CN112102002A - 基于知识图谱的商品推荐方法、装置、计算机和存储介质 - Google Patents
基于知识图谱的商品推荐方法、装置、计算机和存储介质 Download PDFInfo
- Publication number
- CN112102002A CN112102002A CN202010976583.7A CN202010976583A CN112102002A CN 112102002 A CN112102002 A CN 112102002A CN 202010976583 A CN202010976583 A CN 202010976583A CN 112102002 A CN112102002 A CN 112102002A
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- knowledge graph
- clicked
- purchase
- 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 36
- 238000004590 computer program Methods 0.000 claims description 24
- 230000002596 correlated effect Effects 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于知识图谱的商品推荐方法、装置、计算机和存储介质,该方法包括获取用户点击的第一商品;根据用户点击的第一商品,构建或更新用户的知识图谱,知识图谱记录了用户对至少一个商品的点击路径;获取与知识图谱的点击路径匹配的历史点击路径;获取历史点击路径中被购买的第二商品;将第二商品推送至用户。根据用户的点击商品的顺序,从预存的历史的用户点击路径获取到与用户点击商品的顺序匹配的历史点击路径,实现对用户点击商品进行预测,将历史点击路径中被购买的商品推送至用户,从而无需进行模型的构建,有效节省了计算资源的消耗,且降低运算开销,能够实现快速匹配用户的行为点击行为并为用户推送商品。
Description
技术领域
本发明涉及商品推荐技术领域,特别涉及一种基于知识图谱的商品推荐方法、装置、计算机和存储介质。
背景技术
随着互联网、移动互联网经济的不断发展,电商在人群中得到广泛普及,商品推荐是留住用户重要的一环,大量电商平台都需要开发推荐系统服务用户商品推荐,商品推荐准确高,则可提高用户的购买率以及提高用户的忠诚度。如何为用户精准推荐商品、内容,成了各大互联网企业关注的问题。
传统的推荐系统,大部分使用无监督方式加上人为自定规则,给予用户推荐商品,当用户量以及商品品类较大时,容易因为计算量大造成系统计算延迟或者系统崩溃。
发明内容
基于此,有必要针对上述技术问题,提供一种基于知识图谱的商品推荐方法、装置、计算机和存储介质。
一种基于知识图谱的商品推荐方法,包括:
获取用户点击的第一商品;
根据所述用户点击的所述第一商品,构建或更新所述用户的知识图谱,所述知识图谱记录了所述用户对至少一个商品的点击路径;
获取与所述知识图谱的点击路径匹配的历史点击路径;
获取所述历史点击路径中被购买的第二商品;
将所述第二商品推送至所述用户。
在其中一个实施例中,所述获取与所述知识图谱的点击路径匹配的历史点击路径的步骤包括:
获取多个待选的历史点击路径;
获取各待选的历史点击路径中的依次被点击的若干个商品;
获取所述知识图谱的点击路径中依次被点击的至少一个商品;
对所述知识图谱的点击路径中依次被点击的至少一个商品与各待选的历史点击路径中的依次被点击的若干个商品一一进行对比;
当所述知识图谱的点击路径中依次被点击的至少一个商品和历史点击路径中的依次被点击的若干个商品一一匹配时,从各待选的历史点击路径中,提取出所述历史点击路径。
在其中一个实施例中,所述将所述第二商品推送至所述用户的步骤之后还包括:
检测所述用户是否点击被推送的所述第二商品;
当所述用户点击被推送的所述第二商品时,根据所述第二商品更新所述用户的知识图谱,返回执行所述获取与所述知识图谱的点击路径匹配的历史点击路径的步骤。
在其中一个实施例中,所述检测所述用户是否点击被推送的所述第二商品的步骤之后还包括:
当所述用户未点击被推送的所述第二商品时,获取用户在所述第一商品后点击的第三商品;
根据所述第三商品更新所述用户的知识图谱,返回执行所述获取与所述知识图谱的点击路径匹配的历史点击路径的步骤。
在其中一个实施例中,所述获取所述历史点击路径中被购买的第二商品的步骤包括:
当与所述知识图谱的点击路径匹配的历史点击路径为多个时,分别获取各所述历史点击路径的第二商品的购买排序;
获取购买排序最高的所述第二商品;
所述将所述第二商品推送至所述用户的步骤包括:
将购买排序最高的所述第二商品推送至所述用户。
在其中一个实施例中,所述购买排序与以下的至少一种参数正相关:
所述第二商品的购买概率、所述第二商品的购买比例、所述第二商品的购买量、所述第二商品的被点击次数、所述第二商品的被点击的频率以及所述第二商品的购买时间;
其中,所述第二商品的购买概率越高,所述购买排序越高;所述第二商品的购买比例越高,所述购买排序越高;所述第二商品的购买量越大,所述购买排序越高;所述第二商品的被点击次数越大,所述购买排序越高;所述第二商品的被点击的频率越高,所述购买排序越高;所述第二商品的购买时间与当前时间越近,所述购买排序越高。
在其中一个实施例中,所述根据所述用户点击的所述第一商品,构建或更新所述用户的知识图谱的步骤包括:
