式(3)中,x表示第r个集群中的用户和/或产品的总数,y表示第s个集群中的用户和/或产品的总数,Qij表示第s个集群中的第i个用户或产品与第r个集群中的第j个用户或产品的关联度,θrs表示第r个集群和第s个所述集群的相关性。基于公式(2)可以看出,计算任意两个集群之间的相关性为这两个群里的所有成员(成员即是集群里面的用户或者产品)之间的相关度加总。
在通过第二公式计算出多个集群相互之间的相关性后,电子设备可以进一步执行步骤S400。
步骤S400:根据相关性的高低,为一个集群中的用户推荐其它集群中的产品。
作为推荐产品一种示例性方式,针对某一个集群中的用户,电子设备可以从其它集群中选择与该集群相关性最高的集群,并将该相关性最高的集群中的产品推荐给该用户。
作为推荐产品另一种示例性方式,在推荐产品时,电子设备还可以考虑用户的活跃度以及产品的热度。例如,针对某一个集群中的用户,电子设备可以获取与该用户发生交互的用户和/或产品的数量,其中,与该用户发生交互的用户和/或产品的数量越多,表示该用户的活跃度越高。而针对其他集群中的产品,电子设备可以获取与该产品发生交互的用户和/或产品的数量,其中,与该产品发生交互的用户和/或产品的数量越多,表示该产品的热度越高。这样,电子设备便可以根据相关性的高低、与一个集群中的用户发生交互的用户和/或产品的数量、以及与其它集群中的产品发生交互的用户和/或产品的数量而进行产品推荐,实现将高热度的产品推荐给活跃的用户。
具体来说,电子设备可以通过预设的第三公式计算每两个集群的相关性、计算每两个集群与一个集群中的用户发生交互的用户和/或产品的数量、以及计算每两个集群与另一个集群中的产品发生交互的用户和/或产品的数量,从而获得一个集群中的用户与其它的每个集群中的产品的推荐概率。其中,该第三公式可以如下式(4)所示:
P(siconnentedtop)=scalingfactor*degree(c)*degree(p)*θrs (4)
在公式(4)中,degree(c)表示与一个集群中的某个用户发生交互的用户和/或产品的数量、degree(c)表示与另一个集群中的某个产品发生交互的用户和/或产品的数量、θrs表示这两个集群的相关度、P表示该某个用户与该某个产品的推荐概率。
进一步的,在确定推荐概率后,电子设备便可以将推荐概率最高的产品推荐给该一个集群中的用户,或者可以按照推荐概率由高到低的顺序依次为该一个集群中的用户推荐对应的产品。
请参阅图3,基于同一发明构思,本申请实施例中还提供一种产品的推荐装置100,该产品的推荐装置100可以应用于电子设备,产品的推荐装置100可以包括:
数据获取模块110,用于获取各用户之间以及所述各用户与各产品之间的交互情况;
数据处理模块120,用于根据所述交互情况将所述各用户和所述各产品进行聚类,获得多个集群,其中,属于同一集群的用户和产品之间的关联度高于属于不同的集群的用户和产品之间的关联度;确定出所述多个集群相互之间的相关性;根据所述相关性的高低,为一个集群中的用户推荐其它集群中的产品。
可选的,所述数据处理模块120,用于根据所述交互情况,确定出所述各用户之间以及所述各用户与所述各产品之间的关联度;按所述关联度的高低,将所述各用户和所述各产品进行聚类,获得所述多个集群。
可选的,所述数据处理模块120,用于根据交互情况,确定出所述各用户之间以及所述各用户与所述各产品之间的权重;其中,若所述交互情况表示所述各用户之间以及所述各用户与所述各产品之间的交互越频繁,则所述权重也越大;根据所述权重,确定出所述关联度。
可选的,
所述数据处理模块120,用于根据公式计算所述权重,以确定出所述关联度;
其中,i表示第i个用户或产品,j表示第j个用户或产品,ki表示所述第i个用户或产品的所有权重之和,kj表示所述第j个用户或产品的所有权重之和,m表示所述用户与所述产品之间的权重总数量,Ai,j表示所述第i个用户或产品与所述第j个用户或产品的权重,Q表示所述第i个用户或产品与所述第j个用户或产品的关联度。
可选的,所述数据处理模块120,用于根据所述关联度,确定出所述相关性。
可选的,所述数据处理模块120,用于根据公式以及公式θrs=log10(PRS)/log10(Pmax),计算所述关联度,以确定出所述相关性;
其中,x表示第r个所述集群中的用户和/或产品的总数,y表示第s个所述集群中的用户和/或产品的总数,Qij表示所述第s个所述集群中的第i个用户或产品与所述第r个所述集群中的第j个用户或产品的关联度,θrs表示所述第r个所述集群和所述第s个所述集群的相关性。
