CN115239413A - 一种商品推荐方法、装置、设备及存储介质 - Google Patents
一种商品推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115239413A CN115239413A CN202210729184.XA CN202210729184A CN115239413A CN 115239413 A CN115239413 A CN 115239413A CN 202210729184 A CN202210729184 A CN 202210729184A CN 115239413 A CN115239413 A CN 115239413A
- Authority
- CN
- China
- Prior art keywords
- commodities
- commodity
- user
- candidate
- commodity set
- 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
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种商品推荐方法、装置、设备及存储介质,涉及广告发布技术领域。本发明中,可以根据用户的实时行为事件对应的商品和用户的历史数据对应的商品及相似商品,分别生成第一候选商品集、第二候选商品集以及第三候选商品集,然后生成推荐商品集。从而能够从用户的行为事件以及历史数据多维度的推荐用户相关商品,以提高推荐的商品与用户间的相关性,从而提高推荐的效果。并且,还可以根据用户实时的购买行为对应的商品,将推荐商品集中用户已购买过的商品及其同标签的商品进行剔除,以对推荐商品集进行动态反馈更新,从而避免向用户频繁推荐用户已购买过的商品,提高用户体验。
Description
技术领域
本发明涉及商品推荐技术领域,具体而言,涉及一种商品推荐方法、装置、设备及存储介质。
背景技术
当前广告平台通常会向用户以商品集的方式推荐多个商品。目前,广告平台推荐的商品一般是根据用户实时行为或根据用户历史数据进行单一推荐的,商品相关性较差,推广效果不好。并且,在推荐之后无法根据用户的购物行为实时更新推荐的商品,从而导致向用户推荐的商品中包含有很多对用用户来说无效的商品,降低了用户体验。
发明内容
基于上述现有技术存在商品推广效果较差,无法实时动态调整推荐的商品的问题,本发明实施例提供一种商品推荐方法、装置、设备及存储介质,可以根据用户特征生成与用户相关性较高的商品集,提高广告推荐效果,并能够动态调整推荐的商品集中的商品。
第一方面,本发明实施例提供一种商品推荐方法,包括:根据用户的实时行为事件分别对应的商品,生成第一候选商品集,行为事件包括浏览事件、收藏事件以及加购物车事件;根据用户的历史偏好商品及对应的相似商品,生成第二候选商品集,用户的历史偏好商品包括用户在预设时段内的收藏商品、加购物车商品以及购买商品;根据用户的历史数据对应的商品的属性信息和热度排名前N个商品,生成第三候选商品集;根据第一候选商品集、第二候选商品集以及第三候选商品集生成推荐商品集;获取用户实时购买行为对应的商品的商品类别,根据预设的商品类别和商品标签间的映射关系,确定用户实时购买行为对应的商品的商品标签;将用户购买行为对应的商品以及相应商品标签对应的商品从推荐商品集剔除。
可选地,方法还包括:获取用户对推荐商品集中的商品的实时点击率,从推荐商品集中剔除相同价格区间内的商品中预设时长内点击率始终为0的商品。
可选地,方法还包括:按照实时点击率降序,对推荐商品集中的商品进行排序。
可选地,根据第一候选商品集、第二候选商品集以及第三候选商品集生成推荐商品集,包括:根据第一候选商品集、第二候选商品集以及第三候选商品集,按照第一预设比例生成推荐商品集。
可选地,根据用户的实施行为事件分别对应的商品,生成第一候选商品集,包括:根据用户行为事件分别对应的商品,按照浏览事件、收藏事件和加购物车事件的第二预设比例,生成第一候选商品集。
可选地,第二预设比例为2:3:5。
第二方面,本发明实施例还提供一种商品推荐装置,包括:第一生成模块,用于根据用户的实时行为事件分别对应的商品,生成第一候选商品集,行为事件包括浏览事件、收藏事件以及加购物车事件;第二生成模块,用于根据所述用户的历史偏好商品及对应的相似商品,生成第二候选商品集,用户的历史偏好商品包括用户在预设时段内的收藏商品、加购物车商品以及购买商品;第三生成模块,用于根据用户的历史数据对应的商品的属性信息和热度排名前N个商品,生成第三候选商品集;推荐模块,用于根据第一候选商品集、第二候选商品集以及第三候选商品集生成推荐商品集;动态反馈模块,用于获取用户实时购买行为对应的商品的商品类别,根据预设的商品类别和商品标签间的映射关系,确定用户实时购买行为对应的商品的商品标签;将用户购买行为对应的商品以及相应商品标签对应的商品从推荐商品集剔除。