当所述第一商品为所述用户点击的第一个商品时,根据所述第一商品构建所述知识图库;
当所述第一商品为所述用户点击的至少第二个商品时,根据所述第一商品更新所述知识图库。
一种基于知识图谱的商品推荐装置,包括:
第一商品获取模块,用于获取用户点击的第一商品;
知识图谱构建模块,用于根据所述用户点击的所述第一商品,构建或更新所述用户的知识图谱,所述知识图谱记录了所述用户对至少一个商品的点击路径;
历史点击路径获取模块,用于获取与所述知识图谱的点击路径匹配的历史点击路径;
第二商品获取模块,用于获取所述历史点击路径中被购买的第二商品;
推送模块,用于将所述第二商品推送至所述用户。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
获取用户点击的第一商品;
根据所述用户点击的所述第一商品,构建或更新所述用户的知识图谱,所述知识图谱记录了所述用户对至少一个商品的点击路径;
获取与所述知识图谱的点击路径匹配的历史点击路径;
获取所述历史点击路径中被购买的第二商品;
将所述第二商品推送至所述用户。
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以下步骤:
获取用户点击的第一商品;
根据所述用户点击的所述第一商品,构建或更新所述用户的知识图谱,所述知识图谱记录了所述用户对至少一个商品的点击路径;
获取与所述知识图谱的点击路径匹配的历史点击路径;
获取所述历史点击路径中被购买的第二商品;
将所述第二商品推送至所述用户。
上述基于知识图谱的商品推荐方法、装置、计算机和存储介质,根据用户的点击商品的顺序,从预存的历史的用户点击路径获取到与用户点击商品的顺序匹配的历史点击路径,实现对用户点击商品进行预测,将历史点击路径中被购买的商品推送至所述用户,从而无需进行模型的构建,有效节省了计算资源的消耗,且降低运算开销,能够实现快速匹配用户的行为点击行为并为用户推送商品。
附图说明
图1为一个实施例中基于知识图谱的商品推荐方法的应用场景示意图;
图2为一个实施例中基于知识图谱的商品推荐方法的流程示意图;
图3为一个实施例中基于知识图谱的商品推荐装置的结构框图;
图4为一个实施例中计算机设备的内部结构图;
图5为一个实施例中的基于知识图谱的商品推荐方法实施过程示意图;
图6A为一个实施例中的构建知识图谱的过程示意图;
图6B为一个实施例中的更新知识图谱的过程示意图;
图7为一个实施例中的点击路径匹配过程的示意图。
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。
实施例一
本申请提供的基于知识图谱的商品推荐方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104通过网络进行通信。其中,终端102可以但不限于是各种个人计算机、服务器、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104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102通过浏览器、APP应用程序或者小程序访问服务器,浏览服务器提供的商品页面,并点击浏览商品,服务器104获取用户点击的第一商品;根据所述用户点击的所述第一商品,构建或更新所述用户的知识图谱,所述知识图谱记录了所述用户对至少一个商品的点击路径;获取与所述知识图谱的点击路径匹配的历史点击路径;获取所述历史点击路径中被购买的第二商品;将所述第二商品推送至所述用户,即推送至所述用户的终端102。
应该理解的是,本申请中,各实施例中所述的商品,可以是电商平台上销售的货品,也可以是内容,内容作为商品,能够被用户购买,并且能够被推送。该内容包括视频、书籍、文章、短视频、图像等。
实施例二
本实施例中,如图2所示,提供了一种基于知识图谱的商品推荐方法,其包括:
步骤210,获取用户点击的第一商品。
本步骤中,对用户浏览商品的行为进行检测,当检测到用户对商品进行点击,进入商品的浏览页面时,获取该用户点击的商品,该商品即为第一商品。
步骤220,根据所述用户点击的所述第一商品,构建或更新所述用户的知识图谱,所述知识图谱记录了所述用户对至少一个商品的点击路径。
本实施例中,如图6A所示,知识图谱为以用户为目标,点击次数为边,被点击的商品为点的知识图谱。请结合图6A至图6B,在用户点击第一个商品时,构建以用户为目标,点击次数为边,被点击的商品为点的知识图谱,如图6A中,边为“第一次点击”,六边形的图形为商品A;在用户点击第二个或第二个以后的商品时,通过与边将相邻两次被点击的商品的点连接,如图6B所示,在商品A之后,通过“第二次点击”的边与商品B连接,从而更新该知识图谱,实现对用户行为的记录。
本实施例中,商品的点击路径可以理解为用户对商品的点击顺序,其记录了用户点击商品的次数,和每次点击的商品的信息。
应该理解的是,该知识图谱还可以是以其他形式记录商品的点击路径,比如,以表格的方式记录用户点击商品的点击路径,比如,构建一个与用户关联的表,该表格中记录了用户点击商品的路径。该知识图谱用于记录用户点击商品的点击路径,上述例子中的记录形式并不用于限定该知识图谱的实现。
为了实现对知识图谱的构建和更新,在一个实施例中,所述根据所述用户点击的所述第一商品,构建或更新所述用户的知识图谱的步骤包括:当所述第一商品为所述用户点击的第一个商品时,根据所述第一商品构建所述知识图库;当所述第一商品为所述用户点击的至少第二个商品时,根据所述第一商品更新所述知识图库。