可选的,所述数据处理模块120,用于根据所述相关性的高低、与所述一个集群中的用户发生交互的用户和/或产品的数量、以及与其它集群中的产品发生交互的用户和/或产品的数量,确定出其它集群中的产品的推荐概率;将所述推荐概率最高的产品推荐给所述一个集群中的用户。
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,上述描述的模块、装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请一些实施例还提供了一种计算机可执行的非易失的程序代码的计算机可读储存介质,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该计算机可读存储介质上存储有程序代码,该程序代码被计算机运行时执行上述任一实施方式的产品的推荐方法的步骤。
本申请实施例所提供的产品的推荐方法的程序代码产品,包括存储了程序代码的计算机可读存储介质,程序代码包括的指令可用于执行前面方法实施例中的方法,具体实现可参见方法实施例,在此不再赘述。
综上所述,本申请实施例提供了一种产品的推荐方法、装置、电子设备及存储介质。通过按各用户之间以及各用户与各产品之间的交互情况,将各用户和各产品按关联度高低聚类成多个集群,这样,通过在各集群之间相互推荐,可以实现为用户推荐与该用户接触或浏览的产品不相似但与该用户相关的产品,从而实现为用户推荐具备惊喜感的产品,提升推荐效果以及用户体验。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (7)
1.一种产品的推荐方法,其特征在于,所述方法包括:
获取各用户之间以及所述各用户与各产品之间的交互情况;
根据所述交互情况将所述各用户和所述各产品进行聚类,获得多个集群,其中,属于同一集群的用户和产品之间的关联度高于属于不同的集群的用户和产品之间的关联度;
确定出所述多个集群相互之间的相关性;
根据所述相关性的高低,为一个集群中的用户推荐其它集群中的产品;
其中,所述根据所述交互情况将所述各用户和所述各产品进行聚类,获得多个集群,包括:
根据交互情况,确定出所述各用户之间以及所述各用户与所述各产品之间的权重;其中,若所述交互情况表示所述各用户之间以及所述各用户与所述各产品之间的交互越频繁,则所述权重也越大;
根据公式计算所述权重,以确定出所述关联度;其中,i表示第i个用户或产品,j表示第j个用户或产品,ki表示所述第i个用户或产品的所有权重之和,kj表示所述第j个用户或产品的所有权重之和,m表示所述用户与所述产品之间的权重总数量,Ai,j表示所述第i个用户或产品与所述第j个用户或产品的权重,Q表示所述第i个用户或产品与所述第j个用户或产品的关联度;
按所述关联度的高低,将所述各用户和所述各产品进行聚类,获得所述多个集群。
2.根据权利要求1所述的产品的推荐方法,其特征在于,确定出所述多个集群相互之间的相关性,包括:
根据所述关联度,确定出所述相关性。
3.根据权利要求2所述的产品的推荐方法,其特征在于,根据所述关联度,确定出所述相关性,包括:
根据公式以及公式θrs=log10(PRS)/log10(Pmax),计算所述关联度,以确定出所述相关性;
其中,x表示第r个所述集群中的用户和/或产品的总数,y表示第s个所述集群中的用户和/或产品的总数,Qij表示所述第s个所述集群中的第i个用户或产品与所述第r个所述集群中的第j个用户或产品的关联度,θrs表示所述第r个所述集群和所述第s个所述集群的相关性。
4.根据权利要求1-3任一权项所述的产品的推荐方法,其特征在于,按所述相关性的高低,为一个集群中的用户推荐其它集群中的产品,包括:
根据所述相关性的高低、与所述一个集群中的用户发生交互的用户和/或产品的数量、以及与其它集群中的产品发生交互的用户和/或产品的数量,确定出其它集群中的产品的推荐概率;
将所述推荐概率最高的产品推荐给所述一个集群中的用户。
5.一种产品的推荐装置,其特征在于,所述装置包括:
数据获取模块,用于获取各用户之间以及所述各用户与各产品之间的交互情况;
