CN112529666B - 商品推荐方法、系统、计算机设备及存储介质 - Google Patents

Abstract

本公开提供一种商品推荐方法、系统、计算机设备及存储介质，其中，所述方法包括：获取消费者本次购物的收货地址信息；获取与所述消费者本次购物的收货地址信息对应的购物特征；将待推荐商品信息与所述对应的购物特征进行匹配，并根据匹配度对待推荐商品进行排序；以及，将排序结果中匹配度较高的预设数量个商品推荐给所述消费者。本公开提供的技术方案根据消费者本次购物的收货地址，将与之对应的购物特征匹配度较高的商品进行推荐并突出展示，实现了针对用户当前购物场景进行推荐，推荐效果较好，并且能够促进消费者消费，提升电商营业额。

Description

商品推荐方法、系统、计算机设备及存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及一种商品推荐方法、一种商品推荐系统、一种计算机设备以及一种计算机可读存储介质。

背景技术

近年来，随着互联网的普及，电子商务得到了长足的发展，越来越多的人选择在电商网站上购买所需商品。网络购物的完整流程一般为，打开APP(应用程序，Application的缩写)或者购物网站→浏览商品→选择收货地址→加入购物车→进入购物车→生成订单并完成支付。

目前，电商网站的购物推荐一般都针对用户浏览过的商品进行推荐，无法针对用户当前购物场景进行推荐，推荐效果一般。

因此，提出一种可以针对用户当前购物场景的商品推荐方案是目前亟待解决的问题。

发明内容

为了至少部分解决现有技术中存在的技术问题而完成了本公开。

根据本公开实施例的一方面，提供一种商品推荐方法，所述方法包括：

获取消费者本次购物的收货地址信息；

获取与所述消费者本次购物的收货地址信息对应的购物特征；

将待推荐商品信息与所述对应的购物特征进行匹配，并根据匹配度对待推荐商品进行排序；以及，

将排序结果中匹配度较高的预设数量个商品推荐给所述消费者。

可选地，在获取消费者本次购物的收货地址信息之后，还包括：

获取所述消费者的历史收货地址列表，所述历史收货地址列表包括若干项历史收货地址信息；

判断所述消费者本次购物的收货地址信息是否在其历史收货地址列表中；

若是，则执行获取与所述消费者本次购物的收货地址信息对应的购物特征的步骤。

可选地，每项历史收货地址信息包括：收货人、收货人联系方式和收货地址。

可选地，所述方法还包括：

按照收货人或收货地址对所述历史收货地址列表中的各项历史收货地址信息进行合并；以及，

根据合并结果更新所述历史收货地址列表。

可选地，所述方法还包括：

获取所述消费者预设时间范围内的历史购物记录及其对应的商品信息；以及，

从所述历史购物记录及其对应的商品信息中提取出各项历史收货地址信息分别对应的购物特征；

所述获取与所述消费者本次购物的收货地址信息对应的购物特征，具体为：

获取与所述消费者本次购物的收货地址信息相同的历史收货地址信息对应的购物特征。

可选地，在提取出各项历史收货地址信息分别对应的购物特征之后，还包括：

基于各项历史收货地址信息及其各自对应的购物特征构造并存储收货地址购物特征列表；

所述获取与所述消费者本次购物的收货地址信息相同的历史收货地址信息对应的购物特征，包括：

在所述收货地址购物特征列表中查找与所述消费者本次购物的收货地址信息相同的历史收货地址信息；以及，

从所述收货地址购物特征列表中提取与已查找到的历史收货地址信息对应的购物特征，将其作为与所述消费者本次购物的收货地址信息对应的购物特征。

可选地，所述根据匹配度对待推荐商品进行排序，具体为：

根据商品与相应消费人群的匹配度对待推荐商品进行排序；或者，

根据商品与相应品类的匹配度对待推荐商品进行排序。

可选地，所述方法还包括：

在同一特征维度中根据商品的销量对待推荐商品进行排序；或者，

在同一特征维度中根据所述消费者的喜好程度对待推荐商品进行排序。

根据本公开实施例的另一方面，提供一种商品推荐系统，所述系统包括：

第一获取模块，其设置为获取消费者本次购物的收货地址信息；

第二获取模块，其设置为获取与所述消费者本次购物的收货地址信息对应的购物特征；

匹配排序模块，其设置为将待推荐商品信息与所述对应的购物特征进行匹配，并根据匹配度对待推荐商品进行排序；以及，

推荐模块，其设置为将排序结果中匹配度较高的预设数量个商品推荐给所述消费者。

根据本公开实施例的又一方面，提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行前述商品推荐方法。

根据本公开实施例的再一方面，提供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，所述处理器执行前述商品推荐方法。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开实施例提供的商品推荐方法及系统，根据消费者本次购物的收货地址，将与之对应的购物特征匹配度较高的商品进行推荐并突出展示，实现了针对用户当前购物场景进行推荐，推荐效果较好，并且能够促进消费者消费，提升电商营业额。

