CN111652631B - 商品召回方法、装置、电子设备及计算机可读存储介质 - Google Patents
商品召回方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111652631B CN111652631B CN202010520980.3A CN202010520980A CN111652631B CN 111652631 B CN111652631 B CN 111652631B CN 202010520980 A CN202010520980 A CN 202010520980A CN 111652631 B CN111652631 B CN 111652631B
- Authority
- CN
- China
- Prior art keywords
- commodity
- pool
- long
- hot
- tail
- 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
- G06Q30/01—Customer relationship services
- G06Q30/014—Providing recall services for goods or products
Abstract
本发明涉及一种商品召回方法、装置、电子设备及计算机可读存储介质,属于数据处理领域。通过该方法对商品进行召回时,先将全量商品池分为热门商品池以及长尾商品池,然后针对热门商品池采取内容召回策略,针对长尾商品池采取相对于内容召回策略更为简单的召回策略,因此,可以减少进行内容召回的商品的总量,从而可以节约对计算资源以及时间的浪费,减轻计算压力。
Description
技术领域
本申请属于数据处理领域,具体涉及一种商品召回方法、装置、电子设备及计算机可读存储介质。
背景技术
电商网站在制定对商品的推荐方案时,一般分为召回和排序两个阶段。其中,召回阶段需要从海量商品池中筛选出一定数量级的商品(根据不同需要,可以为几十、几百、几千等),这部分商品会进一步送入排序模块进行排序。对商品池进行召回的目的是要尽快地从海量商品池中找到一个尽可能覆盖用户需求的少量商品池,以减轻后续排序模块的压力,因此,对召回阶段而言,有“准”和“快”两方面的需求。
目前,常用的召回技术为基于内容的召回,其思路是对商品的内容(如图片、商品名、价格等属性)进行编码,并计算其相似度。在召回时,可以选择用户感兴趣商品的相似商品进行召回。但由于电商网站中往往存在海量商品,若依次对这些商品进行特征抽取、商品相似度计算,则会对计算资源、计算时间造成没必要的浪费,不符合召回阶段所要求的“快”的需求。
发明内容
有鉴于此,本申请的目的在于提供一种商品召回方法、装置、电子设备及计算机可读存储介质,减少在召回阶段对计算资源、计算时间的浪费。
本申请的实施例是这样实现的:
第一方面,本申请实施例提供一种商品召回方法,所述方法包括:根据预设规则对全量商品池进行细分,得到热门商品池及长尾商品池;从用户的购物记录中确定出小众商品;通过内容召回的方式,从所述热门商品池中确定与所述购物记录所包括的商品的相似度满足预设条件的待召回热门商品;从所述长尾商品池中确定与所述小众商品类别对应的待召回长尾商品;将所述待召回热门商品及所述待召回长尾商品确定为待召回商品。上述过程在对商品进行召回时,可以减少进行内容召回的商品的总量,从而可以节约对计算资源以及时间的浪费,减轻计算压力。
结合第一方面实施例,在一种可能的实施方式中,所述从所述长尾商品池中确定与所述小众商品类别对应的待召回长尾商品,包括:从所述长尾商品池中随机挑选预设数量的与所述小众商品类别一致的商品,并确定为所述待召回长尾商品。
结合第一方面实施例,在一种可能的实施方式中,所述根据预设规则对全量商品池进行细分,得到热门商品池及长尾商品池,包括:针对所述全量商品池中每个类别所包括的商品,根据与其对应的关注量,将所述每个类别所包括的商品分为长尾商品及热门商品;将所述全量商品池中所有类别对应的热门商品聚合为所述热门商品池,将所述全量商品池中所有类别对应的长尾商品聚合为所述长尾商品池。
结合第一方面实施例,在一种可能的实施方式中,所述根据用户对其的关注量,将所述每个类别所包括的商品分为长尾商品及热门商品,包括:将所述每个类别所包括的商品中,销量排列在前预设名次的商品确定为与该类别对应的热门商品,将剩余的商品确定为与该类别对应的长尾商品。
结合第一方面实施例,在一种可能的实施方式中,所述根据预设规则对全量商品池进行细分,得到热门商品池及长尾商品池,包括:针对所述全量商品池中的每个商品,将与其对应的关注量大于阈值的商品确定为热门商品,将所述全量商品池中除去所述热门商品之外的剩余商品确定为长尾商品;其中,所述热门商品聚合成为所述热门商品池,所述长尾商品聚合成为所述长尾商品池。