本实施例中,在用户点击第二个商品时,启动用户行为的匹配,执行步骤230。
步骤230,获取与所述知识图谱的点击路径匹配的历史点击路径。
具体地,该历史点击路径为历史用户点击路径,即与当前用户的点击路径相似的点击路径。在此步骤之前,在各用户点击商品时,分别对每一用户对商品的每次点击行为进行记录,从而记录用户点击商品的次数和商品信息,进而记录得到多个历史用户点击路径,并存储。
本实施例中,获取多个历史点击路径,从各历史点击路径中,提取与用户当前知识图谱的点击路径相匹配的历史点击路径,从而获取与所述知识图谱的点击路径匹配的历史点击路径。为便于描述该被提取的与当前知识图谱的点击路径相匹配的历史点击路径,被提取的与当前知识图谱的点击路径相匹配的历史点击路径也可以称为待推送点击路径。
步骤240,获取所述历史点击路径中被购买的第二商品。
本步骤中,第二商品为历史点击路径中,最终被用户所购买的商品。应该理解的是,在对各用户的历史行为进行记录时,不仅记录用户点击商品的路径,还需要记录用户在点击后,最终购买的商品,该商品即第二商品。本实施例中,从与待推送点击路径中获取第二商品,该第二商品即为待推送的商品。
应该理解的是,由于该历史点击路径与知识图谱的点击路径匹配,因此,当前用户行为和历史点击路径的用户的行为相似,当前用户与历史点击路径的用户的兴趣相近,推测当前用户购买或点击第二商品的概率较大,故将第二商品作为待推送的商品。
步骤250,将所述第二商品推送至所述用户。
本步骤中,将第二商品推送至用户的客户端,以使得用户在浏览第一商品时,能够看到被推送的第二商品,以实现将用户更为关注、感兴趣的商品推送给用户。应该理解的是,各实施例中,将商品推送至用户,其实现手段可以是将商品推送至用户的终端上的APP(应用程序)、浏览器等,并且基于用户的身份标识进行推送,该用户的身份标识即为用户在应用程序或者网页上的注册账号。
上述实施例中,根据用户的点击商品的顺序,从预存的历史的用户点击路径获取到与用户点击商品的顺序匹配的历史点击路径,实现对用户点击商品进行预测,将历史点击路径中被购买的商品推送至所述用户,从而无需进行模型的构建,有效节省了计算资源的消耗,且降低运算开销,能够实现快速匹配用户的行为点击行为并为用户推送商品。
为了精确获取与知识图谱的点击路径匹配的历史点击路径,在一个实施例中,所述获取与所述知识图谱的点击路径匹配的历史点击路径的步骤包括:获取多个待选的历史点击路径;获取各待选的历史点击路径中的依次被点击的若干个商品;获取所述知识图谱的点击路径中依次被点击的至少一个商品;对所述知识图谱的点击路径中依次被点击的至少一个商品与各待选的历史点击路径中的依次被点击的若干个商品一一进行对比;当所述知识图谱的点击路径中依次被点击的至少一个商品和历史点击路径中的依次被点击的若干个商品一一匹配时,从各待选的历史点击路径中,提取出所述历史点击路径。
本实施例中,对知识图谱的点击路径中和历史点击路径的商品依次按照商品的点击顺序进行匹配查找,从而从多个历史点击路径中,获取到与知识图谱的点击路径匹配的至少一个历史点击路径。从而实现里对与知识图谱的点击路径匹配的历史点击路径的精确获取。
在一个实施例中,所述将所述第二商品推送至所述用户的步骤之后还包括:检测所述用户是否点击被推送的所述第二商品;当所述用户点击被推送的所述第二商品时,根据所述第二商品更新所述用户的知识图谱,返回执行所述获取与所述知识图谱的点击路径匹配的历史点击路径的步骤。
本实施例中,通过对用户行为的检测,检测用户是否点击第二商品,当用户点击第二商品时,则继续根据第二商品更新用户的知识图谱,将第二商品记录在用户的知识图谱内,这样,该知识图谱中第一商品的点通过第二次点击的边与第二商品的点连接,实现知识图谱的更新。在知识图谱更新后,继续执行步骤230,再次进行历史点击路径的匹配查找,并且基于查找出来的历史点击路径,推送商品。这样,在用户持续点击商品的过程中,能够持续对用户的点击行为进行匹配,对用户的感兴趣商品进行预测,进而持续向用户推荐商品。
在一个实施例中,所述检测所述用户是否点击被推送的所述第二商品的步骤之后还包括:当所述用户未点击被推送的所述第二商品时,获取用户在所述第一商品后点击的第三商品;根据所述第三商品更新所述用户的知识图谱,返回执行所述获取与所述知识图谱的点击路径匹配的历史点击路径的步骤。
本实施例中,当用户没有点击第二商品时,表明用户不感兴趣,则获取用户随后点击的第三商品,该第三商品为在第一商品后点击的下一个商品,并且根据第三商品更新知识图谱,比如,第一商品的点通过第二次点击的边与第三商品的点连接,实现知识图谱的更新。在知识图谱更新后,继续执行步骤230,再次进行历史点击路径的匹配查找,并且基于查找出来的历史点击路径,推送商品。这样,在用户持续点击商品的过程中,能够持续对用户的点击行为进行匹配,对用户的感兴趣商品进行预测,进而持续向用户推荐商品。
此外,上述实施例中,通过持续对用户的点击行为进行检测,持续对知识图谱的更新,并且持续查找与知识图谱匹配的历史点击路径,并且据此作出不断的预测,使得推送的商品的准确性逐渐提高,能够有效提高商品的推送的精度,并且使得推测获得商品所需的计算资源更少,提高推送的计算效率。
在一个实施例中,当与所述知识图谱的点击路径匹配的待推送点击路径为多个时,获取各待推送点击路径的被购买的第二商品,将各所述第二商品推送至用户。应该理解的是,与知识图谱的点击路径的历史点击路径可能有多个,在推送时可将多个历史点击路径的被购买的第二商品都推送至用户,这样,能够使得用户能够更为全面地获得被推荐的商品。