可选地,动态反馈模块,还用于获取用户对推荐商品集中的商品的实时点击率,从推荐商品集中剔除相同价格区间内的商品中预设时长内点击率始终为0的商品。
可选地,动态反馈模块,还用于按照实时点击率降序,对推荐商品集中的商品进行排序。
可选地,推荐模块,具体用于根据第一候选商品集、第二候选商品集以及第三候选商品集,按照第一预设比例生成推荐商品集。
可选地,第一生成模块,具体用于根据用户行为事件分别对应的商品,按照浏览事件、收藏事件和加购物车事件的第二预设比例,生成第一候选商品集。
可选地,第二预设比例为2:3:5。
第三方面,本发明实施例提供一种电子设备,包括:处理器、存储介质和总线,存储介质存储有处理器可执行的机器可读指令,当电子设备运行时,处理器与存储介质之间通过总线通信,处理器执行机器可读指令,以执行时执行如第一方面所述的方法的步骤。
第四方面,本发明实施例提供一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器运行时执行如第一方面所述的方法的步骤。
本发明实施例中,可以根据用户的实时行为事件对应的商品和用户的历史数据对应的商品及相似商品,分别生成第一候选商品集、第二候选商品集以及第三候选商品集,然后生成推荐商品集。从而能够从用户的行为事件以及历史数据多维度的推荐用户相关商品,以提高推荐的商品与用户间的相关性,从而提高推荐的效果。并且,还可以根据用户实时的购买行为对应的商品,将推荐商品集中用户已购买过的商品及其同标签的商品进行剔除,以对推荐商品集进行动态反馈更新,从而避免向用户频繁推荐用户已购买过的商品,提高用户体验。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,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示出了本发明实施例提供的商品推荐方法的流程示意图;
图2示出了本发明实施例提供的商品推荐方法的另一流程示意图;
图3示出了本发明实施例提供的商品推荐方法的另一流程示意图;
图4示出了本发明实施例提供的商品推荐装置的结构示意图;
图5示出了本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,应当理解,本发明中附图仅起到说明和描述的目的,并不用于限定本发明的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本发明中使用的流程图示出了根据本发明的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本发明内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,本发明所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。还应注意到: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。在本发明的描述中,还需要说明的是,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
如图1所示,本发明实施例提供一种商品推荐方法,可以包括以下S101-S106。
S101、根据用户的实时行为事件分别对应的商品,生成第一候选商品集,行为事件包括浏览事件、收藏事件以及加购物车事件。
S102、根据用户的历史偏好商品及对应的相似商品,生成第二候选商品集,用户的历史偏好商品包括用户在预设时段内的收藏商品、加购物车商品以及购买商品。
S103、根据用户的历史数据对应的商品的属性信息和热度排名前N个商品,生成第三候选商品集。
S104、根据第一候选商品集、第二候选商品集以及第三候选商品集生成推荐商品集。
可选地,在生成推荐商品集之后,可以将该推荐商品集中的商品展示到相应的页面,如媒体页等,以向用户推荐相应商品。
S105、获取用户实时购买行为对应的商品的商品类别,根据预设的商品类别和商品标签间的映射关系,确定用户实时购买行为对应的商品的商品标签。
可选地,在预设的商品类别和商品标签间的映射关系中,一个商品标签仅对应一个商品类别,或者一个商品标签可以对应多个商品类别,此处不做限制。
S106、将用户购买行为对应的商品以及相应商品标签对应的商品从推荐商品集剔除。
可选地,在上述方法步骤中,还可以分别包括获取用户的实时行为事件对应的商品以及用户的历史数据对应的商品的步骤。其中,获取用户的实时行为事件对应的商品的的步骤只要在S101之前即可,此处不做限制。获取用户的历史数据对应的商品的步骤只要在S102之前即可,此处不做限制。