第二方面,本申请实施例提供一种商品召回装置,所述装置包括划分模块以及确定模块。所述划分模块,用于根据预设规则对全量商品池进行细分,得到热门商品池及长尾商品池;所述确定模块,用于从用户的购物记录中确定出小众商品;所述确定模块,还用于通过内容召回的方式,从所述热门商品池中确定与所述购物记录所包括的商品的相似度满足预设条件的待召回热门商品;所述确定模块,还用于从所述长尾商品池中确定与所述小众商品类别对应的待召回长尾商品;所述确定模块,还用于将所述待召回热门商品及所述待召回长尾商品确定为待召回商品。
结合第二方面实施例,在一种可能的实施方式中,所述确定模块,用于从所述长尾商品池中随机挑选预设数量的与所述小众商品类别一致的商品,并确定为所述待召回长尾商品。
结合第二方面实施例,在一种可能的实施方式中,所述划分模块,用于针对所述全量商品池中每个类别所包括的商品,根据与其对应的关注量,将所述每个类别所包括的商品分为长尾商品及热门商品;将所述全量商品池中所有类别对应的热门商品聚合为所述热门商品池,将所述全量商品池中所有类别对应的长尾商品聚合为所述长尾商品池。
结合第二方面实施例,在一种可能的实施方式中,所述确定模块,还用于将所述每个类别所包括的商品中,销量排列在前预设名次的商品确定为与该类别对应的热门商品,将剩余的商品确定为与该类别对应的长尾商品。
结合第二方面实施例,在一种可能的实施方式中,所述划分模块,用于针对所述全量商品池中的每个商品,将与其对应的关注量大于阈值的商品确定为热门商品,将所述全量商品池中除去所述热门商品之外的剩余商品确定为长尾商品。
第三方面,本申请实施例还提供一种电子设备包括:存储器和处理器,所述存储器和所述处理器连接;所述存储器用于存储程序;所述处理器调用存储于所述存储器中的程序,以执行上述第一方面实施例和/或结合第一方面实施例的任一种可能的实施方式提供的方法。
第四方面,本申请实施例还提供一种非易失性计算机可读取存储介质(以下简称计算机可读存储介质),其上存储有计算机程序,所述计算机程序被计算机运行时执行上述第一方面实施例和/或结合第一方面实施例的任一种可能的实施方式提供的方法。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例而了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。通过附图所示,本申请的上述及其他目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图,重点在于示出本申请的主旨。
图1示出本申请实施例提供的一种商品召回方法的流程图。
图2示出本申请实施例提供的一种商品召回装置的结构框图。
图3示出本申请实施例提供的一种电子设备的结构示意图。
标号:100-电子设备;110-处理器;120-存储器;400-商品召回装置;410-划分模块;420-确定模块。
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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中诸如“第一”、“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。而且,术语“包括”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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
再者,本申请中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
此外,针对现有技术中基于内容召回技术为基础的召回方案出现的缺陷(对计算资源、计算时间造成没必要的浪费)是申请人在经过实践并仔细研究后得出的结果,因此,上述缺陷的发现过程以及在下文中本申请实施例针对上述缺陷所提出的解决方案,都应该是申请人在本申请过程中对本申请做出的贡献。
为了解决上述问题,本申请实施例提供一种商品召回方法、装置、电子设备及计算机可读存储介质,可以减少在召回阶段对计算资源、计算时间的浪费。
该技术可采用相应的软件、硬件以及软硬结合的方式实现。以下对本申请实施例进行详细介绍。
下面将针对本申请所提供的商品召回方法进行介绍。
请参阅图1,本申请实施例提供一种应用于电商平台的商品召回方法。下面将结合图1对其所包含的步骤进行说明。
步骤S110:根据预设规则对全量商品池进行细分,得到热门商品池及长尾商品池。
其中,全量商品池保存在与电商平台对应的本地数据库或者网络数据库中,全量商品池内包括电商平台所统计到的所有在售的商品的数据。
可选的,针对每种商品,在数据库内保存有与之对应的属性信息,属性信息可以包括商品的价格区间、商品所属的类别(例如鞋、连衣裙、钢琴、手鼓)等。
