CN111199428B - 商品推荐方法、装置、存储介质及计算机设备 - Google Patents
商品推荐方法、装置、存储介质及计算机设备 Download PDFInfo
- Publication number
- CN111199428B CN111199428B CN202010005886.4A CN202010005886A CN111199428B CN 111199428 B CN111199428 B CN 111199428B CN 202010005886 A CN202010005886 A CN 202010005886A CN 111199428 B CN111199428 B CN 111199428B
- Authority
- CN
- China
- Prior art keywords
- commodity
- reference information
- candidate
- target
- information
- 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
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种商品推荐方法。该方法包括:通过获取目标商品的第一特征信息以及第二特征信息;从包含多个候选商品的参考信息的预设数据库中获取与第一特征信息匹配的候选商品的参考信息,生成第一推荐列表;从预设数据库中获取与第二特征信息匹配的候选商品的参考信息作为第二参考信息;获取目标商品与各个候选商品对应商品详情页的用户浏览数据,根据用户浏览数据生成第一关联度;根据第一关联度以及第二参考信息生成第二推荐列表;根据第一推荐列表以及第二推荐列表生成第三推荐列表,当接收到终端提交的目标商品的商品推荐请求时,将第三推荐列表发送至终端展示。本申请结合多个维度获取目标商品的待推荐商品,使得获取的待推荐商品更加精准。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种商品推荐方法、装置、存储介质及计算机设备。
背景技术
大数据时代,为提高用户购买商品转化率而设计的推荐算法多种多样。然而,相对一般商品,用户更倾向于直接通过商品名称或者商品简介信息中的关键词定位服务商品进行消费。如何在尽短的时间内,向用户提供满足需求的商品,并挖掘用户深层次的服务需求,成为电商亟待解决的关键问题。
当前已有的推荐系统大多仅仅依赖于关键词匹配或者协同过滤等方式进行商品推荐。该种商品推荐方案推荐维度单一,推荐机制不够灵活,容易导致推荐结果不精准的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种结合了多个维度对目标商品的相关商品进行筛选得到待推荐商品,使得获取的待推荐商品更加精准,待推荐商品的覆盖面更加广的商品推荐方法、装置、计算机设备和存储介质。
一种商品推荐方法,方法包括:
获取目标商品的第一特征信息以及第二特征信息;
从包含多个候选商品的参考信息的预设数据库中获取与第一特征信息匹配的各个候选商品的参考信息,与第一特征信息匹配的参考信息作为第一参考信息,生成第一推荐列表;
从预设数据库中获取与第二特征信息匹配的各个候选商品的参考信息,与第二特征信息匹配的参考信息作为第二参考信息;
获取目标商品与各个候选商品对应商品详情页的用户浏览数据,根据用户浏览数据生成第二参考信息对应的候选商品与目标商品的第一关联度;
根据第一关联度以及第二参考信息生成第二推荐列表;
根据第一推荐列表以及第二推荐列表生成第三推荐列表,当接收到终端提交的目标商品的商品推荐请求时,将第三推荐列表发送至终端展示。
在其中一个实施例中,第一特征信息包括目标商品的商品名称,目标商品的商品名称作为第一商品名称,参考信息包括候选商品的商品名称,候选商品的商品名称作为第二商品名称,方法还包括:
获取预设数据库中的各个第二商品名称中的基准关键词;
对各个基准关键词进行频次统计得到各基准关键词对应的出现次数;
根据各出现次数构建基准词频表;
从包含多个候选商品的参考信息的预设数据库中获取与第一特征信息匹配的各个候选商品的参考信息,与第一特征信息匹配的参考信息作为第一参考信息,包括:
获取当前候选商品的商品名称,当前候选商品的商品名称作为第二商品名称;
对第一商品名称进行分词,并提取第一商品名称中的各个关键词,将第一商品名称中的各个关键词作为第一关键词,得到第一关键词列表;
对第二商品名称进行分词,并提取第二商品名称中的各个关键词,将第二商品名称中的关键词作为第二关键词,得到第二关键词列表;
获取第一关键词列表与第二关键词列表中的各个相同关键词;
根据基准词频表获取各个相同关键词的出现次数;
根据各个相同关键词的出现次数确定目标商品与当前候选商品的相似度,最大的第一预设数量个相似度对应的候选商品作为第一候选商品;
获取各个第一候选商品对应的参考信息,各个第一候选商品对应的参考信息作为第一参考信息。
在其中一个实施例中,第二特征信息包括目标商品商品标签,目标商品商品标签作为第一商品标签,参考信息包括候选商品商品标签,候选商品的商品标签作为第二商品标签,从预设数据库中获取与第二特征信息匹配的各个候选商品的参考信息,与第二特征信息匹配的参考信息作为第二参考信息,包括:
将第一商品标签与预设数据库中各个第二商品标签进行匹配;
确定与第一商品标签匹配的各个第二商品标签对应的候选商品,与第一商品标签匹配的各个第二商品标签对应的候选商品作为第二候选商品;
获取各个第二候选商品的参考信息,各个第二候选商品的参考信息作为第二参考信息。
在其中一个实施例中,用户浏览数据包括预设时间段内第二参考信息对应候选商品的商品详情页以及目标商品对应的商品详情页被同时访问的访问次数以及对应的访问时间,根据根据用户浏览数据生成第二参考信息对应的候选商品与目标商品的第一关联度,包括:
获取当前第二参考信息,当前第二参考信息对应的候选商品作为当前第二候选商品;
获取当前第二候选商品对应的访问次数以及访问时间;
根据各个访问时间与当前时间的间隔天数以及各个访问时间对应的访问次数确定当前第二候选商品与目标商品的第一关联度。
在其中一个实施例中,生成第一推荐列表,包括:
根据各个第一候选商品与目标商品的相似度,构建第一参考信息的第一序列,根据第一序列构建第一推荐列表;
根据第一关联度以及各个第二参考信息生成第二推荐列表,包括:
根据各个第二参考信息对应候选商品与目标商品的第一关联度,构建各个第二参考信息的第二序列,根据第二序列构建第二推荐列表;
根据第一推荐列表以及第二推荐列表生成第三推荐列表,包括:
将第二序列与第一序列进行合并,得到第三序列;
将第三序列中的第一参考信息以及第二参考信息进行去重,根据去重后的第三序列构建第三推荐列表。
在其中一个实施例中,方法还包括:
根据用户浏览数据生成各个候选商品与目标商品的第二关联度;
获取最大的第二预设数量个第二关联度,最大的第二预设数量个第二关联度作为目标关联度;
获取各个目标关联度对应的参考信息作为第三参考信息;
将各个第三参考信息与第三推荐列表中的各个第一参考信息进行比对,以获取第三推荐列表中不存在的第三参考信息作为目标商品信息;
根据目标商品信息生成提示信息,将提示信息推送至指定终端。
在其中一个实施例中,方法还包括:
接收预设数据库中商品标签的新增请求,新增请求中包括目标标签;
获取目标标签,将目标标签添加至预设数据库中。
一种商品推荐装置,装置包括:
获取模块,用于获取目标商品的第一特征信息以及第二特征信息;