本公开的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本公开而了解。本公开的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本公开技术方案的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开的技术方案，并不构成对本公开技术方案的限制。

图1为本公开实施例提供的商品推荐方法的流程示意图；

图2为本公开实施例提供的商品推荐系统的结构示意图；

图3为本公开实施例提供的计算机设备的结构示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序；并且，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互任意组合。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本公开的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

图1为本公开实施例提供的商品推荐方法的流程示意图。如图1所示，所述方法包括如下步骤S101至S104。

S101.获取消费者本次购物的收货地址信息；

S102.获取与所述消费者本次购物的收货地址信息对应的购物特征(也可称为购买商品特征)；

S103.将待推荐商品信息与所述对应的购物特征进行匹配，并根据匹配度对待推荐商品进行排序；

S104.将排序结果中匹配度(也可称为相关度)较高的预设数量个商品推荐给所述消费者。

其中，预设数量可由用户根据实际需求进行设定，例如设定为3～10之间的数量。在将商品推荐给消费者的同时，还可对推荐商品进行预勾选，也可以将推荐商品突出展示。

本实施例中，根据消费者本次购物的收货地址，将与之对应的购物特征匹配度较高的商品进行推荐并突出展示，实现了针对用户当前购物场景进行推荐，推荐效果较好，并且能够促进消费者消费，提升电商营业额。

目前，大多数电商网站的购买流程一般为：打开APP或者购物网站→浏览商品→选择收货地址→加入购物车→进入购物车→生成订单并完成支付。在消费者浏览商品过程中，当其确定购买意愿后，会先选择收货地址再将商品加入购物车，然后生成订单并支付，当前主流的电商平台，如京东、当当等，都采用上述购买模式。之所以要先选择收货地址再将商品加入购物车，是因为不同的收货地址对应不同的库存，若不先选择收货地址则可能会发生消费者将商品加入购物车后由于该商品无库存而无法生成订单的情况，影响消费者购物体验。

因此，在一种具体实施方式中，步骤S101具体为：

当消费者在浏览商品过程中确定购买意愿并选择收货地址信息后，获取所述消费者已选择收货地址信息作为消费者本次购物的收货地址信息。

在一种具体实施方式中，在步骤S101之后，还包括如下步骤S105至S106。

S105.获取所述消费者的历史收货地址列表，所述历史收货地址列表包括若干项历史收货地址信息。

当一个消费者在网络购物时，他可能会为多人购买，比如不仅为自己购买，还为父母、亲友、邻居购买等，这样会产生多个历史收货地址，由这些历史收货地址信息组成所述消费者的历史收货地址列表。

S106.判断所述消费者本次购物的收货地址信息是否在其历史收货地址列表中，若是，则执行步骤S102，即执行获取与所述消费者本次购物的收货地址信息对应的购物特征的步骤；若否，则结束当前流程。

本实施例中，消费者本次购物的收货地址信息在其历史收货地址列表中，说明消费者过去曾经为此收货地址对应的收货人购买过商品，基于此可形成该收货地址对应的购物特征。

在一种具体实施方式中，所述历史收货地址列表中的每项历史收货地址信息包括但不限于：收货人、收货人联系方式和收货地址。

本实施例中，历史收货地址信息为消费者在历次购物过程中添加并维护。相应地，历史收货地址列表通过消费者的历史购买购物数据中得到。

在一种具体实施方式中，在步骤S105之后，还包括如下步骤S107至S108。

S107.按照收货人或收货地址对所述历史收货地址列表中的各项历史收货地址信息进行合并；

S108.根据合并结果更新所述历史收货地址列表，然后执行步骤S106。

本实施例中，可以按照收货人对历史收货地址列表中的各项历史收货地址信息进行合并，即对同一收货人的不同收货地址进行合并；也可以按照收货地址对历史收货地址列表中的各项历史收货地址信息进行合并，即对同一收货地址的不同收货人进行合并。其中对同一收货人的不同收货地址进行合并的一种应用场景为，收货人搬家的情况。