在本申请实施例中,为了节约商品召回时所耗费的计算资源以及时间,预先对全量商品池中的所有商品进行分类,以便将全量商品池划分为热门商品池及长尾商品池,以及后续分别对热门商品池及长尾商品池采取不同的商品召回策略。其中,热门商品池中的商品为热门商品,长尾商品池中的商品为长尾商品。
值得指出的是,“热门”和“长尾”是根据商品的售卖情况而确定的一对相对概念。商品售卖情况可以根据大众对商品的关注量来衡量,其中,大众对商品的关注量可以包括商品的销量、商品的点击量、商品的收藏率等至少一项指标。为了便于理解,于本申请后续实施例中,以商品的销量为例来衡量商品的售卖情况。其中,可以理解,以商品的销量为例来衡量商品的售卖情况并不对本申请实施例造成任何限制,在其他实施例中,还可以以其他指标来衡量商品的售卖情况。
在一种可选的实施方式中,可以根据大众对商品的关注量(此处以商品的销量来反应),将全量商品池中每个类别所包括的商品分为长尾商品及热门商品,然后将与全量商品池中所有类别对应的热门商品加入到热门商品池,将与全量商品池中所有类别对应的长尾商品加入到长尾商品池。
其中,可选的,针对每个类别所包括的商品,可以将销量排列在前预设名次(例如前二十名)的商品确定为与该类别对应的热门商品,将剩余的商品确定为与该类别对应的长尾商品。例如,在“连衣裙”这个类别的商品里,销量排名前二十的商品属于热门商品,销量排在前二十名以后的商品属于长尾商品(没什么人买的商品)。其中,导致长尾商品的因素可能有性价比不高、不包邮、店家营销策略不好等。
在另一种可选的实施方式中,针对全量商品池中的每个商品,可以将与其对应的关注量(此处以商品的销量来反应)大于阈值(阈值的大小根据实际情况而定)的商品确定为热门商品,并将全量商品池中除去热门商品之外的剩余商品确定为长尾商品。然后将筛选出的热门商品加入到热门商品池,将筛选出的长尾商品加入到长尾商品池。其中,所有热门商品聚合成为热门商品池,所有长尾商品聚合成为长尾商品池。
步骤S120:从用户的购物记录中确定出小众商品。
此外,值得指出的是,在本申请实施例中,还存在“大众”与“小众”这一对相对概念。其中,“大众”与“小众”根据商品自身的类别属性而确定,例如,连衣裙、鞋属于大众商品,即大部分用户都会关注的商品,竖琴,非洲手鼓属于小众商品,即小部分用户才会关注的商品。当然,在电商平台的数据库内保存的与商品对应的属性信息中,还包括用于表征商品属于大众商品还是属于小众商品的标识,该标识由电商平台方预先进行标注。
当电商平台需要针对某个用户进行商品召回时,可以先获取该用户的购物记录。当然,作为一种可选的实施方式,在获取该用户的购物记录时,可以获取与该用户对应的所有购物记录;作为另一种可选的实施方式,可以获取与该用户对应的近期内(例如近六个月)的购物记录。
在获取到该用户的购物记录后,可以根据购物记录中的商品的属性信息,从购物记录中确定出与该用户对应的小众商品。
步骤S130:通过内容召回的方式,从所述热门商品池中确定与所述购物记录所包括的商品的相似度满足预设条件的待召回热门商品。
前文中提及,在本申请实施例中针对不同的商品池,需要采用不同的召回策略。其中,针对热门商品池而言,采用内容召回的方式进行召回。
下面将对内容召回的方式进行介绍。
在进行内容召回时,存在待召回池。可以先针对待召回池中的每个商品进行商品向量抽取。其中,商品向量包括结构化向量(主要包括商品的品牌、价格等属性)以及非结构化向量(主要针对商品名、商品配图等属性)。针对结构化向量,可以采用文本特征提取法(例如One-hot)进行抽取,针对非结构化向量,可以采用深度学习图像特征提取、word2vec自然语言向量提取等方法进行抽取。
在得到待召回池中每个商品的商品向量后,当电商平台需要针对某个用户进行商品召回时,可以根据该用户的购物记录,得到用于表征该用户的兴趣偏好的商品向量集合。后续,计算待召回池中每个商品的商品向量与该用户的商品向量集合的相似度,并将相似度达到预设条件(例如相似度大于75%,且小于100%)的商品确定为待召回商品。
于本申请实施例中,由于热门商品池所采用的召回策略为内容召回,因此,热门商品池即为上文中所述的待召回池。
步骤S140:从所述长尾商品池中确定与所述小众商品类别对应的待召回长尾商品。
在现有技术中通过内容召回的方式针对某个用户进行商品召回时,未对全量商品池进行分池处理,其待召回池为全量商品池,即需要分别对全量商品池中的每个商品计算商品向量,然后将每个商品的商品向量与该用户的商品向量集合计算相似度,该过程极其耗费计算资源以及时间。然而,由于长尾商品池中的商品本身属于大众关注量较低的商品,用户对长尾商品池中的商品感兴趣的可能性也较小,因此,现有技术中通过内容召回的方式对商品进行召回时,针对长尾商品池所消耗的计算资源以及时间存在不必要的浪费。
为了解决上述问题,在本申请实施例中,当电商平台需要针对某个用户进行商品召回时,针对长尾商品池中的商品,不再采用内容召回的方式,而是根据该用户的购物记录所确定的小众商品所属的类别,采用相对于内容召回的方式更为简单的召回策略,以减少长尾商品池中的商品在被召回时对计算资源以及时间的浪费。