第一匹配模块,用于从包含多个候选商品的参考信息的预设数据库中获取与第一特征信息匹配的各个候选商品的参考信息,与第一特征信息匹配的参考信息作为第一参考信息,生成第一推荐列表;
第二匹配模块,用于从预设数据库中获取与第二特征信息匹配的各个候选商品的参考信息,与第二特征信息匹配的参考信息作为第二参考信息;
第一生成模块,用于获取目标商品与各个候选商品对应商品详情页的用户浏览数据,根据用户浏览数据生成第二参考信息对应的候选商品与目标商品的第一关联度;
第二生成模块,用于根据第一关联度以及第二参考信息生成第二推荐列表;
发送模块,用于根据第一推荐列表以及第二推荐列表生成第三推荐列表,当接收到终端提交的目标商品的商品推荐请求时,将第三推荐列表发送至终端展示。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一实施例方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一实施例方法的步骤。
上述的商品推荐方法、装置及计算机设备,方法通过获取目标商品的第一特征信息以及第二特征信息;从包含多个候选商品的参考信息的预设数据库中获取与第一特征信息匹配的各个候选商品的参考信息,与第一特征信息匹配的参考信息作为第一参考信息,生成第一推荐列表;从预设数据库中获取与第二特征信息匹配的各个候选商品的参考信息,与第二特征信息匹配的参考信息作为第二参考信息;获取目标商品与各个候选商品对应商品详情页的用户浏览数据,根据用户浏览数据生成第二参考信息对应的候选商品与目标商品的第一关联度;根据第一关联度以及第二参考信息生成第二推荐列表;根据第一推荐列表以及第二推荐列表生成第三推荐列表,当接收到终端提交的目标商品的商品详情页的访问请求时,将第三推荐列表推送至终端展示。本申请结合第一特征信息、第二特征信息初步筛选出与目标商品相关的候选商品,进一步结合用户浏览数据得到第二候选商品与目标商品的第一关联度,基于该第一关联度筛选出与目标商品相关的候选商品,筛选维度多样化,使得推荐方案更加灵活,以及使得获取的待推荐商品更加精准。
附图说明
图1为本申请一示例性实施例中商品推荐方法的应用环境图;
图2为本申请一示例性实施例中提供的商品推荐方法的流程示意图;
图3为本申请一示例性实施例中提供的从包含多个候选商品的参考信息的预设数据库中获取与第一特征信息匹配的第一参考信息的流程示意图;
图4为本申请一示例性实施例中提供的商品推荐装置的结构框图;
图5为本申请一示例性实施例中提供的商品推荐装置的结构框图;
图6为本申请一示例性实施例中提供的计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
请参考图1,图1为本申请一示例性实施例提供的一种商品推荐方法的应用环境示意图。如图1所示,该商品推荐系统包括服务器100以及终端101,服务器100与终端101通过网络102进行通信,以实现本申请的商品推荐方法。
服务器100用于获取目标商品的第一特征信息以及第二特征信息;从包含多个候选商品的参考信息的预设数据库中获取与第一特征信息匹配的各个候选商品的参考信息,与第一特征信息匹配的参考信息作为第一参考信息,生成第一推荐列表;从预设数据库中获取与第二特征信息匹配的各个候选商品的参考信息,与第二特征信息匹配的参考信息作为第二参考信息;获取目标商品与各个候选商品对应商品详情页的用户浏览数据,根据用户浏览数据生成第二参考信息对应的候选商品与目标商品的第一关联度;根据第一关联度以及第二参考信息生成第二推荐列表;根据第一推荐列表以及第二推荐列表生成第三推荐列表,当接收到终端101提交的目标商品的商品详情页的访问请求时,将第三推荐列表推送至终端展示。服务器100可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
终端101用于向服务器100提交目标商品的商品详情页的访问请求,并接收服务器100反馈的第三推荐列表,将第三推荐列表展示于用户界面。终端101可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
网络102用于实现数据处理服务器100与终端101之间的网络连接。具体的,网络102可以包括多种类型的有线或无线网络。
在一个实施例中,如图2所示,提供了一种商品推荐方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S11、获取目标商品的第一特征信息以及第二特征信息。
本申请中,预先构建了预设数据库,该预设数据库中包括多个商品的商品信息。一个实施例中,该预设数据库中包括多个候选商品的参考信息。该参考信息可以包括但不限于包括以下几种:
商品标识、商品名称、商品标签以及其他简介信息等。
另一个实施例中,预设数据库中还包括目标商品的目标商品信息。目标商品信息包括但不限于以下几种:
商品标识、商品名称、商品标签以及其他简介信息等。
具体的,第一特征信息包括目标商品的第一商品名称,第二特征信息包括目标商品的第一商品标签。
本申请中,目标商品以及候选商品可以为食品、生活用品、理财产品以及服务产品等,服务产品可以为手机维修、洗衣服维修等服务。
S12、从包含多个候选商品的参考信息的预设数据库中获取与第一特征信息匹配的各个候选商品的参考信息,与第一特征信息匹配的参考信息作为第一参考信息,生成第一推荐列表。
本申请中,目标商品可以为预设数据库中的商品,也可以为新上线的商品。当目标商品为预设数据库中的商品时,预设数据库中的剩余商品则为候选商品。
本申请中,第一推荐列表中包括各个第一候选商品的第一参考信息,第一参考信息包括但不限于商品标识、商品名称、商品标签以及其他商品明细信息等。
本申请中,从预设数据库中获取与第一特征信息匹配的各个候选商品的参考信息,与第一特征信息匹配的参考信息作为第一参考信息,将与第一参考信息对应的候选商品作为第一候选商品。
S13、从预设数据库中获取与第二特征信息匹配的各个候选商品的参考信息,与第二特征信息匹配的参考信息作为第二参考信息。
本申请中,第二特征信息包括目标商品的第一商品标签。预设数据库中包括各个候选商品的参考信息,其中,参考信息包括各个候选商品的第二商品标签。
本申请中,每个候选商品可以包括一个或多个第二商品标签。从预设数据库中获取与第二特征信息匹配的各个第二参考信息时,将候选商品的各个第二商品标签分别与目标商品的各个第一商品标签进行匹配,匹配成功时,获取匹配成功的第二商品标签,并获取该第二商品标签对应的第二参考信息。
本申请中,从预设数据库中获取与第二特征信息匹配的各个候选商品的参考信息,与第二特征信息匹配的参考信息作为第二参考信息,将各个第二参考信息对应的候选商品作为第二候选商品。
具体的,将候选商品的各个第二商品标签分别与目标商品的各个第一商品标签进行匹配,可以包括:
获取当前第二商品标签;
计算第一商品标签与当前第二商品标签的匹配度;
当匹配度大于预设阈值时,判断当前第二商品标签与第一商品标签匹配成功。
S14、获取目标商品与各个候选商品对应商品详情页的用户浏览数据,根据用户浏览数据生成第二参考信息对应的候选商品与目标商品的第一关联度。
本申请中,获取目标商品的商品详情页在预设时间段内的用户浏览数据,以及各个候选商品对应商品详情页的用户浏览数据。其中,用户浏览数据可以包括用户的访问时间、访问次数以及用户的账户信息。
进一步的,基于用户浏览数据确定在预设时间段内目标商品与第二候选商品被同时访问的访问时间以及访问次数,根据该访问时间以及访问次数确定该第二候选商品与目标商品的第一关联度。