在一个实施例中,所述获取所述历史点击路径中被购买的第二商品的步骤包括:当与所述知识图谱的点击路径匹配的历史点击路径为多个时,分别获取各所述历史点击路径的第二商品的购买排序;获取购买排序最高的所述第二商品;所述将所述第二商品推送至所述用户的步骤包括:将购买排序最高的所述第二商品推送至所述用户。
本实施例中,当与知识图谱的点击路径匹配的历史点击路径为多个时,则对应的第二商品也可能有多个,需要从这些第二商品中推测出用户最感兴趣、最关注的商品,因此,可对第二商品进行排序,将购买排序最高的第二商品推送至所述用户,使得推送至用户的第二商品更为准确,提高用户体验。
在一个实施例中,所述购买排序与以下的至少一种参数正相关:所述第二商品的购买概率、所述第二商品的购买比例、所述第二商品的购买量、所述第二商品的被点击次数、所述第二商品的被点击的频率以及所述第二商品的购买时间;其中,所述第二商品的购买概率越高,所述购买排序越高;所述第二商品的购买比例越高,所述购买排序越高;所述第二商品的购买量越大,所述购买排序越高;所述第二商品的被点击次数越大,所述购买排序越高;所述第二商品的被点击的频率越高,所述购买排序越高;所述第二商品的购买时间与当前时间越近,所述购买排序越高。
本实施例中,对第二商品的排序方式可以包括且不限于根据第二商品的购买概率排序、所述第二商品的购买量排序、所述第二商品的被点击次数排序、所述第二商品的被点击的频率排序以及所述第二商品的购买时间排序。具体地,该购买概率为多个用户浏览该第二商品,并最终购买该第二商品的概率,其计算为第二商品的购买次数/第二商品的浏览次数,在另外的实施例中,该购买比例即在多个历史点击路径中,各种第二商品的购买的比例,其计算为:各历史点击路径中同一种类的第二商品被购买的次数/各历史点击路径中各种的第二商品被购买的总次数;该购买量为第二商品的总购买的数量;第二商品的被点击次数为第二商品被点击的总次数,其中,包含未推送时被点击的次数和推送后被点击的次数;被点击的频率为一段时间内,第二商品被点击的次数,其计算为第二商品的点击次数/时间;第二商品的购买时间为最近一次其他用户购买第二商品的时间。上述的排序的参数,能够反映相似的用户对第二商品的购买的意向,这样,能够精准地从多个第二商品中,预测用户较为关注、感兴趣的第二商品,并进行推送。
实施例三
本实施例中,基于知识图谱的商品推荐方法的实施过程如5所示,请一并结合图6A至图7:
1、用户进入商品页面,用户第一次商品,将用户点击的商品以用户为点,输入商品详细信息,构建以用户为目标,边为第一次点击,商品为点的知识图谱,构建的知识图谱如图6A所示,边为“第一次点击”,六边形的图形为商品A。
2、用户第二次点击商品,商品数据入库,启动用户点击行为匹配。如图6B所示,在商品A之后,通过“第二次点击”的边与商品B连接,从而更新该知识图谱,实现对用户行为的记录,为用户匹配到历史相似用户点击路径,获取相似用户最终购买的商品,进行推荐,例如,在图7中,历史相似点击路径用户中,最终购买了商品D,则为其推荐商品D。
3、通过前端推送知识图谱预测的商品,用户若是点击该商品,则继续执行步骤2,若用户并未点击该商品,点击其他商品,则为其用户重新匹配商品点击路径相似的用户,重新计算相似用户最终购买商品排序,为其推荐购买排序最高的商品,重复步骤3。
实施例四
本实施例中,如图3所示,提供一种基于知识图谱的商品推荐装置,包括:
第一商品获取模块310,用于获取用户点击的第一商品;
知识图谱构建模块320,用于根据所述用户点击的所述第一商品,构建或更新所述用户的知识图谱,所述知识图谱记录了所述用户对至少一个商品的点击路径;
历史点击路径获取模块330,用于获取与所述知识图谱的点击路径匹配的历史点击路径;
第二商品获取模块340,用于获取所述历史点击路径中被购买的第二商品;
推送模块350,用于将所述第二商品推送至所述用户。
在一个实施例中,所述历史点击路径获取模块包括:
待选历史路径获取单元,用于获取多个待选的历史点击路径;
待选路径商品获取单元,用于获取各待选的历史点击路径中的依次被点击的若干个商品;
知识图谱商品获取单元,用于获取所述知识图谱的点击路径中依次被点击的至少一个商品;
对比单元,用于对所述知识图谱的点击路径中依次被点击的至少一个商品与各待选的历史点击路径中的依次被点击的若干个商品一一进行对比;
路径提取单元,用于当所述知识图谱的点击路径中依次被点击的至少一个商品和历史点击路径中的依次被点击的若干个商品一一匹配时,从各待选的历史点击路径中,提取出所述历史点击路径。
在一个实施例中,基于知识图谱的商品推荐装置还包括:
第二商品点击检测模块,用于检测所述用户是否点击被推送的所述第二商品;
第一更新模块,用于当所述用户点击被推送的所述第二商品时,根据所述第二商品更新所述用户的知识图谱。
在一个实施例中,基于知识图谱的商品推荐装置还包括:
第三商品获取模块,用于当所述用户未点击被推送的所述第二商品时,获取用户在所述第一商品后点击的第三商品;
第二更新模块,用于根据所述第三商品更新所述用户的知识图谱。
在一个实施例中,所述第二商品获取模块包括:
第二商品购买排序获得单元,用于当与所述知识图谱的点击路径匹配的历史点击路径为多个时,分别获取各所述历史点击路径的第二商品的购买排序;
排序最高获取单元,用于获取购买排序最高的所述第二商品;
所述推送模块还用于将购买排序最高的所述第二商品推送至所述用户。
在一个实施例中,所述购买排序与以下的至少一种参数正相关:
所述第二商品的购买概率、所述第二商品的购买比例、所述第二商品的购买量、所述第二商品的被点击次数、所述第二商品的被点击的频率以及所述第二商品的购买时间;
其中,所述第二商品的购买概率越高,所述购买排序越高;所述第二商品的购买比例越高,所述购买排序越高;所述第二商品的购买量越大,所述购买排序越高;所述第二商品的被点击次数越大,所述购买排序越高;所述第二商品的被点击的频率越高,所述购买排序越高;所述第二商品的购买时间与当前时间越近,所述购买排序越高。
在一个实施例中,所述知识图谱构建模块包括:
构建单元,用于当所述第一商品为所述用户点击的第一个商品时,根据所述第一商品构建所述知识图库;
更新单元,用于当所述第一商品为所述用户点击的至少第二个商品时,根据所述第一商品更新所述知识图库。
关于基于知识图谱的商品推荐装置的具体限定可以参见上文中对于基于知识图谱的商品推荐方法的限定,在此不再赘述。上述基于知识图谱的商品推荐装置中的各个单元可全部或部分通过软件、硬件及其组合来实现。上述各单元可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个单元对应的操作。
实施例五
本实施例中,提供了计算机设备。其内部结构图可以如图4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计算和控制能力。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,且该非易失性存储介质部署有数据库,该数据库用于存储历史点击路径。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部署了应用软件的其他计算机设备通信。该计算机程序被处理器执行时以实现一种基于知识图谱的商品推荐方法。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。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取用户点击的第一商品;
根据所述用户点击的所述第一商品,构建或更新所述用户的知识图谱,所述知识图谱记录了所述用户对至少一个商品的点击路径;
获取与所述知识图谱的点击路径匹配的历史点击路径;
获取所述历史点击路径中被购买的第二商品;
将所述第二商品推送至所述用户。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取多个待选的历史点击路径;
获取各待选的历史点击路径中的依次被点击的若干个商品;
获取所述知识图谱的点击路径中依次被点击的至少一个商品;
对所述知识图谱的点击路径中依次被点击的至少一个商品与各待选的历史点击路径中的依次被点击的若干个商品一一进行对比;
当所述知识图谱的点击路径中依次被点击的至少一个商品和历史点击路径中的依次被点击的若干个商品一一匹配时,从各待选的历史点击路径中,提取出所述历史点击路径。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
检测所述用户是否点击被推送的所述第二商品;
当所述用户点击被推送的所述第二商品时,根据所述第二商品更新所述用户的知识图谱,返回执行所述获取与所述知识图谱的点击路径匹配的历史点击路径的步骤。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当所述用户未点击被推送的所述第二商品时,获取用户在所述第一商品后点击的第三商品;
根据所述第三商品更新所述用户的知识图谱,返回执行所述获取与所述知识图谱的点击路径匹配的历史点击路径的步骤。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当与所述知识图谱的点击路径匹配的历史点击路径为多个时,分别获取各所述历史点击路径的第二商品的购买排序;
获取购买排序最高的所述第二商品;
将购买排序最高的所述第二商品推送至所述用户;所述第二商品的购买概率、所述第二商品的购买比例、所述第二商品的购买量、所述第二商品的被点击次数、所述第二商品的被点击的频率以及所述第二商品的购买时间;其中,所述第二商品的购买概率越高,所述购买排序越高;所述第二商品的购买比例越高,所述购买排序越高;所述第二商品的购买量越大,所述购买排序越高;所述第二商品的被点击次数越大,所述购买排序越高;所述第二商品的被点击的频率越高,所述购买排序越高;所述第二商品的购买时间与当前时间越近,所述购买排序越高。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
当所述第一商品为所述用户点击的第一个商品时,根据所述第一商品构建所述知识图库;
当所述第一商品为所述用户点击的至少第二个商品时,根据所述第一商品更新所述知识图库。
实施例六
本实施例中,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:
获取用户点击的第一商品;
根据所述用户点击的所述第一商品,构建或更新所述用户的知识图谱,所述知识图谱记录了所述用户对至少一个商品的点击路径;
获取与所述知识图谱的点击路径匹配的历史点击路径;
获取所述历史点击路径中被购买的第二商品;
将所述第二商品推送至所述用户。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取多个待选的历史点击路径;
获取各待选的历史点击路径中的依次被点击的若干个商品;