数据处理模块,用于根据所述交互情况将所述各用户和所述各产品进行聚类,获得多个集群,其中,属于同一集群的用户和产品之间的关联度高于属于不同的集群的用户和产品之间的关联度;确定出所述多个集群相互之间的相关性;根据所述相关性的高低,为一个集群中的用户推荐其它集群中的产品;其中,所述数据处理模块还用于:根据交互情况,确定出所述各用户之间以及所述各用户与所述各产品之间的权重;其中,若所述交互情况表示所述各用户之间以及所述各用户与所述各产品之间的交互越频繁,则所述权重也越大;根据公式计算所述权重,以确定出所述关联度;其中,i表示第i个用户或产品,j表示第j个用户或产品,ki表示所述第i个用户或产品的所有权重之和,kj表示所述第j个用户或产品的所有权重之和,m表示所述用户与所述产品之间的权重总数量,Ai,j表示所述第i个用户或产品与所述第j个用户或产品的权重,Q表示所述第i个用户或产品与所述第j个用户或产品的关联度;按所述关联度的高低,将所述各用户和所述各产品进行聚类,获得所述多个集群。
6.一种电子设备,其特征在于,包括:存储器、通信接口、与所述存储器和所述通信接口连接的处理器;
所述存储器,用于存储程序;
所述处理器,用于通过运行所述程序,对通过所述通信接口获取到的各用户之间以及所述各用户与各产品之间的交互情况执行如权利要求1-4任一权项所述的产品的推荐方法。
7.一种具有计算机可执行的非易失程序代码的计算机可读存储介质,其特征在于,所述程序代码使所述计算机执行如权利要求1-4任一权项所述的产品的推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911179505.8A CN110992137B (zh) | 2019-11-27 | 2019-11-27 | 一种产品的推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911179505.8A CN110992137B (zh) | 2019-11-27 | 2019-11-27 | 一种产品的推荐方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110992137A CN110992137A (zh) | 2020-04-10 |
CN110992137B true CN110992137B (zh) | 2023-09-01 |
Family
ID=70087339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911179505.8A Active CN110992137B (zh) | 2019-11-27 | 2019-11-27 | 一种产品的推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992137B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103337028A (zh) * | 2013-06-21 | 2013-10-02 | 中国科学院深圳先进技术研究院 | 一种推荐方法、装置 |
CN105677647A (zh) * | 2014-11-17 | 2016-06-15 | 中国移动通信集团广东有限公司 | 一种个体推荐方法及系统 |
CN105809479A (zh) * | 2016-03-07 | 2016-07-27 | 海信集团有限公司 | 物品推荐方法及装置 |
CN107894998A (zh) * | 2017-10-24 | 2018-04-10 | 迅雷计算机(深圳)有限公司 | 视频推荐方法及装置 |
CN109165975A (zh) * | 2018-08-09 | 2019-01-08 | 平安科技(深圳)有限公司 | 标签推荐方法、装置、计算机设备及存储介质 |
CN110245299A (zh) * | 2019-06-19 | 2019-09-17 | 中国人民解放军国防科技大学 | 一种基于动态交互注意力机制的序列推荐方法及其系统 |
-
2019
- 2019-11-27 CN CN201911179505.8A patent/CN110992137B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103337028A (zh) * | 2013-06-21 | 2013-10-02 | 中国科学院深圳先进技术研究院 | 一种推荐方法、装置 |
CN105677647A (zh) * | 2014-11-17 | 2016-06-15 | 中国移动通信集团广东有限公司 | 一种个体推荐方法及系统 |
CN105809479A (zh) * | 2016-03-07 | 2016-07-27 | 海信集团有限公司 | 物品推荐方法及装置 |