S15、根据第一关联度以及第二参考信息生成第二推荐列表。
本申请中,第二推荐列表中可以包括各个第二候选商品对应的第二参考信息的数据记录。数据记录中包括第二候选商品的第二参考信息以及对应的第一关联度。
具体的,第二推荐列表中的各条数据记录根据第一关联度进行排序,其中,可以根据第一关联度由高到低的规则将各条数据记录进行排序,也可以按照其他方式进行排序,具体排序方式在此不做具体限定。
S16、根据第一推荐列表以及第二推荐列表生成第三推荐列表,当接收到终端提交的目标商品的商品推荐请求时,将第三推荐列表发送至终端展示。
本申请中,将第一推荐列表与第二推荐列表进行合并后去重得到第三推荐列表。
本申请中,当接收到终端提交的目标商品的商品推荐请求时,将第三推荐列表发送至终端展示,具体可以包括以下两种方案:
其一、终端上提供一个虚拟按键,用户通过触控该虚拟按键产生目标商品的商品推荐指令,该商品推荐指令中包含目标商品的商品标识。终端根据该商品推荐指令向服务器提交商品推荐请求,服务器响应于该商品推荐请求执行步骤S11-S16,以获取与目标商品的商品标识匹配的第三推荐列表,并将得到的第三推荐列表反馈至终端。
其二、预先配置预设时间段,服务器每隔该预设时间段执行上述的步骤S11-S16。在该情况中,服务器依次获取预设数据库中的各个商品作为目标商品执行一次步骤S11-S16,得到预设数据库中各个商品对应的第三推荐列表。目标商品的商品推荐请求可以为目标商品的商品详情页的访问请求。当服务器接收到目标商品的商品详情页的访问请求时,从预先生成的第三推荐列表中,获取该目标商品对应的第三推荐列表推送至终端。
在其中一个实施例中,上述的第一特征信息包括目标商品的商品名称,目标商品的商品名称作为第一商品名称,上述的参考信息包括候选商品的商品名称,候选商品的商品名称作为第二商品名称,上述的方法还可以包括:
获取预设数据库中的各个第二商品名称中的基准关键词;
对各个基准关键词进行频次统计得到各基准关键词对应的出现次数;
根据各出现次数构建基准词频表。
请参考图3,图3为一个实施例中,从包含多个候选商品的参考信息的预设数据库中获取与第一特征信息匹配的第一参考信息的流程示意图。如图3所示,上述的从包含多个候选商品的参考信息的预设数据库中获取与第一特征信息匹配的各个候选商品的参考信息,与第一特征信息匹配的参考信息作为第一参考信息,可以包括如下步骤:
S121、获取当前候选商品的商品名称,当前候选商品的商品名称作为第二商品名称。
S122、对第一商品名称进行分词,并提取第一商品名称中的各个关键词,将第一商品名称中的各个关键词作为第一关键词,得到第一关键词列表。
S123、对第二商品名称进行分词,并提取第二商品名称中的各个关键词,将第二商品名称中的关键词作为第二关键词,得到第二关键词列表。
S124、获取第一关键词列表与第二关键词列表中的各个相同关键词。
S125、根据基准词频表获取各个相同关键词的出现次数。
S126、根据各个相同关键词的出现次数确定目标商品与当前候选商品的相似度,最大的第一预设数量个相似度对应的候选商品作为第一候选商品。
S127、获取各个第一候选商品对应的参考信息,各个第一候选商品对应的参考信息作为第一参考信息。
本申请中,通过采集当前在售商品以及下架商品的商品明细信息,利用采集的商品明细信息构建预设数据库。预设数据库中包括多个候选商品的参考信息。其中,参考信息可以包括候选商品的第二商品名称以及第二商品标签。具体的,第一特征信息可以包括目标商品的第一商品名称,第二特征信息可以包括目标商品的第一商品标签。
进一步的,服务器获取预设数据库中各个第二商品名称中的基准关键词,统计各个基准关键词的出现次数,根据各个基准关键词的出现次数构建预设数据库对应的基准词频表。基准词频表中包括各个基准关键词以及各个基准关键词对应的出现次数。
进一步的,服务器提取第一商品名称中的各个第一关键词,构建第一关键词列表,提取第二商品名称中的各个第二关键词,构建第二关键词列表,比对第一关键词列表以及第二关键词列表得到相同关键词,进一步根据基准词频表查询得出各个相同关键词的出现次数,根据各个出现次数得到目标商品与当前商品的相似度。
一个实施例中,假设目标商品与当前候选商品的名称中的各个相同关键词分别为A1、A2、A3...以及An,对应的在预设数据库中的出现次数分别为:S1、S2、S3...以及Sn,则本申请根据各个出现次数得到目标商品与当前候选商品的相似度R的计算公式可以为如下公式:
其中,Si为各相同关键词在预设数据库中的出现次数。
一种可能的应用实例中,假设目标商品为“苹果手机维修”,当前候选商品为“华为手机维修”。提取两个商品中的相同关键词为“手机”以及“维修”。假设查询基准词频表得到“苹果”出现次数为1000次,“手机”出现次数为5000次,“维修”出现次数为500次,则目标商品与当前候选商品的相似度R=1/5000+1/500。
由于在实际应用中,出现次数少的关键词对商品相似度的影响权重,一般会高于出现次数多的关键词,因此,本申请采用以上计算相似度的公式,充分结合了出现次数对商品相似度的影响权重,使得相似度的计算更加符合实际应用场景。
进一步的,一个实施例中,上述的获取最大的第一预设数量个相似度对应的参考信息作为第一参考信息,可以包括:
将各个第二候选商品对应的相似度由高到低排序;
选取序列中前第一预设数量个相似度对应的参考信息作为第一参考信息。
一个实施例中,上述的获取最大的第一预设数量个相似度对应的参考信息作为第一参考信息,也可以包括:
将各个第二候选商品对应的相似度由低到高排序;
选取序列中后第一预设数量个相似度对应的参考信息作为第一参考信息。
本申请中,第一预设数量可以根据实际需求设定,例如,第一预设数量可以设定为3个,或者其他数据,在此不作具体限定。
例如,假设各个第二候选商品对应的相似度为:0.1、0.3、0.5、0.7、 0.01、0.03,上述的第一预设数量为3,则将各个第二候选商品对应的相似度由低到高排序得到:0.7、0.5、0.3、0.1、0.03、0.01,选取序列中前第一预设数量个相似度得到:0.7、0.5以及0.3,即获取最大的第一预设数量个相似度包括:0.7、0.5以及0.3,进一步获取该三个相似度对应的参考信息作为第一参考信息。
也可以将各个第二候选商品对应的相似度由低到高排序得到:0.01、 0.03、0.1、0.3、0.5、0.7,选取序列中后第一预设数量个相似度得到: 0.3、0.5以及0.7,即获取最大的第一预设数量个相似度包括:0.3、0.5 以及0.7,进一步获取该三个相似度对应的参考信息作为第一参考信息。
在其中一个实施例中,上述的第二特征信息包括目标商品商品标签,目标商品商品标签作为第一商品标签,上述的参考信息包括候选商品商品标签,候选商品的商品标签作为第二商品标签,上述的从预设数据库中获取与第二特征信息匹配的各个候选商品的参考信息,与第二特征信息匹配的参考信息作为第二参考信息,可以包括:
将第一商品标签与预设数据库中各个第二商品标签进行匹配;
确定与第一商品标签匹配的各个第二商品标签对应的候选商品,与第一商品标签匹配的各个第二商品标签对应的候选商品作为第二候选商品;
获取各个第二候选商品的参考信息,各个第二候选商品的参考信息作为第二参考信息。
本申请中,第一商品标签以及第二商品标签为预先为商品设定的标识信息。其中,一个商品可以有至少一个商品标签。例如,牛奶的商品标签可以包括饮料、饮品以及奶制品等。相应的,预设数据库中包括各个参考信息的第二商品标签,其中一个候选商品可以有至少一个第二商品标签。
