[发明专利]一种确定推荐商品的方法和装置

权利要求书

1.一种确定推荐商品的方法，其特征在于，包括：

根据样本数据集中各个用户的历史订单数据，确定历史商品标识及其对应的品类信息；

将所述历史商品标识及其对应的品类信息作为训练集，输入到预定模型中进行训练，形成分类器；

将目标用户的历史订单数据中按照交易时间降序追溯距当前时间的预设数量的历史交易订单数据作为所述分类器的输入量，以预测所述目标用户的预测商品集；

根据所述目标用户的最近浏览数据和所述预测商品集确定所述目标用户的推荐商品。

2.根据权利要求1所述的方法，其特征在于，根据样本数据集中各个用户的历史订单数据，确定历史商品标识及其对应的品类信息，包括：

根据样本数据集中各个用户的历史订单数据，分别确定各个历史商品标识以及所述各个历史商品标识所属的品类信息；

按照时间降序确定待输入的历史商品标识样本集以及所述历史商品标识样本集中各个历史商品标识，并根据预设规则分别确定与所述各个历史商品标识对应的至少一个品类信息的映射关系。

3.根据权利要求2所述的方法，其特征在于，所述预定模型包括隐马尔可夫模型；

将所述历史商品标识及其对应的品类信息作为训练集，输入到隐马尔可夫模型中进行训练，形成分类器，包括：

将所述历史商品标识样本集中各个历史商品标识与其对应的至少一个品类信息的映射关系作为训练集，以所述历史商品标识样本集中各个历史商品标识对应的至少一个品类信息作为特征向量，输入到隐马尔可夫模型中；

利用隐马尔可夫模型中的Baum-Welch算法进行训练，获取训练后的历史商品标识样本集作为输出结果，形成分类器。

4.根据权利要求3所述的方法，其特征在于，将目标用户的历史订单数据中按照交易时间降序追溯距当前时间的预设数量的历史交易订单数据作为所述分类器的输入量，以预测所述目标用户的预测商品集将用户购买数据输入到所述分类器中，预测得到所述用户的预测商品集，包括：

将目标用户的历史订单数据中按照交易时间降序追溯距当前时间的预设数量的历史交易订单数据所属的品类信息作为所述分类器的输入量，并利用隐马尔可夫模型中的Viterbi算法进行预测，从而预测得到所述目标用户的预测商品集；其中，所述预测商品集包括至少一个商品标识。

5.根据权利要求1所述的方法，其特征在于，根据所述目标用户的最近浏览数据和所述预测商品集确定所述目标用户的推荐商品，包括：

判断所述目标用户是否有最近浏览数据；

若否，则以所述预测商品集中的商品作为推荐商品；

若是，则判断所述目标用户的最近浏览数据和所述预测商品集中是否有相同的商品；若是，则以所述相同的商品作为推荐商品；若否，则以所述目标用户的最近浏览数据和/或所述预测商品集中的商品作为推荐商品。

6.一种确定推荐商品的装置，其特征在于，包括：

获取模块，用于根据样本数据集中各个用户的历史订单数据，确定历史商品标识及其对应的品类信息；

训练模块，用于将所述历史商品标识及其对应的品类信息作为训练集，输入到预定模型中进行训练，形成分类器；

预测模块，用于将目标用户的历史订单数据中按照交易时间降序追溯距当前时间的预设数量的历史交易订单数据作为所述分类器的输入量，以预测所述目标用户的预测商品集；

筛选模块，用于根据所述目标用户的最近浏览数据和所述预测商品集确定所述目标用户的推荐商品。

7.根据权利要求6所述的装置，其特征在于，所述获取模块用于：

根据样本数据集中各个用户的历史订单数据，分别确定各个历史商品标识以及所述各个历史商品标识所属的品类信息；

按照时间降序确定待输入的历史商品标识样本集以及所述历史商品标识样本集中各个历史商品标识，并根据预设规则分别确定与所述各个历史商品标识对应的至少一个品类信息的映射关系。