其中,根据用户的购物记录确定出的每个小众商品都有对应的类别(例如钢琴、手鼓等),在得到与用户的购物记录对应的每个小众商品对应的类别后,可以从长尾商品池中确定出与上述小众商品对应的类别对应的待召回长尾商品。例如在一种可选的实施方式中,可以从长尾商品池中随机挑选预设数量的与各小众商品类别一致的商品,并确定为待召回长尾商品。
其中,采用相对于内容召回的方式更为简单的召回方式对长尾商品池中的商品进行召回时,不仅可以节约计算资源以及时间,对用户而言,还可以保证召回的商品的新颖度。
当然,若与用户对应的购物记录所包括的商品中不包括小众商品,那么可以省略步骤S140,针对现有技术而言,直接省去长尾商品池中的商品在被召回时对计算资源以及时间的消耗。
步骤S150:将所述待召回热门商品及所述待召回长尾商品确定为待召回商品。
本申请实施例所提供的一种商品召回方法,在对商品进行召回时,先将全量商品池分为热门商品池以及长尾商品池,然后针对热门商品池采取内容召回策略,针对长尾商品池采取相对于内容召回策略更为简单的召回策略,因此,可以减少进行内容召回的商品的总量,从而可以节约对计算资源以及时间的浪费,减轻计算压力。
如图2所示,本申请实施例还提供一种商品召回装置400,商品召回装置400可以包括:划分模块410以及确定模块420。
划分模块410,用于根据预设规则对全量商品池进行细分,得到热门商品池及长尾商品池;
确定模块420,用于从用户的购物记录中确定出小众商品;所述确定模块,还用于通过内容召回的方式,从所述热门商品池中确定与所述购物记录所包括的商品的相似度满足预设条件的待召回热门商品;
确定模块420,还用于从所述长尾商品池中确定与所述小众商品类别对应的待召回长尾商品;
确定模块420,还用于将所述待召回热门商品及所述待召回长尾商品确定为待召回商品。
可选的,在一种可能的实施方式中,确定模块420,用于从所述长尾商品池中随机挑选预设数量的与所述小众商品类别一致的商品,并确定为所述待召回长尾商品。
可选的,在一种可能的实施方式中,划分模块410,用于针对所述全量商品池中每个类别所包括的商品,根据与其对应的关注量,将所述每个类别所包括的商品分为长尾商品及热门商品;将所述全量商品池中所有类别对应的热门商品聚合为所述热门商品池,将所述全量商品池中所有类别对应的长尾商品聚合为所述长尾商品池。
可选的,在一种可能的实施方式中,确定模块420,还用于将所述每个类别所包括的商品中,销量排列在前预设名次的商品确定为与该类别对应的热门商品,将剩余的商品确定为与该类别对应的长尾商品。
可选的,在一种可能的实施方式中,划分模块410,用于针对所述全量商品池中的每个商品,将与其对应的关注量大于阈值的商品确定为热门商品,将所述全量商品池中除去所述热门商品之外的剩余商品确定为长尾商品。其中,所述热门商品聚合成为所述热门商品池,所述长尾商品聚合成为所述长尾商品池。
本申请实施例所提供的商品召回装置400,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
此外,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被计算机运行时,执行如上述的商品召回方法所包含的步骤。
此外,请参看图3,本发明实施例还提供一种电子设备100,用于实现本申请实施例的商品召回方法、装置。
可选的,电子设备100,可以是,但不限于个人电脑(Personal computer,PC)、智能手机、平板电脑、个人数字助理、服务器等设备。
其中,电子设备100可以包括处理器110、存储器120。
应当注意,图3所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,电子设备100也可以具有其他组件和结构。例如,
处理器110、存储器120以及其他可能出现于电子设备100的组件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,处理器110、存储器120以及其他可能出现的组件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
存储器120用于存储程序,例如存储有后文出现的商品召回方法对应的程序或者后文出现的商品召回装置。可选的,当存储器120内存储有商品召回装置时,商品召回装置包括至少一个可以以软件或固件(firmware)的形式存储于存储器120中的软件功能模块。
可选的,商品召回装置所包括软件功能模块也可以固化在电子设备100的操作系统(operating system,OS)中。
