[发明专利]一种确定推荐商品的方法和装置

说明书

本发明公开了一种确定推荐商品的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：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。该实施方式能够解决无法充分挖掘用户需求的问题。

技术领域

本发明涉及计算机技术领域，尤其涉及一种确定推荐商品的方法和装置。

背景技术

随着电商平台的不断壮大和发展，越来越多的用户选择网络购物。如何让用户在最短的时间内在琳琅满目的电商平台上找到最符合其需要的商品成为亟待解决的问题。

目前，现有的推荐方案主要基于以下几种：

1)基于用户历史浏览记录；2)基于用户实时浏览记录；3)基于用户个人注册信息；4)基于商品的销量、评价等维度信息；5)基于以上四种方案的任意组合方案。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

基于用户浏览记录的推荐方案属于被动推荐方案，即只有当用户进行商品的浏览时，才能获取相关信息进行推荐；基于用户注册信息的推荐方案不能推荐出相应用户真正感兴趣的商品；基于商品本身自有特征的推荐方案和基于用户注册信息的方案类似，只是根据固有特征进行强行推荐。因此，现有的推荐方案都无法充分地挖掘出用户的真实需求。

发明内容

有鉴于此，本发明实施例提供一种确定推荐商品的方法和装置，能够解决无法充分挖掘用户需求的问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种确定推荐商品的方法，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。

可选地，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。

可选地，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。