本发明实施例中,可以根据用户的实时行为事件对应的商品和用户的历史数据对应的商品,分别生成第一候选商品集、第二候选商品集以及第三候选商品集,然后生成推荐商品集。从而能够从用户的行为事件以及历史数据多维度的推荐用户相关商品,以提高推荐的商品与用户间的相关性,从而提高推荐的效果。并且,还可以根据用户实时的购买行为对应的商品,将推荐商品集中用户已购买过的商品及其同标签的商品进行剔除,以对推荐商品集进行动态反馈更新,从而避免向用户频繁推荐用户已购买过的商品,提高用户体验。
可选地,如图2所示,方法还包括:
S201、获取用户对推荐商品集中的商品的实时点击率,从推荐商品集中剔除相同价格区间内的商品中预设时长内点击率始终为0的商品。
当用户在预设时长内始终为点击某个商品,则说明该商品用户兴趣较低,因此将相应商品剔除出推荐商品集,则可以减少对用户的无效商品推荐,从而提高商品推荐效果。
其中,预设时长可以根据实际情况进行设置,例如预设时长可以设置为三天。
可选地,如图3所示,方法还包括:
S301、按照实时点击率降序,对推荐商品集中的商品进行排序。
如此,能够根据用户的实时点击率,对推荐商品集中的商品进行排序,从而按照点击率降序在相关页面进行推荐商品的显示。从而便于向用户优先推荐用户兴趣高的商品。
可选地,在本申请中,该方法还可以包括实时获取不同商品标签对应的商品点击率,从而在热度排名前N个商品中将点击率高的商品标签对应的商品补充到推荐商品集中,以进一步扩展推荐的商品,提高商品推荐效率。
可选地,根据第一候选商品集、第二候选商品集以及第三候选商品集生成推荐商品集,包括:根据第一候选商品集、第二候选商品集以及第三候选商品集,按照第一预设比例生成推荐商品集。可选地,第一预设比例可以是5:3:2,此处不做限制。
如此,能够按照一定的权重来根据第一候选商品集、第二候选商品集以及第三候选商品集确定最终的推荐商品集,从而避免推荐商品集商品过多。
可选地,根据用户的实时行为事件分别对应的商品,生成第一候选商品集,可以包括:根据用户行为事件分别对应的商品,按照浏览事件、收藏事件和加购物车事件的第二预设比例,生成第一候选商品集。
例如,以可以用户行为事件分别对应的商品中,浏览事件对应的商品、收藏事件对应的商品以及加购物车事件对应的商品均为10件,第二预设比例为2:3:5。则可以抽选浏览事件对应的商品中的2件,收藏事件对应的商品中的3件以及加购物车事件对应的商品中的5件构成第一候选商品集。
如此,能够根据不同行为事件更加全面的生成第一候选商品集,提高第一候选商品集与用户间的相关性。
可选地,根据用户的历史偏好商品及对应的相似商品,生成第二候选商品集的方式可以是先获取用户历史偏好商品对应的最相似的K个商品,然后再计算每个商品与上述K个商品的相似度总和,从而得到用户对每个商品的感兴趣程度(即兴趣度),然后获取感兴趣程度排序前N个商品作为第二候选商品集。
示例地,用户对各商品的感兴趣程度均可以采用公式进行计算,例如,以用户u对商品j的感兴趣程度(即兴趣度)为例,则感兴趣程度p(u,j)可以根据以下公式计算:
其中,N(u)是用户的历史偏好商品集合,S(j,k)是和商品j最相似的K个商品的集合,Wji是指商品j和i的相似度,Rui是指用户u对物品i的兴趣度。
需要说明的是,上述公式中涉及的两个商品之间的相似度均可以采用ItemCF算法进行计算。例如,以商品u和商品v之间的相似度Wuv为例,则相似度Wuv可以根据以下公式计算:
其中,N(u)表示与商品u交互过的用户数量(或者说偏好商品u的用户数量),N(v)表示与商品v交互过的用户数量(或者说偏好商品v的用户数量),N(u)∩N(v)表示与商品u和商品v均交互过的用户数量(或者说同时偏好商品u和商品v的用户数量)。
可选地,在一些其他可行的实施方式中,根据用户的历史偏好商品及对应的相似商品,生成第二候选商品集的方式还可以是,直接根据相关算法计算各商品分别与用户历史偏好商品间的相似度,然后根据相似度排名前N个商品作为第二候选商品集。
可选地,当历史偏好商品为多个时,则商品库(可以是热度较高的商品集合,也可以是包含所有商品的商品集合,此处不做限制)中的每个商品均会对应每个历史偏好商品有多个相似度,因此,可以将同一商品的相似度进行求和后再进行排序。
如此,能够根据用户历史偏好商品从热度较高的商品中(即当季热销商品),筛选出与用户相关的商品作为第二候选商品集,从而提高第二候选商品集与用户的相关性。
可选地,根据用户的历史数据对应的商品的属性,生成第三候选商品集,包括:确定热度排名前N个商品中属性与用户的历史数据对应的商品的属性相同的商品,以生成第三候选商品集。
其中,用户的历史数据对应的商品包括用户在预设时间段内的收藏商品、加购物车商品以及购买商品等,此处不做限制。
如此,能够根据用户历史数据对应的商品从热度较高的商品中,扩展筛选出与用户比较相关的商品,从而生成第三候选商品集。从而能够使最终根据第一、第二以及第三候选商品集得到的推荐商品集中具有一定比例的扩展推荐,提高商品的推荐效果。
示例地,商品的属性可以包括商品品牌、类别、价格、折扣、适用季节等,此处不做限制。