获取所述知识图谱的点击路径中依次被点击的至少一个商品;
对所述知识图谱的点击路径中依次被点击的至少一个商品与各待选的历史点击路径中的依次被点击的若干个商品一一进行对比;
当所述知识图谱的点击路径中依次被点击的至少一个商品和历史点击路径中的依次被点击的若干个商品一一匹配时,从各待选的历史点击路径中,提取出所述历史点击路径。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
检测所述用户是否点击被推送的所述第二商品;
当所述用户点击被推送的所述第二商品时,根据所述第二商品更新所述用户的知识图谱,返回执行所述获取与所述知识图谱的点击路径匹配的历史点击路径的步骤。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当所述用户未点击被推送的所述第二商品时,获取用户在所述第一商品后点击的第三商品;
根据所述第三商品更新所述用户的知识图谱,返回执行所述获取与所述知识图谱的点击路径匹配的历史点击路径的步骤。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当与所述知识图谱的点击路径匹配的历史点击路径为多个时,分别获取各所述历史点击路径的第二商品的购买排序;
获取购买排序最高的所述第二商品;
将购买排序最高的所述第二商品推送至所述用户;所述第二商品的购买概率、所述第二商品的购买比例、所述第二商品的购买量、所述第二商品的被点击次数、所述第二商品的被点击的频率以及所述第二商品的购买时间;其中,所述第二商品的购买概率越高,所述购买排序越高;所述第二商品的购买比例越高,所述购买排序越高;所述第二商品的购买量越大,所述购买排序越高;所述第二商品的被点击次数越大,所述购买排序越高;所述第二商品的被点击的频率越高,所述购买排序越高;所述第二商品的购买时间与当前时间越近,所述购买排序越高。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
当所述第一商品为所述用户点击的第一个商品时,根据所述第一商品构建所述知识图库;
当所述第一商品为所述用户点击的至少第二个商品时,根据所述第一商品更新所述知识图库。
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,所述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、数据库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。
以上所述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)
1.一种基于知识图谱的商品推荐方法,其特征在于,包括:
获取用户点击的第一商品;
根据所述用户点击的所述第一商品,构建或更新所述用户的知识图谱,所述知识图谱记录了所述用户对至少一个商品的点击路径;
获取与所述知识图谱的点击路径匹配的历史点击路径;
获取所述历史点击路径中被购买的第二商品;
将所述第二商品推送至所述用户。
2.根据权利要求1所述的方法,其特征在于,所述获取与所述知识图谱的点击路径匹配的历史点击路径的步骤包括:
获取多个待选的历史点击路径;
获取各待选的历史点击路径中的依次被点击的若干个商品;
获取所述知识图谱的点击路径中依次被点击的至少一个商品;
对所述知识图谱的点击路径中依次被点击的至少一个商品与各待选的历史点击路径中的依次被点击的若干个商品一一进行对比;
当所述知识图谱的点击路径中依次被点击的至少一个商品和历史点击路径中的依次被点击的若干个商品一一匹配时,从各待选的历史点击路径中,提取出所述历史点击路径。
3.根据权利要求1所述的方法,其特征在于,所述将所述第二商品推送至所述用户的步骤之后还包括:
检测所述用户是否点击被推送的所述第二商品;
当所述用户点击被推送的所述第二商品时,根据所述第二商品更新所述用户的知识图谱,返回执行所述获取与所述知识图谱的点击路径匹配的历史点击路径的步骤。
4.根据权利要求3所述的方法,其特征在于,所述检测所述用户是否点击被推送的所述第二商品的步骤之后还包括:
当所述用户未点击被推送的所述第二商品时,获取用户在所述第一商品后点击的第三商品;
根据所述第三商品更新所述用户的知识图谱,返回执行所述获取与所述知识图谱的点击路径匹配的历史点击路径的步骤。
5.根据权利要求1所述的方法,其特征在于,所述获取所述历史点击路径中被购买的第二商品的步骤包括:
当与所述知识图谱的点击路径匹配的历史点击路径为多个时,分别获取各所述历史点击路径的第二商品的购买排序;
获取购买排序最高的所述第二商品;
所述将所述第二商品推送至所述用户的步骤包括:
将购买排序最高的所述第二商品推送至所述用户。
6.根据权利要求5所述的方法,其特征在于,所述购买排序与以下的至少一种参数正相关:
所述第二商品的购买概率、所述第二商品的购买比例、所述第二商品的购买量、所述第二商品的被点击次数、所述第二商品的被点击的频率以及所述第二商品的购买时间;
其中,所述第二商品的购买概率越高,所述购买排序越高;所述第二商品的购买比例越高,所述购买排序越高;所述第二商品的购买量越大,所述购买排序越高;所述第二商品的被点击次数越大,所述购买排序越高;所述第二商品的被点击的频率越高,所述购买排序越高;所述第二商品的购买时间与当前时间越近,所述购买排序越高。
7.根据权利要求1-6所述的方法,其特征在于,所述根据所述用户点击的所述第一商品,构建或更新所述用户的知识图谱的步骤包括:
当所述第一商品为所述用户点击的第一个商品时,根据所述第一商品构建所述知识图库;
当所述第一商品为所述用户点击的至少第二个商品时,根据所述第一商品更新所述知识图库。
8.一种基于知识图谱的商品推荐装置,其特征在于,包括:
第一商品获取模块,用于获取用户点击的第一商品;
知识图谱构建模块,用于根据所述用户点击的所述第一商品,构建或更新所述用户的知识图谱,所述知识图谱记录了所述用户对至少一个商品的点击路径;
历史点击路径获取模块,用于获取与所述知识图谱的点击路径匹配的历史点击路径;
第二商品获取模块,用于获取所述历史点击路径中被购买的第二商品;
推送模块,用于将所述第二商品推送至所述用户。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,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中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010976583.7A CN112102002A (zh) | 2020-09-16 | 2020-09-16 | 基于知识图谱的商品推荐方法、装置、计算机和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010976583.7A CN112102002A (zh) | 2020-09-16 | 2020-09-16 | 基于知识图谱的商品推荐方法、装置、计算机和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112102002A true CN112102002A (zh) | 2020-12-18 |
Family
ID=73759876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010976583.7A Pending CN112102002A (zh) | 2020-09-16 | 2020-09-16 | 基于知识图谱的商品推荐方法、装置、计算机和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112102002A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112765453A (zh) * | 2020-12-31 | 2021-05-07 | 平安资产管理有限责任公司 | 内容推荐方法、装置、计算机设备和存储介质 |
CN112818222A (zh) * | 2021-01-26 | 2021-05-18 | 吾征智能技术(北京)有限公司 | 一种基于知识图谱的个性化饮食推荐方法及系统 |
CN113538090A (zh) * | 2021-07-13 | 2021-10-22 | 海南大学 | 基于dikw图谱的虚拟社区人员性格分析及内容推送方法 |
CN116703530A (zh) * | 2023-08-02 | 2023-09-05 | 中国标准化研究院 | 一种基于知识图谱的服装推荐系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105590234A (zh) * | 2014-12-30 | 2016-05-18 | 中国银联股份有限公司 | 一种向目标用户推荐商品的方法和系统 |
CN107256232A (zh) * | 2017-05-16 | 2017-10-17 | 百度在线网络技术(北京)有限公司 | 一种信息推荐方法和装置 |
CN107292713A (zh) * | 2017-06-19 | 2017-10-24 | 武汉科技大学 | 一种基于规则与层级融合的个性推荐方法 |
CN109685631A (zh) * | 2019-01-10 | 2019-04-26 | 博拉网络股份有限公司 | 一种基于大数据用户行为分析的个性化推荐方法 |
CN110413870A (zh) * | 2018-12-18 | 2019-11-05 | 北京沃东天骏信息技术有限公司 | 商品推荐方法、装置及服务器 |
CN110428295A (zh) * | 2018-08-01 | 2019-11-08 | 北京京东尚科信息技术有限公司 | 商品推荐方法和系统 |
CN110502702A (zh) * | 2019-07-09 | 2019-11-26 | 阿里巴巴集团控股有限公司 | 用户行为预测方法以及装置 |
CN111523042A (zh) * | 2020-07-03 | 2020-08-11 | 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 |
-
2020
- 2020-09-16 CN CN202010976583.7A patent/CN112102002A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105590234A (zh) * | 2014-12-30 | 2016-05-18 | 中国银联股份有限公司 | 一种向目标用户推荐商品的方法和系统 |
CN107256232A (zh) * | 2017-05-16 | 2017-10-17 | 百度在线网络技术(北京)有限公司 | 一种信息推荐方法和装置 |