处理器110用于执行存储器120中存储的可执行模块,例如商品召回装置包括的软件功能模块或计算机程序。当处理器110在接收到执行指令后,可以执行计算机程序,例如执行:根据预设规则对全量商品池进行细分,得到热门商品池及长尾商品池;从用户的购物记录中确定出小众商品;通过内容召回的方式,从所述热门商品池中确定与所述购物记录所包括的商品的相似度满足预设条件的待召回热门商品;从所述长尾商品池中确定与所述小众商品类别对应的待召回长尾商品;将所述待召回热门商品及所述待召回长尾商品确定为待召回商品。
当然,本申请任一实施例所揭示的方法都可以应用于处理器110中,或者由处理器110实现。
综上所述,本发明实施例提出的商品召回方法、装置、电子设备及计算机可读存储介质,在对商品进行召回时,先将全量商品池分为热门商品池以及长尾商品池,然后针对热门商品池采取内容召回策略,针对长尾商品池采取相对于内容召回策略更为简单的召回策略,因此,可以减少进行内容召回的商品的总量,从而可以节约对计算资源以及时间的浪费,减轻计算压力。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其他的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,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。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,笔记本电脑,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种商品召回方法,其特征在于,所述方法包括:
根据预设规则对全量商品池进行细分,得到热门商品池及长尾商品池;其中:所述热门商品池由热门商品聚合得到,所述长尾商品池由长尾商品聚合得到;所述热门商品为所述全量商品池中关注量大于阈值的商品,或者所述热门商品为所述全量商品池中销量排列在前预设名次的商品;所述长尾商品为所述全量商品池中除所述热门商品外的剩余的商品;
从用户的购物记录中确定出小众商品;
通过内容召回的方式,从所述热门商品池中确定与所述购物记录所包括的商品的相似度满足预设条件的待召回热门商品;
从所述长尾商品池中确定与所述小众商品类别对应的待召回长尾商品;
将所述待召回热门商品及所述待召回长尾商品确定为待召回商品。
2.根据权利要求1所述的方法,其特征在于,所述从所述长尾商品池中确定与所述小众商品类别对应的待召回长尾商品,包括:
从所述长尾商品池中随机挑选预设数量的与所述小众商品类别一致的商品,并确定为所述待召回长尾商品。
3.根据权利要求1所述的方法,其特征在于,所述根据预设规则对全量商品池进行细分,得到热门商品池及长尾商品池,包括:
针对所述全量商品池中每个类别所包括的商品,根据与其对应的关注量,将所述每个类别所包括的商品分为长尾商品及热门商品;
将所述全量商品池中所有类别对应的热门商品聚合为所述热门商品池,将所述全量商品池中所有类别对应的长尾商品聚合为所述长尾商品池。
4.根据权利要求3所述的方法,其特征在于,所述根据用户对其的关注量,将所述每个类别所包括的商品分为长尾商品及热门商品,包括:
将所述每个类别所包括的商品中,销量排列在前预设名次的商品确定为与该类别对应的热门商品,将剩余的商品确定为与该类别对应的长尾商品。
5.根据权利要求1所述的方法,其特征在于,所述根据预设规则对全量商品池进行细分,得到热门商品池及长尾商品池,包括:
针对所述全量商品池中的每个商品,将与其对应的关注量大于阈值的商品确定为热门商品,将所述全量商品池中除去所述热门商品之外的剩余商品确定为长尾商品;
其中,所述热门商品聚合成为所述热门商品池,所述长尾商品聚合成为所述长尾商品池。
6.一种商品召回装置,其特征在于,所述装置包括:
划分模块,用于根据预设规则对全量商品池进行细分,得到热门商品池及长尾商品池;其中:所述热门商品池由热门商品聚合得到,所述长尾商品池由长尾商品聚合得到;所述热门商品为所述全量商品池中关注量大于阈值的商品,或者所述热门商品为所述全量商品池中销量排列在前预设名次的商品;所述长尾商品为所述全量商品池中除所述热门商品外的剩余的商品;
确定模块,用于从用户的购物记录中确定出小众商品;
所述确定模块,还用于通过内容召回的方式,从所述热门商品池中确定与所述购物记录所包括的商品的相似度满足预设条件的待召回热门商品;
所述确定模块,还用于从所述长尾商品池中确定与所述小众商品类别对应的待召回长尾商品;
所述确定模块,还用于将所述待召回热门商品及所述待召回长尾商品确定为待召回商品。
7.根据权利要求6所述的装置,其特征在于,所述确定模块,用于从所述长尾商品池中随机挑选预设数量的与所述小众商品类别一致的商品,并确定为所述待召回长尾商品。
8.根据权利要求6所述的装置,其特征在于,所述划分模块,用于针对所述全量商品池中每个类别所包括的商品,根据与其对应的关注量,将所述每个类别所包括的商品分为长尾商品及热门商品;将所述全量商品池中所有类别对应的热门商品聚合为所述热门商品池,将所述全量商品池中所有类别对应的长尾商品聚合为所述长尾商品池。