基于前述方法实施例中所述的商品推荐方法,对应的,本发明实施例还提供一种商品推荐装置,图4示出了本发明实施例提供的商品推荐装置的结构示意图。
如图4所示,该装置可以包括:第一生成模块401,用于根据用户的实时行为事件分别对应的商品,生成第一候选商品集,行为事件包括浏览事件、收藏事件以及加购物车事件;第二生成模块402,根据用户的历史偏好商品及对应的相似商品,生成第二候选商品集,用户的历史偏好商品包括所述用户在预设时段内的收藏商品、加购物车商品以及购买商品;第三生成模块403,用于根据用户的历史数据对应的商品的属性信息和热度排名前N个商品,生成第三候选商品集;推荐模块404,用于根据第一候选商品集、第二候选商品集以及第三候选商品集生成推荐商品集;动态反馈模块405,用于获取用户实时购买行为对应的商品的商品类别,根据预设的商品类别和商品标签间的映射关系,确定用户实时购买行为对应的商品的商品标签;将用户购买行为对应的商品以及相应商品标签对应的商品从推荐商品集剔除。
可选地,动态反馈模块405,还用于获取用户对推荐商品集中的商品的实时点击率,从推荐商品集中剔除相同价格区间内的商品中预设时长内点击率始终为0的商品。
可选地,动态反馈模块405,还用于按照实时点击率降序,对推荐商品集中的商品进行排序。
可选地,推荐模块404,具体用于根据第一候选商品集、第二候选商品集以及第三候选商品集,按照第一预设比例生成推荐商品集。
可选地,第一生成模块401,具体用于根据用户行为事件分别对应的商品,按照浏览事件、收藏事件和加购物车事件的第二预设比例,生成第一候选商品集。
可选地,第二预设比例为2:3:5。
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,该装置的具体工作过程,可以参考前述方法实施例中所述的方法的对应过程,本发明中不再赘述。
应该理解,以上所描述的装置实施例仅仅是示意性的,本发明实施例所揭露的装置和方法,也可以通过其它的方式实现。例如,所述模块的划分,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,多个模块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。另外,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,装置或模块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,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明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电子设备执行本发明各个实施例所述方法的全部或部分步骤。
也即,本领域内的技术人员应明白,本发明实施例可以采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式中的任一种实现。
基于此,本发明实施例还提供一种程序产品,该程序产品可以是U盘、移动硬盘、ROM、RAM、磁碟或者光盘等存储介质,存储介质上可以存储有计算机程序,计算机程序被处理器运行时执行如前述方法实施例中所述的方法的步骤。具体实现方式和技术效果类似,在此不再赘述。
另外,本发明实施例还提供一种电子设备,图5示出了本发明实施例提供的电子设备的结构示意图。
如图5所示,该电子设备可以包括:处理器510、存储介质520和总线530,存储介质520存储有处理器510可执行的机器可读指令,当电子设备运行时,处理器510与存储介质520之间通过总线通信,处理器510执行机器可读指令,以执行时执行如前述实施例中所述的方法的步骤。具体实现方式和技术效果类似,在此不再赘述。
为了便于说明,在上述电子设备中仅描述了一个处理器。然而,应当注意,一些实施例中,本发明中的电子设备还可以包括多个处理器,因此本发明中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。
以上仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种商品推荐方法,其特征在于,包括:
根据用户的实时行为事件分别对应的商品,生成第一候选商品集,所述行为事件包括浏览事件、收藏事件以及加购物车事件;
根据所述用户的历史偏好商品及对应的相似商品,生成第二候选商品集,所述用户的历史偏好商品包括所述用户在预设时段内的收藏商品、加购物车商品以及购买商品;
根据所述用户的历史数据对应的商品的属性信息和热度排名前N个商品,生成第三候选商品集;
根据所述第一候选商品集、所述第二候选商品集以及所述第三候选商品集生成推荐商品集;
获取用户实时购买行为对应的商品的商品类别,根据预设的商品类别和商品标签间的映射关系,确定用户实时购买行为对应的商品的商品标签;