CN107292713A (zh) * | 2017-06-19 | 2017-10-24 | 武汉科技大学 | 一种基于规则与层级融合的个性推荐方法 |
CN110428295A (zh) * | 2018-08-01 | 2019-11-08 | 北京京东尚科信息技术有限公司 | 商品推荐方法和系统 |
CN110413870A (zh) * | 2018-12-18 | 2019-11-05 | 北京沃东天骏信息技术有限公司 | 商品推荐方法、装置及服务器 |
CN109685631A (zh) * | 2019-01-10 | 2019-04-26 | 博拉网络股份有限公司 | 一种基于大数据用户行为分析的个性化推荐方法 |
CN110502702A (zh) * | 2019-07-09 | 2019-11-26 | 阿里巴巴集团控股有限公司 | 用户行为预测方法以及装置 |
CN111523042A (zh) * | 2020-07-03 | 2020-08-11 | 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 |
Non-Patent Citations (1)
Title |
---|
郭俊霞等: "基于用户浏览轨迹的商品推荐", 计算机科学, no. 12, pages 223 - 228 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112765453A (zh) * | 2020-12-31 | 2021-05-07 | 平安资产管理有限责任公司 | 内容推荐方法、装置、计算机设备和存储介质 |
CN112818222A (zh) * | 2021-01-26 | 2021-05-18 | 吾征智能技术(北京)有限公司 | 一种基于知识图谱的个性化饮食推荐方法及系统 |
CN112818222B (zh) * | 2021-01-26 | 2024-02-23 | 吾征智能技术(北京)有限公司 | 一种基于知识图谱的个性化饮食推荐方法及系统 |
CN113538090A (zh) * | 2021-07-13 | 2021-10-22 | 海南大学 | 基于dikw图谱的虚拟社区人员性格分析及内容推送方法 |
CN116703530A (zh) * | 2023-08-02 | 2023-09-05 | 中国标准化研究院 | 一种基于知识图谱的服装推荐系统 |
CN116703530B (zh) * | 2023-08-02 | 2023-10-31 | 中国标准化研究院 | 一种基于知识图谱的服装推荐系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN108228873B (zh) | 对象推荐、发布内容推送方法、装置、存储介质和设备 | |
CN111199428A (zh) | 商品推荐方法、装置、存储介质及计算机设备 | |
CN110413870B (zh) | 商品推荐方法、装置及服务器 | |
CN109582876B (zh) | 旅游行业用户画像构造方法、装置和计算机设备 | |
CN109300003B (zh) | 企业推荐方法、装置、计算机设备和存储介质 | |
CN109063108B (zh) | 搜索排序方法、装置、计算机设备和存储介质 | |
CN111815415A (zh) | 一种商品推荐方法、系统及设备 | |
CN110135951B (zh) | 游戏商品的推荐方法、装置及可读存储介质 | |
CN110598845A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN111506849A (zh) | 页面生成方法及装置 | |
CN115098803B (zh) | 一种基于移动图书馆的图书推荐方法以及系统 | |
CN113032668A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
WO2021073203A1 (zh) | 虚拟资源活动处理方法、装置、计算机设备和存储介质 | |
CN111461801A (zh) | 一种页面生成方法及其装置 | |
CN110555165B (zh) | 信息识别方法、装置、计算机设备和存储介质 | |
JP7171811B2 (ja) | 監視装置、ショッピングサーバ、監視方法、及びプログラム | |
CN111161009B (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
JP6810184B2 (ja) | 算出装置、算出方法及び算出プログラム | |
CN110599297A (zh) | 车型推荐方法、装置、计算机设备和存储介质 | |
CN115239421A (zh) | 商品推荐方法、装置、设备及介质 | |
CN115687350A (zh) | 索引构建方法、装置、计算机设备和存储介质 | |
CN112989185B (zh) | 信息推送方法、装置、计算机设备及存储介质 | |
CN110827044A (zh) | 提取用户兴趣模式的方法和装置 | |
CN111401983A (zh) | 搜索列表个性化平台引导方法和装置 |
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 |