在一种具体实施方式中，在步骤S102之前，还包括如下步骤S109至S110。

S109.获取所述消费者预设时间范围内的历史购物记录及其对应的商品信息；

S110.从所述历史购物记录及其对应的商品信息中提取出各项历史收货地址信息分别对应的购物特征。

其中，所述时间范围可由用户根据实际需求进行设定，例如设定为1～3个月；所述历史购物记录包括但不限于：购买时间、收货地址、商品ID和商品数量；所述商品信息包括但不限于：商品ID、商品名称、商品品类、商品对应消费人群；所述购物特征包括但不限于：收货地址、商品品类和商品对应消费人群。

相应地，步骤S102具体为：

获取与所述消费者本次购物的收货地址信息相同的历史收货地址信息对应的购物特征。

本实施例中，根据消费者各项历史收货地址信息、历史购物记录及其对应的商品信息可得出消费者各项历史收货地址信息分别对应的购物特征。

在一种具体实施方式中，在步骤S110之后，还包括如下步骤S111：

S111.基于各项历史收货地址信息及其各自对应的购物特征构造并存储收货地址购物特征列表。

相应地，步骤S102包括如下步骤S1021和S1022。

S1021.在所述收货地址购物特征列表中查找与所述消费者本次购物的收货地址信息相同的历史收货地址信息；

S1022.从所述收货地址购物特征列表中提取与已查找到的历史收货地址信息对应的购物特征，将其作为与所述消费者本次购物的收货地址信息对应的购物特征。

本实施例中，通过提前构造并存储收货地址购物特征列表，无需每次生成与消费者本次购物的收货地址信息对应的购物特征，只需在收货地址购物特征列表中查找与所述消费者本次购物的收货地址信息相同的历史收货地址信息，并从收货地址购物特征列表中提取与已查找到的历史收货地址信息对应的购物特征，将其作为与所述消费者本次购物的收货地址信息对应的购物特征即可，更加方便、快捷，还极大地节约了计算成本。

在一种具体实施方式中，在步骤S105之后，还包括如下步骤S112：

S112.对所述历史收货地址列表中的各项历史收货地址信息的类别进行识别。例如识别为单位地址、自己家里地址、父母家地址和亲友家地址等。

相应地，在步骤S101获取消费者本次购物的收货地址信息的同时，还对该收货地址的类别进行识别，并且在步骤S102中根据该收货地址的类别获取对应的购物特征，例如单位的购物特征、自己家的购物特征、父母家的购物特征和亲友家的购物特征等。

在一种具体实施方式中，步骤S103中，根据匹配度对待推荐商品进行排序，具体为：

根据商品与相应消费人群(特别是老人、儿童)的匹配度对待推荐商品进行排序，所述相应消费人群为前述对应的购物特征；或者，

根据商品与相应品类(如厨房用品、母婴用品、日用品等)的匹配度对待推荐商品进行排序，所述相应品类为前述对应的购物特征。

在一种具体实施方式中，步骤S103还包括：

在同一特征维度(如商品品类、商品对应消费人群，为前述对应的购物特征)中根据商品的销量对待推荐商品进行排序；或者，

在同一特征维度(如商品品类、商品对应消费人群，为前述对应的购物特征)中根据所述消费者的喜好程度对待推荐商品进行排序。

其中，商品的销量可从电商平台的历史销售数据中获取；消费者的喜好程度可根据所述消费者的历史购物记录得出。

本公开实施例提供的基于收货地址的商品推荐方法，先获取消费者本次购物的收货地址，由于特定的收货地址会对应特定的人员与特定的购买习惯，因此可进一步获取与所述消费者本次购物的收货地址信息对应的购物特征，再将待推荐商品信息与所述对应的购物特征进行匹配，并根据匹配度对待推荐商品进行排序，并将排序结果中相关度较高的商品推荐给消费者，从而根据消费者的收货地址向消费者有针对性地推荐、展示商品，推荐效果较好。

图2为本公开实施例提供的商品推荐系统的结构示意图。如图2所示，所述系统2包括：第一获取模块201、第二获取模块202、匹配排序模块203和推荐模块204。

其中，第一获取模块201设置为获取消费者本次购物的收货地址信息；第二获取模块202设置为获取与所述消费者本次购物的收货地址信息对应的购物特征；匹配排序模块203设置为将待推荐商品信息与所述对应的购物特征进行匹配，并根据匹配度对待推荐商品进行排序；推荐模块204设置为将所述匹配排序模块203得出的排序结果中匹配度较高的预设数量个商品推荐给所述消费者。