假设目标商品为牛奶,服务器获取到牛奶的第一商品标签有饮料、饮品以及奶制品,根据饮料标签从预设数据库中获取与饮料标签匹配的各个候选商品,根据饮品标签从预设数据库中获取与饮品标签匹配的各个候选商品,根据奶制品标签从预设数据库中获取与奶制品标签匹配的各个候选商品,将获取到的所有候选商品对应的参考信息作为第二参考信息。
在其中一个实施例中,上述的用户浏览数据包括预设时间段内第二参考信息对应候选商品的商品详情页以及目标商品对应的商品详情页被同时访问的访问次数以及对应的访问时间,上述的根据根据用户浏览数据生成第二参考信息对应的候选商品与目标商品的第一关联度,可以包括:
获取当前第二参考信息,当前第二参考信息对应的候选商品作为当前第二候选商品;
获取当前第二候选商品对应的访问次数以及访问时间;
根据各个访问时间与当前时间的间隔天数以及各个访问时间对应的访问次数确定当前第二候选商品与目标商品的第一关联度。
本申请中,基于商品名称的关键字的匹配度得到第一推荐列表,该第一推荐列表中包括各个第一候选商品的第一参考信息,以及各个第一候选商品与目标商品的相似度,其中,各个第一参考信息根据相似度进行排序。
进一步的,本申请基于商品标签的维度获取与目标商品的商品标签匹配的各个第二候选商品的第二参考信息,然而,基于商品标签维度无法得到各个第二候选商品的排序。因此,本申请进一步基于用户浏览数据得到各个第二候选商品与目标商品的第一关联度,基于该第一关联度得到各个第二候选商品的排序。
一种可能的应用场景中,预先设定预设时间段,如2019-12-01至 2019-12-12时间段内,统计用户浏览各个候选商品的用户浏览数据。具体的,当在2019-12-01至2019-12-12这段时间段内,存在用户甲同时浏览了商品A和商品B,在这段时间段内,用户乙也同时浏览了商品A和商品B,以及用户丙以及丁也同时浏览了商品A和商品B,则认为商品A和商品B 存在一定关联性。
考虑到实际运作过程中,商品A和商品B的关联性是一个变量,例如,随着时间的推移,商品A和商品B的关联性可能越来越弱,因此,在计算商品A和商品B需要统计一段时间的浏览数据,根据一段时间的浏览数据确定商品A和商品B的关联性。例如,大促期间提供促销活动是买商品A 数量M个则送商品B一个,则在大促期间同时浏览商品A和B的用户数量则相对很多,但随着时间慢慢靠近大促活动的截止时间,同时浏览商品A 和B的用户数量会慢慢减少,则商品A和B的这种关联性会慢慢减弱,因此,本申请采取统计某段时间段内的浏览数据,根据一段时间的浏览数据确定商品A和商品B的关联性。
一个实施例中,假设统计的预设时间段为当前时间至距离当前时间的第n天。即截止时间为当前时间,起始时间为当前时间的前第n天。本申请中,预设规则包括第一关联度的计算公式。一个实施例中,本申请计算目标商品与当前候选商品在距离当前时间的第n天的关联度Dn可以采用如下计算公式:
其中,Ci为目标商品与当前候选商品在距离当前时间的第i天被同时浏览的次数,a为关联度系数,其中a的计算公式如下:
其中,Δt=n。
通过关联度的计算公式可以得到各个第二候选商品与目标商品的第一关联度,根据各个第一关联度可以得到各个第二候选商品的排序。
在其中一个实施例中,上述的生成第一推荐列表,可以包括:
根据各个第一候选商品与目标商品的相似度,构建第一参考信息的第一序列,根据第一序列构建第一推荐列表;
上述的根据第一关联度以及各个第二参考信息生成第二推荐列表,可以包括:根据各个第二参考信息对应候选商品与目标商品的第一关联度,构建各个第二参考信息的第二序列,根据第二序列构建第二推荐列表;
上述的根据第一推荐列表以及第二推荐列表生成第三推荐列表,可以包括:
将第二序列与第一序列进行合并,得到第三序列;将第三序列中的第一参考信息以及第二参考信息进行去重,根据去重后的第三序列构建第三推荐列表。
本申请中,上述的根据各个第一候选商品与目标商品的相似度,构建第一参考信息的第一序列,可以包括:
将各个第一候选商品对应的第一参考信息按照各个第一候选商品对应的相似度由高到底进行排序,得到第一序列;
上述的根据各个第二候选商品与目标商品的第一关联度,构建各个第二参考信息的第二序列,可以包括:
将各个第二候选商品对应的第二参考信息按照各个第二候选商品对应的第一关联度由高到底进行排序,得到第二序列;
上述的将第二序列与第一序列进行合并,得到第三序列,可以包括:
将第二序列添加至第一序列之后,得到第三序列。
在其中一个实施例中,上述的方法还可以包括:
根据用户浏览数据生成各个候选商品与目标商品的第二关联度;获取最大的第二预设数量个第二关联度,最大的第二预设数量个第二关联度作为目标关联度;获取各个目标关联度对应的参考信息作为第三参考信息;将各个第三参考信息与第三推荐列表中的各个第一参考信息进行比对,以获取第三推荐列表中不存在的第三参考信息作为目标商品信息;根据目标商品信息生成提示信息,将提示信息推送至指定终端。
本申请中,上述的获取最大的第二预设数量个第二关联度作为目标关联度,可以包括:
将各个候选商品与目标商品的第二关联度由高到低排序;
选取序列中前第二预设数量个第二关联度作为目标关联度。
本实施例中,服务器能够获取排序后的序列中前第二预设数量的目标关联度;获取各个目标关联度对应的参考信息作为第三参考信息;判断各个第三参考信息是否均包含于第三推荐列表中,若没有,获取第三推荐列表中不存在的第三参考信息作为目标商品信息;根据目标商品信息生成提示信息,将提示信息推送至指定终端。
若出现第二关联度高的商品却没有出现在第三推荐列表中,则认为存在被遗漏的商品以及没有被当前业务人员发掘的潜在业务场景。业务人员进一步对遗漏的商品进行分析,挖掘新的业务场景并构建新的商品标签更新至预设数据库中,以便更精准得推荐商品。
在其中一个实施例中,上述的方法还可以包括:
接收预设数据库中商品标签的新增请求,新增请求中包括目标标签;获取目标标签,将目标标签添加至预设数据库中。
业务人员通过对提示信息中的遗漏商品进行分析,根据分析结果得出需新增的目标标签。业务人员通过终端向服务器提交携带该目标标签的新增请求,该新增请求中还包括该目标标签对应的商品信息。服务器接收新增请求后,提取该目标标签对应的商品信息,判断预设数据库中是否存在该目标标签对应的商品信息,若存在,将目标标签添加至该商品信息对应的数据记录中,若不存在,新建该目标标签与该目标标签对应商品信息的映射关系,将该映射关系添加至预设数据库中。
在一个实施例中,如图4所示,提供了一种商品推荐装置,包括:
获取模块11,用于获取目标商品的第一特征信息以及第二特征信息;
第一匹配模块12,用于从包含多个候选商品的参考信息的预设数据库中获取与第一特征信息匹配的各个候选商品的参考信息,与第一特征信息匹配的参考信息作为第一参考信息,生成第一推荐列表;
第二匹配模块13,用于从预设数据库中获取与第二特征信息匹配的各个候选商品的参考信息,与第二特征信息匹配的参考信息作为第二参考信息;
第一生成模块14,用于获取目标商品与各个候选商品对应商品详情页的用户浏览数据,根据用户浏览数据生成第二参考信息对应的候选商品与目标商品的第一关联度;
第二生成模块15,用于根据第一关联度以及第二参考信息生成第二推荐列表;
发送模块16,用于根据第一推荐列表以及第二推荐列表生成第三推荐列表,当接收到终端提交的目标商品的商品推荐请求时,将第三推荐列表发送至终端展示。
请参考图5,在其中一个实施例中,上述的第一特征信息包括目标商品的商品名称,目标商品的商品名称作为第一商品名称,上述的参考信息包括候选商品的商品名称,候选商品的商品名称作为第二商品名称,上述的装置还包括:
构建模块10,用于获取预设数据库中的各个第二商品名称中的基准关键词;
对各个基准关键词进行频次统计得到各基准关键词对应的出现次数;
根据各出现次数构建基准词频表;
上述的第一匹配模块12,包括:
第一匹配单元,用于获取当前候选商品的商品名称,当前候选商品的商品名称作为第二商品名称;
对第一商品名称进行分词,并提取第一商品名称中的各个关键词,将第一商品名称中的各个关键词作为第一关键词,得到第一关键词列表;
对第二商品名称进行分词,并提取第二商品名称中的各个关键词,将第二商品名称中的关键词作为第二关键词,得到第二关键词列表;
获取第一关键词列表与第二关键词列表中的各个相同关键词;
根据基准词频表获取各个相同关键词的出现次数;
根据各个相同关键词的出现次数确定目标商品与当前候选商品的相似度,最大的第一预设数量个相似度对应的候选商品作为第一候选商品;
获取各个第一候选商品对应的参考信息,各个第一候选商品对应的参考信息作为第一参考信息。
在其中一个实施例中,上述的第二特征信息包括目标商品商品标签,将目标商品商品标签作为第一商品标签,上述的参考信息包括候选商品商品标签,将候选商品的商品标签作为第二商品标签,上述的第二匹配模块 13,包括:
第二匹配单元,用于将第一商品标签与预设数据库中各个第二商品标签进行匹配;
确定与第一商品标签匹配的各个第二商品标签对应的候选商品,与第一商品标签匹配的各个第二商品标签对应的候选商品作为第二候选商品;
获取各个第二候选商品的参考信息,各个第二候选商品的参考信息作为第二参考信息。
在其中一个实施例中,上述的用户浏览数据包括预设时间段内第二参考信息对应候选商品的商品详情页以及目标商品对应的商品详情页被同时访问的访问次数以及对应的访问时间,上述的第一生成模块14,包括:
生成单元,用于获取当前第二参考信息,当前第二参考信息对应的候选商品作为当前第二候选商品;
获取当前第二候选商品对应的访问次数以及访问时间;
根据各个访问时间与当前时间的间隔天数以及各个访问时间对应的访问次数确定当前第二候选商品与目标商品的第一关联度。
在其中一个实施例中,上述的第一匹配模块12,包括:
第一排序单元,用于根据各个第一候选商品与目标商品的相似度,构建第一参考信息的第一序列,根据第一序列构建第一推荐列表;
上述的第二生成模块15,包括:
第二排序单元,用于根据各个第二参考信息对应候选商品与目标商品的第一关联度,构建各个第二参考信息的第二序列,根据第二序列构建第二推荐列表;
上述的发送模块16 ,包括:
合并单元,用于将第二序列与第一序列进行合并,得到第三序列;
将第三序列中的第一参考信息以及第二参考信息进行去重,根据去重后的第三序列构建第三推荐列表。
请继续参考图5,在其中一个实施例中,上述的装置还包括:
提示模块17,用于根据用户浏览数据生成各个候选商品与目标商品的第二关联度;
获取最大的第二预设数量个第二关联度,最大的第二预设数量个第二关联度作为目标关联度;
获取各个目标关联度对应的参考信息作为第三参考信息;
将各个第三参考信息与第三推荐列表中的各个第一参考信息进行比对,以获取第三推荐列表中不存在的第三参考信息作为目标商品信息;
根据目标商品信息生成提示信息,将提示信息推送至指定终端。
请继续参考图5,在其中一个实施例中,上述的装置还包括:
新增模块18,用于接收预设数据库中商品标签的新增请求,新增请求中包括目标标签;
获取目标标签,将目标标签添加至预设数据库中。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是业务处理服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供确定和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的第一终端通过网络连接通信。该计算机程序被处理器执行时以实现一种商品推荐方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:获取目标商品的第一特征信息以及第二特征信息;从包含多个候选商品的参考信息的预设数据库中获取与第一特征信息匹配的各个候选商品的参考信息,与第一特征信息匹配的参考信息作为第一参考信息,生成第一推荐列表;从预设数据库中获取与第二特征信息匹配的各个候选商品的参考信息,与第二特征信息匹配的参考信息作为第二参考信息;获取目标商品与各个候选商品对应商品详情页的用户浏览数据,根据用户浏览数据生成第二参考信息对应的候选商品与目标商品的第一关联度;根据第一关联度以及第二参考信息生成第二推荐列表;根据第一推荐列表以及第二推荐列表生成第三推荐列表,当接收到终端提交的目标商品的商品推荐请求时,将第三推荐列表发送至终端展示。
在一个实施例中,上述的第一特征信息包括目标商品的商品名称,目标商品的商品名称作为第一商品名称,上述的参考信息包括候选商品的商品名称,候选商品的商品名称作为第二商品名称,处理器执行计算机程序时具体还实现以下步骤:
获取预设数据库中的各个第二商品名称中的基准关键词;
对各个基准关键词进行频次统计得到各基准关键词对应的出现次数;
根据各出现次数构建基准词频表;
处理器执行计算机程序实现上述的从包含多个候选商品的参考信息的预设数据库中获取与第一特征信息匹配的各个候选商品的参考信息,与第一特征信息匹配的参考信息作为第一参考信息,具体实现以下步骤:
获取当前候选商品的商品名称,当前候选商品的商品名称作为第二商品名称;
对第一商品名称进行分词,并提取第一商品名称中的各个关键词,将第一商品名称中的各个关键词作为第一关键词,得到第一关键词列表;
对第二商品名称进行分词,并提取第二商品名称中的各个关键词,将第二商品名称中的关键词作为第二关键词,得到第二关键词列表;
获取第一关键词列表与第二关键词列表中的各个相同关键词;
根据基准词频表获取各个相同关键词的出现次数;
根据各个相同关键词的出现次数确定目标商品与当前候选商品的相似度,最大的第一预设数量个相似度对应的候选商品作为第一候选商品;
获取各个第一候选商品对应的参考信息,各个第一候选商品对应的参考信息作为第一参考信息。
在其中一个实施例中,上述的第二特征信息包括目标商品商品标签,目标商品商品标签作为第一商品标签,上述的参考信息包括候选商品商品标签,候选商品的商品标签作为第二商品标签,处理器执行计算机程序实现上述的从预设数据库中获取与第二特征信息匹配的各个候选商品的参考信息,与第二特征信息匹配的参考信息作为第二参考信息,具体实现以下步骤:
将第一商品标签与预设数据库中各个第二商品标签进行匹配;
确定与第一商品标签匹配的各个第二商品标签对应的候选商品,与第一商品标签匹配的各个第二商品标签对应的候选商品作为第二候选商品;
获取各个第二候选商品的参考信息,各个第二候选商品的参考信息作为第二参考信息。
在其中一个实施例中,上述的用户浏览数据包括预设时间段内第二参考信息对应候选商品的商品详情页以及目标商品对应的商品详情页被同时访问的访问次数以及对应的访问时间,处理器执行计算机程序实现上述的根据根据用户浏览数据生成第二参考信息对应的候选商品与目标商品的第一关联度,具体实现以下步骤:
获取当前第二参考信息,当前第二参考信息对应的候选商品作为当前第二候选商品;
获取当前第二候选商品对应的访问次数以及访问时间;
根据各个访问时间与当前时间的间隔天数以及各个访问时间对应的访问次数确定当前第二候选商品与目标商品的第一关联度。