将用户购买行为对应的商品以及相应商品标签对应的商品从所述推荐商品集剔除。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取用户对所述推荐商品集中的商品的实时点击率,从所述推荐商品集中剔除相同价格区间内的商品中预设时长内点击率始终为0的商品。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
按照所述实时点击率降序,对所述推荐商品集中的商品进行排序。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第一候选商品集、所述第二候选商品集以及所述第三候选商品集生成推荐商品集,包括:
根据所述第一候选商品集、所述第二候选商品集以及所述第三候选商品集,按照第一预设比例生成所述推荐商品集。
5.根据权利要求1所述的方法,其特征在于,所述根据用户的实施行为事件分别对应的商品,生成第一候选商品集,包括:
根据所述用户行为事件分别对应的商品,按照所述浏览事件、所述收藏事件和所述加购物车事件的第二预设比例,生成所述第一候选商品集。
6.根据权利要求5所述的方法,其特征在于,所述第二预设比例为2:3:5。
7.一种商品推荐装置,其特征在于,包括:
第一生成模块,用于根据用户的实时行为事件分别对应的商品,生成第一候选商品集,所述行为事件包括浏览事件、收藏事件以及加购物车事件;
第二生成模块,用于根据所述用户的历史偏好商品及对应的相似商品,生成第二候选商品集,所述用户的历史偏好商品包括所述用户在预设时段内的收藏商品、加购物车商品以及购买商品;
第三生成模块,用于根据所述用户的历史数据对应的商品的属性信息和热度排名前N个商品,生成第三候选商品集;
推荐模块,用于根据所述第一候选商品集、所述第二候选商品集以及所述第三候选商品集生成推荐商品集;
动态反馈模块,用于获取用户实时购买行为对应的商品的商品类别,根据预设的商品类别和商品标签间的映射关系,确定用户实时购买行为对应的商品的商品标签;将用户购买行为对应的商品以及相应商品标签对应的商品从所述推荐商品集剔除。
8.根据权利要求7所述的装置,其特征在于,所述动态反馈模块,还用于获取用户对所述推荐商品集中的商品的实时点击率,从所述推荐商品集中剔除相同价格区间内的商品中预设时长内点击率始终为0的商品。
9.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行时执行如权利要求1至6任一项所述的方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至6任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210729184.XA CN115239413A (zh) | 2022-06-24 | 2022-06-24 | 一种商品推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210729184.XA CN115239413A (zh) | 2022-06-24 | 2022-06-24 | 一种商品推荐方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115239413A true CN115239413A (zh) | 2022-10-25 |
Family
ID=83669571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210729184.XA Pending CN115239413A (zh) | 2022-06-24 | 2022-06-24 | 一种商品推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115239413A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115687756A (zh) * | 2022-10-26 | 2023-02-03 | 深圳市灵智数字科技有限公司 | 一种搜索推荐方法及装置 |
-
2022
- 2022-06-24 CN CN202210729184.XA patent/CN115239413A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115687756A (zh) * | 2022-10-26 | 2023-02-03 | 深圳市灵智数字科技有限公司 | 一种搜索推荐方法及装置 |