其中，预设数量可由用户根据实际需求进行设定，例如设定为3～10之间的数量。推荐模块204在将商品推荐给消费者的同时，还可对推荐商品进行预勾选，也可以将推荐商品突出展示。

在一种具体实施方式中，第一获取模块201具体设置为，当消费者在浏览商品过程中确定购买意愿并选择收货地址信息后，获取所述消费者已选择收货地址信息作为消费者本次购物的收货地址信息。

在一种具体实施方式中，所述系统2还包括：第三获取模块205和判断模块206。

其中，第三获取模块205设置为获取所述消费者的历史收货地址列表，所述历史收货地址列表包括若干项历史收货地址信息；判断模块206设置为判断所述消费者本次购物的收货地址信息是否在其历史收货地址列表中。第二获取模块202具体设置为，在判断模块判断为所述消费者本次购物的收货地址信息在其历史收货地址列表中时，执行获取与所述消费者本次购物的收货地址信息对应的购物特征的操作。

在一种具体实施方式中，所述历史收货地址列表中的每项历史收货地址信息包括但不限于：收货人、收货人联系方式和收货地址。

在一种具体实施方式中，所述系统2还包括：地址合并模块207和地址更新模块208。

其中，地址合并模块207设置为按照收货人或收货地址对所述历史收货地址列表中的各项历史收货地址信息进行合并；地址更新模块208设置为根据地址合并模块207的合并结果更新所述历史收货地址列表。

在一种具体实施方式中，所述系统2还包括：第四获取模块209和特征提取模块210。

第四获取模块209设置为获取所述消费者预设时间范围内的历史购物记录及其对应的商品信息；特征提取模块210设置为从所述历史购物记录及其对应的商品信息中提取出各项历史收货地址信息分别对应的购物特征。

其中，所述历史购物记录包括但不限于：购买时间、收货地址、商品ID和商品数量；所述商品信息包括但不限于：商品ID、商品名称、商品品类、商品对应消费人群；所述购物特征包括但不限于：收货地址、商品品类和商品对应消费人群。

相应地，第二获取模块202具体设置为，获取与所述消费者本次购物的收货地址信息相同的历史收货地址信息对应的购物特征。

在一种具体实施方式中，所述系统2还包括：特征列表构造模块211和数据存储模块212。

其中，特征列表构造模块211设置为基于各项历史收货地址信息及其各自对应的购物特征构造收货地址购物特征列表；数据存储模块212设置为存储收货地址购物特征列表，还可存储所述消费者预设时间范围内的历史购物记录及其对应的商品信息。

相应地，第二获取模块202包括：查找单元和提取单元。

其中，查找单元设置为在所述收货地址购物特征列表中查找与所述消费者本次购物的收货地址信息相同的历史收货地址信息；提取单元设置为从所述收货地址购物特征列表中提取与已查找到的历史收货地址信息对应的购物特征，将其作为与所述消费者本次购物的收货地址信息对应的购物特征。

在一种具体实施方式中，所述系统2还包括：识别模块(图中未示出)。

识别模块设置为对所述历史收货地址列表中的各项历史收货地址信息的类别进行识别。例如识别为单位地址、自己家里地址、父母家地址和亲友家地址等。

相应地，第一获取模块201获取消费者本次购物的收货地址信息的同时，还对该收货地址的类别进行识别，并且第二获取模块202还根据该收货地址的类别获取对应的购物特征，例如单位的购物特征、自己家的购物特征、父母家的购物特征和亲友家的购物特征等。

在一种具体实施方式中，匹配排序模块203根据匹配度对待推荐商品进行排序，具体为：

根据商品与相应消费人群(特别是老人、儿童)的匹配度对待推荐商品进行排序，所述相应消费人群为前述对应的购物特征；或者，

根据商品与相应品类(如厨房用品、母婴用品、日用品等)的匹配度对待推荐商品进行排序，所述相应品类为前述对应的购物特征。

在一种具体实施方式中，匹配排序模块203还设置为：

在同一特征维度(如商品品类、商品对应消费人群，为前述对应的购物特征)中根据商品的销量对待推荐商品进行排序；或者，

在同一特征维度(如商品品类、商品对应消费人群，为前述对应的购物特征)中根据所述消费者的喜好程度对待推荐商品进行排序。

其中，商品的销量可从电商平台的历史销售数据中获取；消费者的喜好程度可根据所述消费者的历史购物记录得出。

本公开实施例提供的基于收货地址的商品推荐系统，先获取消费者本次购物的收货地址，由于特定的收货地址会对应特定的人员与特定的购买习惯，因此可进一步获取与所述消费者本次购物的收货地址信息对应的购物特征，再将待推荐商品信息与所述对应的购物特征进行匹配，并根据匹配度对待推荐商品进行排序，并将排序结果中相关度较高的商品推荐给消费者，从而根据消费者的收货地址向消费者有针对性地推荐、展示商品，推荐效果较好。