在其中一个实施例中,处理器执行计算机程序实现上述的生成第一推荐列表步骤时,具体实现以下步骤:
根据各个第一候选商品与目标商品的相似度,构建第一参考信息的第一序列,根据第一序列构建第一推荐列表;
处理器执行计算机程序实现上述的根据第一关联度以及各个第二参考信息生成第二推荐列表步骤时,具体实现以下步骤:
根据各个第二参考信息对应候选商品与目标商品的第一关联度,构建各个第二参考信息的第二序列,根据第二序列构建第二推荐列表;
处理器执行计算机程序实现上述的根据第一推荐列表以及第二推荐列表生成第三推荐列表步骤时,具体实现以下步骤:
将第二序列与第一序列进行合并,得到第三序列;
将第三序列中的第一参考信息以及第二参考信息进行去重,根据去重后的第三序列构建第三推荐列表。
在其中一个实施例中,处理器执行计算机程序时,具体还实现以下步骤:
根据用户浏览数据生成各个候选商品与目标商品的第二关联度;
获取最大的第二预设数量个第二关联度,最大的第二预设数量个第二关联度作为目标关联度;
获取各个目标关联度对应的参考信息作为第三参考信息;
将各个第三参考信息与第三推荐列表中的各个第一参考信息进行比对,以获取第三推荐列表中不存在的第三参考信息作为目标商品信息;
根据目标商品信息生成提示信息,将提示信息推送至指定终端。
在其中一个实施例中,处理器执行计算机程序时,具体还实现以下步骤:
接收预设数据库中商品标签的新增请求,新增请求中包括目标标签;
获取目标标签,将目标标签添加至预设数据库中。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取目标商品的第一特征信息以及第二特征信息;从包含多个候选商品的参考信息的预设数据库中获取与第一特征信息匹配的各个候选商品的参考信息,与第一特征信息匹配的参考信息作为第一参考信息,生成第一推荐列表;从预设数据库中获取与第二特征信息匹配的各个候选商品的参考信息,与第二特征信息匹配的参考信息作为第二参考信息;获取目标商品与各个候选商品对应商品详情页的用户浏览数据,根据用户浏览数据生成第二参考信息对应的候选商品与目标商品的第一关联度;根据第一关联度以及第二参考信息生成第二推荐列表;根据第一推荐列表以及第二推荐列表生成第三推荐列表,当接收到终端提交的目标商品的商品推荐请求时,将第三推荐列表发送至终端展示。
在一个实施例中,上述的第一特征信息包括目标商品的商品名称目标商品的商品名称作为第一商品名称,上述的参考信息包括候选商品的商品名称,候选商品的商品名称作为第二商品名称,计算机程序被处理器执行时具体还实现以下步骤:
获取预设数据库中的各个第二商品名称中的基准关键词;
对各个基准关键词进行频次统计得到各基准关键词对应的出现次数;
根据各出现次数构建基准词频表;
计算机程序被处理器执行实现上述的从包含多个候选商品的参考信息的预设数据库中获取与第一特征信息匹配的各个候选商品的参考信息,与第一特征信息匹配的参考信息作为第一参考信息,具体实现以下步骤:
获取当前候选商品的商品名称,当前候选商品的商品名称作为第二商品名称;
对第一商品名称进行分词,并提取第一商品名称中的各个关键词,将第一商品名称中的各个关键词作为第一关键词,得到第一关键词列表;
对第二商品名称进行分词,并提取第二商品名称中的各个关键词,将第二商品名称中的关键词作为第二关键词,得到第二关键词列表;
获取第一关键词列表与第二关键词列表中的各个相同关键词;
根据基准词频表获取各个相同关键词的出现次数;
根据各个相同关键词的出现次数确定目标商品与当前候选商品的相似度,最大的第一预设数量个相似度对应的候选商品作为第一候选商品;
获取各个第一候选商品对应的参考信息,各个第一候选商品对应的参考信息作为第一参考信息。
在其中一个实施例中,上述的第二特征信息包括目标商品商品标签,目标商品商品标签作为第一商品标签,上述的参考信息包括候选商品商品标签,候选商品的商品标签作为第二商品标签,计算机程序被处理器执行实现上述的从预设数据库中获取与第二特征信息匹配的各个候选商品的参考信息,与第二特征信息匹配的参考信息作为第二参考信息,具体实现以下步骤:
将第一商品标签与预设数据库中各个第二商品标签进行匹配;
确定与第一商品标签匹配的各个第二商品标签对应的候选商品,与第一商品标签匹配的各个第二商品标签对应的候选商品作为第二候选商品;
获取各个第二候选商品的参考信息,各个第二候选商品的参考信息作为第二参考信息。
在其中一个实施例中,上述的用户浏览数据包括预设时间段内第二参考信息对应候选商品的商品详情页以及目标商品对应的商品详情页被同时访问的访问次数以及对应的访问时间,计算机程序被处理器执行实现上述的根据根据用户浏览数据生成第二参考信息对应的候选商品与目标商品的第一关联度,具体实现以下步骤:
获取当前第二参考信息,当前第二参考信息对应的候选商品作为当前第二候选商品;
获取当前第二候选商品对应的访问次数以及访问时间;
根据各个访问时间与当前时间的间隔天数以及各个访问时间对应的访问次数确定当前第二候选商品与目标商品的第一关联度。
在其中一个实施例中,计算机程序被处理器执行实现上述的生成第一推荐列表步骤时,具体实现以下步骤:
根据各个第一候选商品与目标商品的相似度,构建第一参考信息的第一序列,根据第一序列构建第一推荐列表;
计算机程序被处理器执行实现上述的根据第一关联度以及各个第二参考信息生成第二推荐列表步骤时,具体实现以下步骤:
根据各个第二参考信息对应候选商品与目标商品的第一关联度,构建各个第二参考信息的第二序列,根据第二序列构建第二推荐列表;
计算机程序被处理器执行实现上述的根据第一推荐列表以及第二推荐列表生成第三推荐列表步骤时,具体实现以下步骤:
将第二序列与第一序列进行合并,得到第三序列;
将第三序列中的第一参考信息以及第二参考信息进行去重,根据去重后的第三序列构建第三推荐列表。
在其中一个实施例中,计算机程序被处理器执行时,具体还实现以下步骤:
根据用户浏览数据生成各个候选商品与目标商品的第二关联度;
获取最大的第二预设数量个第二关联度,最大的第二预设数量个第二关联度作为目标关联度;
获取各个目标关联度对应的参考信息作为第三参考信息;
将各个第三参考信息与第三推荐列表中的各个第一参考信息进行比对,以获取第三推荐列表中不存在的第三参考信息作为目标商品信息;
根据目标商品信息生成提示信息,将提示信息推送至指定终端。
在其中一个实施例中,计算机程序被处理器执行时,具体还实现以下步骤:
接收预设数据库中商品标签的新增请求,新增请求中包括目标标签;
获取目标标签,将目标标签添加至预设数据库中。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、物理分库分表或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM) 或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种商品推荐方法,所述方法包括:
获取目标商品的第一特征信息以及第二特征信息;
从包含多个候选商品的参考信息的预设数据库中获取与所述第一特征信息匹配的各个候选商品的参考信息,与所述第一特征信息匹配的参考信息作为第一参考信息,生成第一推荐列表;
从所述预设数据库中获取与所述第二特征信息匹配的各个候选商品的参考信息,与所述第二特征信息匹配的参考信息作为第二参考信息;
获取所述目标商品与各个候选商品对应商品详情页的用户浏览数据,根据所述用户浏览数据生成所述第二参考信息对应的候选商品与所述目标商品的第一关联度;
