[发明专利]电商平台商品的推荐方法、装置、服务器和存储介质

权利要求书

1.一种电商平台商品的推荐方法，其特征在于，包括：

获取第一用户的用户行为数据；

基于所述用户行为数据确定所述第一用户的用户画像；

基于第一预设算法训练预设召回模型；

基于第二预设算法训练点击预测模型；

根据所述用户画像和所述预设召回模型确定推荐商品集合，所述推荐商品集合包括多个推荐商品；

根据所述用户行为数据和所述点击预测模型对所述推荐商品集合中的多个推荐商品进行排序；

将排序的结果返回商品推荐列表展示给所述第一用户。

2.如权利要求1所述的电商平台商品的推荐方法，其特征在于，在所述根据所述用户行为数据和所述点击预测模型对所述推荐商品集合中的多个推荐商品进行排序之前，包括：

建立多个预设点击模型；

通过ABTest机制分流用户到每一个预设点击模型，得到每一个预设点击模型的预测结果；

根据用户的点击购买结果确定最优的预设点击模型作为所述点击预测模型。

3.如权利要求2所述的电商平台商品的推荐方法，其特征在于，所述多个预设点击模型包括XGBoost+LR组合算法和WideDeep深度学习算法。

4.如权利要求1所述的电商平台商品的推荐方法，其特征在于，所述点击预测模型为多个，在所述将排序的结果返回商品推荐列表展示给所述第一用户之后，包括：

获取每一个点击预测模型的多个第一用户的点击购买结果集合；

基于所述点击购买结果集合判定每一个点击预测模型的预测效果；

判断每一个点击预测模型的预测效果是否大于预设阈值；

如果点击预测模型的预测效果小于所述预设阈值，则调整所述点击预测模型的风控参数。

5.如权利要求1所述的电商平台商品的推荐方法，其特征在于，所述用户行为数据包括数据来源，在所述根据所述用户行为数据和所述点击预测模型对所述推荐商品集合中的多个推荐商品进行排序之前，包括：

根据所述数据来源匹配与所述数据来源对应的点击预测模型。

6.如权利要求1所述的电商平台商品的推荐方法，其特征在于，所述用户行为数据包括购买商品的基本信息、搜索的商品、浏览商品的时间、对商品的评价、重复购买的次数、重复购买的间隔时长中的一种或多种。

7.如权利要求1-6任一项所述的电商平台商品的推荐方法，其特征在于，所述预设召回模型基于协同过滤算法训练得到。

8.一种电商平台商品的推荐装置，其特征在于，包括：

获取模块，用于获取第一用户的用户行为数据；

画像模块，用于基于所述用户行为数据确定所述第一用户的用户画像；

算法训练模块，用于基于第一预设算法训练预设召回模型，基于第二预设算法训练点击预测模型；

召回模块，用于根据所述用户画像和所述预设召回模型确定推荐商品集合，所述推荐商品集合包括多个推荐商品；

排序模块，用于根据所述用户行为数据和所述点击预测模型对所述推荐商品集合中的多个推荐商品进行排序；

展示模块，用于将排序的结果返回商品推荐列表展示给所述第一用户。

9.一种服务器，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的电商平台商品的推荐方法。

10.一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，该程序被处理器执行时实现如权利要求1-7中任一项所述的电商平台商品的推荐方法。