[发明专利]新零售模式下基于机器学习算法的商品推送方法及设备

权利要求书

1.一种新零售模式下基于机器学习算法的商品推送方法，其特征在于，所述新零售模式下基于机器学习算法的商品推送方法包括以下步骤：

获取若干历史购买者的用户信息以及商品购买记录，得到各个商品对应的用户信息；

根据特定算法基于所述各个商品对应的用户信息进行训练，得到各个商品对应的预测模型，所述预测模型用于建立商品与用户信息之间的映射关系；

获取待推送用户的用户信息，将所述待推送用户的用户信息输入所述各个商品对应的预测模型，得到若干预测值；

基于所述若干预测值，确定待推送商品；

将所述待推送商品的商品信息推送至所述待推送用户的用户终端。

2.如权利要求1所述的新零售模式下基于机器学习算法的商品推送方法，其特征在于，所述根据特定算法基于所述各个商品对应的用户信息进行训练，得到各个商品对应的预测模型的步骤包括：

计算所述各个商品对应的用户信息的特征值，并将所述特征值代入公式，得到多个函数；

对所述多个函数进行迭代求解，得到各个商品对应的预测模型；

所述公式如下：

其中，h_θ(x)代表用户信息与商品的匹配度，θ_i为用户信息i的权重值，x_i为用户信息i对应的特征值，θ^T＝[θ₁，θ₂，...，θ_n]，x＝[x₁，x₂，...，x_n]。

3.如权利要求1所述的新零售模式下基于机器学习算法的商品推送方法，其特征在于，所述基于所述若干预测值，确定待推送商品的步骤包括：

检测所述若干预测值中是否存在大于或等于预设阈值的目标预测值；

若存在大于或等于预设阈值的目标预测值，则将所述目标预测值对应的预测模型关联的商品作为待推送商品。

4.如权利要求3所述的新零售模式下基于机器学习算法的商品推送方法，其特征在于，在所述若存在大于或等于预设阈值的目标预测值，则将所述目标预测值对应的预测模型关联的商品作为待推送商品的步骤包括：

若存在大于或等于预设阈值的目标预测值，且目标预测值的数量至少为两个，则从所述至少两个目标预测值中选取最大目标预测值；

将所述最大目标预测值对应的预测模型关联的商品作为待推送商品。

5.如权利要求3所述的新零售模式下基于机器学习算法的商品推送方法，其特征在于，在所述检测所述若干预测值中是否存在大于或等于预设阈值的目标预测值的步骤之后，还包括：

若不存在大于或等于预设阈值的目标预测值，则以当前的促销商品作为待推送商品。

6.一种新零售模式下基于机器学习算法的商品推送设备，其特征在于，所述新零售模式下基于机器学习算法的商品推送设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的新零售模式下基于机器学习算法的商品推送程序，所述新零售模式下基于机器学习算法的商品推送程序被所述处理器执行时实现如下步骤：

获取若干历史购买者的用户信息以及商品购买记录，得到各个商品对应的用户信息；

根据特定算法基于所述各个商品对应的用户信息进行训练，得到各个商品对应的预测模型，所述预测模型用于建立商品与用户信息之间的映射关系；

获取待推送用户的用户信息，将所述待推送用户的用户信息输入所述各个商品对应的预测模型，得到若干预测值；

基于所述若干预测值，确定待推送商品；

将所述待推送商品的商品信息推送至所述待推送用户的用户终端。