根据所述第一关联度以及所述第二参考信息生成第二推荐列表;
根据所述第一推荐列表以及所述第二推荐列表生成第三推荐列表,当接收到终端提交的所述目标商品的商品推荐请求时,将所述第三推荐列表发送至所述终端展示。
2.根据权利要求1所述的方法,其特征在于,所述第一特征信息包括所述目标商品的商品名称,所述目标商品的商品名称作为第一商品名称,所述参考信息包括所述候选商品的商品名称,所述候选商品的商品名称作为第二商品名称,所述方法还包括:
获取所述预设数据库中的各个第二商品名称中的基准关键词;
对各个基准关键词进行频次统计得到各基准关键词对应的出现次数;
根据各出现次数构建基准词频表;
所述从包含多个候选商品的参考信息的预设数据库中获取与所述第一特征信息匹配的各个候选商品的参考信息,与所述第一特征信息匹配的参考信息作为第一参考信息,包括:
获取当前候选商品的商品名称,所述当前候选商品的商品名称作为第二商品名称;
对所述第一商品名称进行分词,并提取所述第一商品名称中的各个关键词,所述第一商品名称中的各个关键词作为第一关键词,得到第一关键词列表;
对所述第二商品名称进行分词,并提取所述第二商品名称中的各个关键词,所述第二商品名称中的关键词作为第二关键词,得到第二关键词列表;
获取所述第一关键词列表与所述第二关键词列表中的各个相同关键词;
根据所述基准词频表获取各个相同关键词的出现次数;
根据各个相同关键词的出现次数确定所述目标商品与所述当前候选商品的相似度,最大的第一预设数量个相似度对应的候选商品作为第一候选商品;
获取各个第一候选商品对应的参考信息,各个第一候选商品对应的参考信息作为第一参考信息。
3.根据权利要求1所述的方法,其特征在于,所述第二特征信息包括所述目标商品商品标签,所述目标商品商品标签作为第一商品标签,所述参考信息包括所述候选商品商品标签,所述候选商品的商品标签作为第二商品标签;
所述从所述预设数据库中获取与所述第二特征信息匹配的各个候选商品的参考信息,与所述第二特征信息匹配的参考信息作为第二参考信息,包括:
将所述第一商品标签与所述预设数据库中各个第二商品标签进行匹配;
确定与所述第一商品标签匹配的各个第二商品标签对应的候选商品,与所述第一商品标签匹配的各个第二商品标签对应的候选商品作为第二候选商品;
获取各个第二候选商品的参考信息,各个第二候选商品的参考信息作为第二参考信息。
4.根据权利要求1所述的方法,其特征在于,所述用户浏览数据包括预设时间段内第二参考信息对应候选商品的商品详情页以及所述目标商品对应的商品详情页被同时访问的访问次数以及对应的访问时间,所述根据所述根据所述用户浏览数据生成第二参考信息对应的候选商品与所述目标商品的第一关联度,包括:
获取当前第二参考信息,当前第二参考信息对应的候选商品作为当前第二候选商品;
获取所述当前第二候选商品对应的访问次数以及访问时间;
根据各个访问时间与当前时间的间隔天数以及各个访问时间对应的访问次数确定所述当前第二候选商品与所述目标商品的第一关联度。
5.根据权利要求2所述的方法,其特征在于,所述生成第一推荐列表,包括:
根据各个第一候选商品与所述目标商品的相似度,构建第一参考信息的第一序列,根据所述第一序列构建所述第一推荐列表;
所述根据所述第一关联度以及各个第二参考信息生成第二推荐列表,包括:
根据各个第二参考信息对应候选商品与所述目标商品的第一关联度,构建各个第二参考信息的第二序列,根据所述第二序列构建所述第二推荐列表;
所述根据所述第一推荐列表以及所述第二推荐列表生成第三推荐列表,包括:
将所述第二序列与所述第一序列进行合并,得到第三序列;
将所述第三序列中的第一参考信息以及第二参考信息进行去重,根据去重后的第三序列构建第三推荐列表。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述用户浏览数据生成各个候选商品与所述目标商品的第二关联度;
获取最大的第二预设数量个第二关联度,最大的第二预设数量个第二关联度作为目标关联度;
获取各个目标关联度对应的参考信息作为第三参考信息;
将各个第三参考信息与所述第三推荐列表中的各个第一参考信息进行比对,以获取所述第三推荐列表中不存在的第三参考信息作为目标商品信息;
根据所述目标商品信息生成提示信息,将所述提示信息推送至指定终端。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
接收所述预设数据库中商品标签的新增请求,所述新增请求中包括目标标签;
获取所述目标标签,将所述目标标签添加至所述预设数据库中。
8.一种商品推荐装置,所述装置包括:
获取模块,用于获取目标商品的第一特征信息以及第二特征信息;
第一匹配模块,用于从包含多个候选商品的参考信息的预设数据库中获取与所述第一特征信息匹配的各个候选商品的参考信息,与所述第一特征信息匹配的参考信息作为第一参考信息,生成第一推荐列表;
第二匹配模块,用于从所述预设数据库中获取与所述第二特征信息匹配的各个候选商品的参考信息,与所述第二特征信息匹配的参考信息作为第二参考信息;
第一生成模块,用于获取所述目标商品与各个候选商品对应商品详情页的用户浏览数据,根据所述用户浏览数据生成所述第二参考信息对应的候选商品与所述目标商品的第一关联度;
第二生成模块,用于根据所述第一关联度以及所述第二参考信息生成第二推荐列表;
发送模块,用于根据所述第一推荐列表以及所述第二推荐列表生成第三推荐列表,当接收到终端提交的所述目标商品的商品推荐请求时,将所述第三推荐列表发送至所述终端展示。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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计算机程序时实现权利要求1至7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权利要求1至7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 |
---|---|---|---|
CN202010005886.4A CN111199428B (zh) | 2020-01-03 | 2020-01-03 | 商品推荐方法、装置、存储介质及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010005886.4A CN111199428B (zh) | 2020-01-03 | 2020-01-03 | 商品推荐方法、装置、存储介质及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111199428A CN111199428A (zh) | 2020-05-26 |
CN111199428B true CN111199428B (zh) | 2022-07-29 |
Family
ID=70746848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010005886.4A Active CN111199428B (zh) | 2020-01-03 | 2020-01-03 | 商品推荐方法、装置、存储介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111199428B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111897861A (zh) * | 2020-06-30 | 2020-11-06 | 苏宁金融科技(南京)有限公司 | 一种内容推荐方法、装置、计算机设备及存储介质 |