CN107894998A (zh) * | 2017-10-24 | 2018-04-10 | 迅雷计算机(深圳)有限公司 | 视频推荐方法及装置 |
CN109165975A (zh) * | 2018-08-09 | 2019-01-08 | 平安科技(深圳)有限公司 | 标签推荐方法、装置、计算机设备及存储介质 |
CN110245299A (zh) * | 2019-06-19 | 2019-09-17 | 中国人民解放军国防科技大学 | 一种基于动态交互注意力机制的序列推荐方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110992137A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109559208B (zh) | 一种信息推荐方法、服务器及计算机可读介质 | |
CN107222566B (zh) | 信息推送方法、装置及服务器 | |
WO2020048084A1 (zh) | 资源推荐方法、装置、计算机设备及计算机可读存储介质 | |
CN108763502B (zh) | 信息推荐方法和系统 | |
US20190197416A1 (en) | Information recommendation method, apparatus, and server based on user data in an online forum | |
JP6511455B2 (ja) | ユーザ行動の特徴を抽出して推奨を個人化する方法及びシステム | |
CN102789462B (zh) | 一种项目推荐方法及系统 | |
CN109829116A (zh) | 一种内容推荐方法、装置、服务器及计算机可读存储介质 | |
CN106951527B (zh) | 一种歌曲推荐方法及装置 | |
US10621641B2 (en) | Method and device for pushing information | |
CN110111167A (zh) | 一种确定推荐对象的方法和装置 | |
CN103324619A (zh) | 一种基于互联网的推荐方法及推荐系统 | |
CN111461827B (zh) | 产品评价信息的推送方法和装置 | |
CN106294410A (zh) | 一种个性化信息推送时间的确定方法及确定系统 | |
CN110535910A (zh) | 断点用户的召回方法、装置及存储介质 | |
CN107590672B (zh) | 基于马斯洛需求层次理论的推荐方法及装置 | |
CN106469163A (zh) | 一种公众号推荐方法及系统 | |
CN110992137B (zh) | 一种产品的推荐方法、装置、电子设备及存储介质 | |
CN109472455B (zh) | 活动评估方法、装置、电子设备及存储介质 | |
CN111767469A (zh) | 一种养老服务推荐方法和装置 | |
CN101639856B (zh) | 检测互联网信息传播的网页关联评价装置 | |
CN106844504A (zh) | 一种发送歌单标识的方法和装置 | |
US8566156B2 (en) | Combining segments of users into vertically indexed super-segments | |
KR20160027263A (ko) | 사용자의 실시간 선호도를 반영한 추천 시스템 및 서버 | |
CN105528379B (zh) | 一种资源的推荐方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231128 Address after: 200,030 Unit 5B03, Floor 5, Building 2, No. 277, Longlan Road, Xuhui District, Shanghai Patentee after: SHANGHAI SECOND PICKET NETWORK TECHNOLOGY CO.,LTD. Address before: 200000 floors 4, 5 and 6, No. 3 Lane 1473, Zhenguang Road, Putuo District, Shanghai Patentee before: Shanghai Fengzhi Technology Co.,Ltd. |