CN115687756B (zh) * | 2022-10-26 | 2023-07-14 | 深圳市灵智数字科技有限公司 | 一种搜索推荐方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222272B (zh) | 一种潜在客户挖掘与推荐方法 | |
JP4360759B2 (ja) | 相関分析を用いて広告の販売効果を調査する方法およびシステム | |
CN107590675B (zh) | 一种基于大数据的用户购物行为识别方法、储存设备及移动终端 | |
US7594189B1 (en) | Systems and methods for statistically selecting content items to be used in a dynamically-generated display | |
US8280783B1 (en) | Method and system for providing multi-level text cloud navigation | |
CN107332910B (zh) | 信息推送方法和装置 | |
JP2010134733A (ja) | 情報推薦装置、情報推薦方法、及びプログラム | |
US8121905B2 (en) | Merchandising items of topical interest | |
US20150058331A1 (en) | Search result ranking using machine learning | |
CN110363604B (zh) | 页面生成方法和装置 | |
JP6679451B2 (ja) | 選択装置、選択方法および選択プログラム | |
JP2018519613A (ja) | オンラインマーケットプレイスにおいてアイテムを提示し評価するためのシステム及び技術 | |
CN106469382A (zh) | 闲置商品对象信息处理方法及装置 | |
JP5507607B2 (ja) | コンテンツ提供装置、低ランク近似行列生成装置、コンテンツ提供方法、低ランク近似行列生成方法およびプログラム | |
CN112435067A (zh) | 跨电商平台与社交平台的智能广告投放方法及系统 | |
CN107423356A (zh) | 评价信息的处理方法及装置、计算机可读介质、电子设备 | |
CN112528153B (zh) | 内容推荐方法、装置、设备、存储介质以及程序产品 | |
CN111428131B (zh) | 信息推送方法、装置及系统 | |
JP6976207B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN103843026B (zh) | 信息处理装置、信息处理方法 | |
Aprilianti et al. | Implementation of weighted parallel hybrid recommender systems for e-commerce in indonesia | |
CN115239413A (zh) | 一种商品推荐方法、装置、设备及存储介质 | |
US20190392478A1 (en) | Automated Generation of Personalized Mail | |
JP5155290B2 (ja) | 購買ステージ判定装置及び購買ステージ判定方法 | |
US7277926B1 (en) | Business method and user interface for representing business analysis information side-by-side with product pages of an online store |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230926 Address after: 710000 Room 904, Building C3, Phase II, Software New Town R&D Base, No. 156, Tiangu 8th Road, Hi tech Zone, Xi'an, Shaanxi Applicant after: Xi'an Notice Network Technology Co.,Ltd. Address before: Room 1002, building C3, phase II, software new town R & D base, No. 156, Tiangu 8th Road, high tech Zone, Xi'an, Shaanxi 710000 Applicant before: Xi'an Dianjuchuang Network Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right |