9.一种电子设备,其特征在于,包括:存储器和处理器,所述存储器和所述处理器连接;
所述存储器用于存储程序;
所述处理器调用存储于所述存储器中的程序,以执行如权利要求1-5中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被计算机运行时执行如权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010520980.3A CN111652631B (zh) | 2020-06-09 | 2020-06-09 | 商品召回方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010520980.3A CN111652631B (zh) | 2020-06-09 | 2020-06-09 | 商品召回方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652631A CN111652631A (zh) | 2020-09-11 |
CN111652631B true CN111652631B (zh) | 2023-06-06 |
Family
ID=72348641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010520980.3A Active CN111652631B (zh) | 2020-06-09 | 2020-06-09 | 商品召回方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652631B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730336A (zh) * | 2016-08-12 | 2018-02-23 | 苏宁云商集团股份有限公司 | 一种在线交易中的商品推送方法及装置 |
CN110197404A (zh) * | 2019-06-12 | 2019-09-03 | 合肥工业大学 | 可降低流行度偏差的个性化长尾商品推荐方法和系统 |
CN110990695A (zh) * | 2019-11-22 | 2020-04-10 | 厦门美柚股份有限公司 | 推荐系统内容召回方法及装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8036914B1 (en) * | 2009-02-19 | 2011-10-11 | Mckesson Financial Holdings Limited | Systems and methods for supporting drug or product recalls |
US8364810B2 (en) * | 2009-11-06 | 2013-01-29 | Research In Motion Limited | Method, system and apparatus for management of push content when changing computing devices |
CN102446180B (zh) * | 2010-10-09 | 2016-03-02 | 北京京东尚科信息技术有限公司 | 一种商品搜索方法及其装置 |
US20170236127A1 (en) * | 2015-08-17 | 2017-08-17 | Acxiom Corporation | Automotive Recall System and Method |
CN105279262A (zh) * | 2015-10-23 | 2016-01-27 | 浪潮(北京)电子信息产业有限公司 | 一种基于云计算的数据处理方法、系统及服务器 |
CN106503233A (zh) * | 2016-11-03 | 2017-03-15 | 北京挖玖电子商务有限公司 | 热门搜索词推荐系统 |
CN109214886B (zh) * | 2018-08-14 | 2023-09-22 | 平安科技(深圳)有限公司 | 商品推荐方法、系统及存储介质 |
CN110335123B (zh) * | 2019-07-11 | 2021-12-07 | 创新奇智(合肥)科技有限公司 | 基于社交电商平台的商品推荐方法、系统、计算机可读介质以及装置 |
CN111046224B (zh) * | 2019-12-02 | 2023-04-07 | 上海麦克风文化传媒有限公司 | 一种音频产品的实时召回方法 |
CN110941762B (zh) * | 2019-12-02 | 2024-01-30 | 上海麦克风文化传媒有限公司 | 一种个性化推荐系统排序结果的改进方法 |
