[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

说明书

本发明实施例提供了一种电商平台商品的推荐方法、装置、服务器和存储介质。该电商平台商品的推荐方法包括：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。达到给不同用户提供不同的推荐商品，以提高用户的购买率的效果。

技术领域

本发明实施例涉及电子商务技术领域，尤其涉及一种电商平台商品的推荐方法、装置、服务器和存储介质。

背景技术

随着互联网的迅速发展，越来越多的用户开始通过网上进行购物和消费。

用户需要在电商平台去寻找产品，再对喜欢的产品进行下单购买。目前，为了提高用户的购买率，在用户打开电商平台时，会给用户推荐商品，用户可以对在推荐的商品中选择感兴趣的商品进行购买。

然而，目前电子商务中推荐给用户的商品都是相同的，每个用户都看到的是相同排序的商品列表。而每个用户的兴趣是不同，现有的方案不能给用户提供千人千面的友好购物体验，不能智能化的提高销售业绩。

发明内容

本发明实施例提供一种电商平台商品的推荐方法、装置、服务器和存储介质，以实现给不同用户提供不同的推荐商品，以提高用户的购买率的效果。

第一方面，本发明实施例提供了一种电商平台商品的推荐方法，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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。