基于相同的技术构思，本公开实施例相应还提供一种计算机设备，如图3所示，所述计算机设备3包括存储器31和处理器32，所述存储器31中存储有计算机程序，当所述处理器32运行所述存储器31存储的计算机程序时，所述处理器32执行前述商品推荐方法。

基于相同的技术构思，本公开实施例相应还提供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，所述处理器执行前述商品推荐方法。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的范围。

Claims (7)

1.一种商品推荐方法，其特征在于，包括：

获取消费者本次购物的收货地址信息；

获取所述消费者预设时间范围内的历史购物记录及其对应的商品信息；

从所述历史购物记录及其对应的商品信息中提取出各项历史收货地址信息分别对应的购物特征；

基于各项历史收货地址信息及其各自对应的购物特征构造并存储收货地址购物特征列表；

在所述收货地址购物特征列表中查找与所述消费者本次购物的收货地址信息相同的历史收货地址信息；

从所述收货地址购物特征列表中提取与已查找到的与所述消费者本次购物的收货地址信息相同的历史收货地址信息对应的购物特征，将其作为与所述消费者本次购物的收货地址信息对应的购物特征；

将待推荐商品信息与所述消费者本次购物的收货地址信息对应的购物特征进行匹配，并根据商品与相应消费人群的匹配度对待推荐商品进行排序；或者，根据商品与相应品类的匹配度对待推荐商品进行排序；以及，

将排序结果中匹配度较高的预设数量个商品推荐给所述消费者。

2.根据权利要求1所述的方法，其特征在于，在获取消费者本次购物的收货地址信息之后，还包括：

获取所述消费者的历史收货地址列表，所述历史收货地址列表包括若干项历史收货地址信息；

判断所述消费者本次购物的收货地址信息是否在其历史收货地址列表中；

若是，则执行获取与所述消费者本次购物的收货地址信息对应的购物特征的步骤。

3.根据权利要求2所述的方法，其特征在于，每项历史收货地址信息包括：收货人、收货人联系方式和收货地址；

所述方法还包括：

按照收货人或收货地址对所述历史收货地址列表中的各项历史收货地址信息进行合并；以及，

根据合并结果更新所述历史收货地址列表。

4.根据权利要求1所述的方法，其特征在于，还包括：

在同一特征维度中根据商品的销量对待推荐商品进行排序；或者，

在同一特征维度中根据所述消费者的喜好程度对待推荐商品进行排序。

5.一种商品推荐系统，其特征在于，包括：

获取模块，其设置为获取消费者本次购物的收货地址信息；

所述获取模块还设置为，获取所述消费者预设时间范围内的历史购物记录及其对应的商品信息；

特征提取模块，其设置为从所述历史购物记录及其对应的商品信息中提取出各项历史收货地址信息分别对应的购物特征；

特征列表构造模块，其设置为基于各项历史收货地址信息及其各自对应的购物特征构造收货地址购物特征列表；

数据存储模块，其设置为存储所述收货地址购物特征列表；

所述获取模块还设置为，在所述收货地址购物特征列表中查找与所述消费者本次购物的收货地址信息相同的历史收货地址信息；以及，从所述收货地址购物特征列表中提取与已查找到的与所述消费者本次购物的收货地址信息相同的历史收货地址信息对应的购物特征，将其作为与所述消费者本次购物的收货地址信息对应的购物特征；

匹配排序模块，其设置为将待推荐商品信息与所述消费者本次购物的收货地址信息对应的购物特征进行匹配，并根据商品与相应消费人群的匹配度对待推荐商品进行排序；或者，根据商品与相应品类的匹配度对待推荐商品进行排序；以及，

推荐模块，其设置为将排序结果中匹配度较高的预设数量个商品推荐给所述消费者。

6.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行根据权利要求1至4中任一项所述的商品推荐方法。

7.一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，所述处理器执行根据权利要求1至4中任一项所述的商品推荐方法。