[发明专利]商品推荐方法、装置、电子设备及存储介质

说明书

本发明提供一种商品推荐方法、装置、电子设备及存储介质，该方法包括：基于目标用户的第一特征向量和商品库中每一件商品的第二特征向量，确定目标用户的目标推荐商品；其中，目标用户的第一特征向量和每一件商品的第二特征向量是基于至少一个用户的历史购买信息，每一个用户的用户基础信息，和每一件商品的商品基础信息确定的；目标用户的第一特征向量表示目标用户的购买倾向，商品的第二特征向量表示商品的被购买倾向。本发明综合考虑用户的历史购买信息和商品的历史被购买信息，融合用户基础信息和商品基础信息，可以基于目标用户的基础信息，向目标用户推荐更合适的商品，有效解决了低频消费场景下无法准确推荐合适商品的缺陷。

技术领域

本发明涉及数据分析技术领域，尤其涉及一种商品推荐方法、装置、电子设备及存储介质。

背景技术

随着电商行业的快速发展，用户希望在大量商品信息中发现自己感兴趣的商品，并且找到与自己目标购买商品有关联的商品。

现有技术常采用召回模型筛选出千百个用户可能感兴趣的候选商品，采用排序模型对候选商品进行排序，最终呈现给消费者。但是在冷启动场景下无法准确推荐用户当前希望购买的商品。

发明内容

本发明提供一种商品推荐方法、装置、电子设备及存储介质，用以解决现有技术中低频消费场景下无法准确推荐合适商品的缺陷，实现向目标用户推荐更合适的商品。

第一方面，本发明提供一种商品推荐方法，包括：

基于目标用户的第一特征向量和商品库中每一件商品的第二特征向量，确定目标用户的目标推荐商品；

其中，目标用户的第一特征向量和所述商品库中每一件商品的第二特征向量是基于所述至少一个用户的历史购买信息，所述每一个用户的用户基础信息，和所述每一件商品的商品基础信息确定的；所述目标用户的第一特征向量用于表示所述目标用户的购买倾向，所述商品的第二特征向量用于表示所述商品的被购买倾向。

可选地，根据本发明提供一种的商品推荐方法，所述方法还包括：

对用户购买矩阵进行矩阵分解，获得用户购买特征矩阵和商品被购买特征矩阵；

基于所述用户购买特征矩阵和所述商品被购买特征矩阵，通过双塔模型训练获得用户特征塔和商品特征塔；

基于所述用户基础信息和所述用户特征塔，确定所述每一个用户的第一特征向量；

基于所述商品基础信息和所述商品特征塔，确定所述每一件商品的第二特征向量；

其中，所述用户购买矩阵基于至少一个用户历史购买商品的信息确定。

可选地，根据本发明提供一种的商品推荐方法，所述基于所述用户基础信息和所述用户特征塔，确定所述每一个用户的第一特征向量，包括：

针对历史购买过的第一用户，将所述第一用户的用户购买特征矩阵和所述第一用户的用户基础信息作为所述用户特征塔的特征输入，获得所述第一用户的第一特征向量；

针对历史没有购买过的第二用户，基于所有所述第一用户的第一特征向量的均值，获得所述第二用户的第一特征向量。

可选地，根据本发明提供一种的商品推荐方法，所述基于商品基础信息和商品特征塔，获得每一件商品的第二特征向量，包括：

针对历史被购买过的第一商品，将所述第一商品的商品被购买特征矩阵和所述第一商品的商品基础信息作为所述商品特征塔的特征输入，获得所述第一商品的第二特征向量；

针对历史没有被购买过的第二商品，基于所有所述第一商品的第二特征向量的均值，获得所述第二商品的第二特征向量。

可选地，根据本发明提供一种的商品推荐方法，所述确定目标用户的目标推荐商品，包括：