CN111161021B (zh) * | 2019-12-23 | 2021-10-08 | 叮当快药科技集团有限公司 | 基于实时特征的推荐商品的快速二次排序方法 |
CN111325609A (zh) * | 2020-02-28 | 2020-06-23 | 京东数字科技控股有限公司 | 一种商品推荐列表确定方法、装置、电子设备及存储介质 |
CN114077905A (zh) * | 2021-11-17 | 2022-02-22 | 南京希音电子商务有限公司 | 一种基于优先队列的商品召回方法、装置和存储介质 |
-
2020
- 2020-06-09 CN CN202010520980.3A patent/CN111652631B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730336A (zh) * | 2016-08-12 | 2018-02-23 | 苏宁云商集团股份有限公司 | 一种在线交易中的商品推送方法及装置 |
CN110197404A (zh) * | 2019-06-12 | 2019-09-03 | 合肥工业大学 | 可降低流行度偏差的个性化长尾商品推荐方法和系统 |
CN110990695A (zh) * | 2019-11-22 | 2020-04-10 | 厦门美柚股份有限公司 | 推荐系统内容召回方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111652631A (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102433722B1 (ko) | 정보를 추천하는 방법, 장치, 기기 및 저장 매체 | |
CN109657138B (zh) | 一种视频推荐方法、装置、电子设备及存储介质 | |
US7805431B2 (en) | System and method for generating a display of tags | |
US11157972B2 (en) | Document term recognition and analytics | |
JP2014508333A (ja) | ウェブサイト横断情報を表示する方法およびシステム | |
CN107016587B (zh) | 一种个性化页面推送方法及装置 | |
CN111061979B (zh) | 一种用户标签的推送方法、装置、电子设备和介质 | |
JP2017054214A (ja) | 判定装置、学習装置、情報配信装置、判定方法及び判定プログラム | |
CN111966886A (zh) | 对象推荐方法、对象推荐装置、电子设备及存储介质 | |
CN111666275A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN111582932A (zh) | 场景间信息推送方法、装置、计算机设备及存储介质 | |
CN111429161B (zh) | 特征提取方法、特征提取装置、存储介质及电子设备 | |
CN111611496A (zh) | 产品推荐方法及其装置 | |
CN111178972A (zh) | 消息推送方法、装置、存储介质及设备 | |
US20220114624A1 (en) | Digital Content Text Processing and Review Techniques | |
CN113327132A (zh) | 多媒体推荐方法、装置、设备及存储介质 | |
CN113298145A (zh) | 标签填充方法及装置 | |
CN112036987B (zh) | 确定推荐商品的方法和装置 | |
CN113327151A (zh) | 商品对象推荐方法、装置、计算机设备及存储介质 | |
CN111652631B (zh) | 商品召回方法、装置、电子设备及计算机可读存储介质 | |
GB2608112A (en) | System and method for providing media content | |
CN108182608B (zh) | 电子装置、产品推荐方法和计算机可读存储介质 | |
JP7410209B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP7401588B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
CN110955823B (zh) | 信息推荐方法、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 |