CN111523042B (zh) * | 2020-07-03 | 2020-10-23 | 南京梦饷网络科技有限公司 | 用于推荐商品的方法、电子设备和存储介质 |
CN113779369B (zh) * | 2020-07-15 | 2024-05-21 | 北京沃东天骏信息技术有限公司 | 匹配方法、匹配装置、电子设备及存储介质 |
CN111859131B (zh) * | 2020-07-21 | 2021-06-15 | 山东省科院易达科技咨询有限公司 | 一种多约束条件下的个性化信息推荐方法及信息推荐系统 |
CN112116427A (zh) * | 2020-09-22 | 2020-12-22 | 深圳市分期乐网络科技有限公司 | 一种商品推荐方法、装置、电子设备及存储介质 |
CN112116434B (zh) * | 2020-10-06 | 2021-11-16 | 深圳市宝贝团信息技术有限公司 | 基于大数据与电子商城的商品搜索方法、系统及云服务平台 |
CN113744015A (zh) * | 2020-10-20 | 2021-12-03 | 北京沃东天骏信息技术有限公司 | 一种排序方法、装置、设备及计算机存储介质 |
CN112819533A (zh) * | 2021-01-29 | 2021-05-18 | 深圳脉腾科技有限公司 | 信息推送方法、装置、电子设备及存储介质 |
CN112734312B (zh) * | 2021-03-31 | 2021-07-09 | 平安科技(深圳)有限公司 | 一种输出参考数据的方法及计算机设备 |
CN113077319B (zh) * | 2021-04-19 | 2024-07-19 | 北京沃东天骏信息技术有限公司 | 针对微详情页面的动态推荐方法及装置 |
CN113298277A (zh) * | 2021-04-25 | 2021-08-24 | 上海淇玥信息技术有限公司 | 一种基于目标的连续预约信息推送方法、装置及电子设备 |
CN113779390A (zh) * | 2021-08-31 | 2021-12-10 | 北京达佳互联信息技术有限公司 | 商品信息的处理方法、装置、电子设备及存储介质 |
CN113781171A (zh) * | 2021-09-10 | 2021-12-10 | 未鲲(上海)科技服务有限公司 | 信息推送方法、装置、设备及存储介质 |
CN113807921B (zh) * | 2021-09-17 | 2023-11-24 | 深圳市数聚湾区大数据研究院 | 数据商品推荐方法与装置、电子设备及计算机可读存储介质 |
CN116595249B (zh) * | 2023-04-28 | 2024-03-22 | 广东津虹数字科技有限公司 | 个性推荐方法、系统、电子设备以及计算机程序产品 |
CN117273865A (zh) * | 2023-11-14 | 2023-12-22 | 深圳市灵智数字科技有限公司 | 商品推荐方法、装置、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109062994A (zh) * | 2018-07-04 | 2018-12-21 | 平安科技(深圳)有限公司 | 推荐方法、装置、计算机设备和存储介质 |
CN109658198B (zh) * | 2018-12-24 | 2021-09-07 | 维沃移动通信有限公司 | 一种商品推荐方法及移动终端 |
-
2020
- 2020-01-03 CN CN202010005886.4A patent/CN111199428B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111199428A (zh) | 2020-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111199428B (zh) | 商品推荐方法、装置、存储介质及计算机设备 | |
CN108228873B (zh) | 对象推荐、发布内容推送方法、装置、存储介质和设备 | |
CN109446412B (zh) | 基于网页标签的产品数据推送方法、装置、设备及介质 | |
CN111080398B (zh) | 商品推荐方法、装置、计算机设备和存储介质 | |
CN104090919B (zh) | 推荐广告的方法及广告推荐服务器 | |
US10664888B2 (en) | Method and system for attribute extraction from product titles using sequence labeling algorithms | |
CN103886090B (zh) | 基于用户喜好的内容推荐方法及装置 | |
CN109582876B (zh) | 旅游行业用户画像构造方法、装置和计算机设备 | |
US11836778B2 (en) | Product and content association | |
CN110827112B (zh) | 深度学习的商品推荐方法、装置、计算机设备及存储介质 | |
WO2017121272A1 (zh) | 用户行为数据的处理方法及装置 | |
CN103400286A (zh) | 一种基于用户行为进行物品特征标注的推荐系统及方法 | |
JP6976207B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN111310046A (zh) | 对象推荐方法及装置 | |
CN111967914A (zh) | 基于用户画像的推荐方法、装置、计算机设备和存储介质 | |
CN111914188A (zh) | 推荐目标用户的选择方法、系统、设备及存储介质 | |
CN113032668A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
CN112330382B (zh) | 物品推荐方法、装置、计算设备和介质 | |
CN112102002A (zh) | 基于知识图谱的商品推荐方法、装置、计算机和存储介质 | |
US8972436B2 (en) | Translation model and method for matching reviews to objects | |
CN113793161A (zh) | 广告投放方法、广告投放装置、可读存储介质及电子设备 | |
JP5918714B2 (ja) | 文献検索装置、文献検索方法、プログラム、および文献検索システム | |
CN107169837B (zh) | 用于辅助搜索的方法、装置、电子设备及计算机可读介质 | |
KR101990502B1 (ko) | 범용화된 정보 추출 방법 및 이를 적용한 디바이스 | |
US10754862B2 (en) | Method and system for searching a database having data sets |
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 |