[发明专利]购物推荐方法、购物推荐装置、及电子设备

说明书

本申请提供了一种购物推荐方法、购物推荐装置、及电子设备，包括：获取待推荐用户的由多个历史购物集合组成的历史购物序列，对历史购物序列中包括的各个商品信息进行聚类处理，得到聚类结果，并利用预先构建的编码模型对历史购物序列进行处理，得到历史购物序列的整体编码向量，从而基于聚类结果和历史购物序列的整体编码向量，从预设的商品池中确定待推荐用户下一次可能会购买的各个商品，并将所确定的各个商品推荐给待推荐用户，实现为待推荐用户推荐下一次可能会购买的多件商品。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种购物推荐方法、购物推荐装置、及电子设备。

背景技术

在大数据时代，推荐系统已经成为用户快捷获取信息的必要手段。同时，推荐系统能够大大提升各类信息服务平台的用户粘性，从而为提升商家收益提供帮助。

现有的推荐系统大多为用户推荐一件可能购买的商品，然而在真实场景中，用户的购物行为往往是在购物车中放置多件商品并一起购买。

因此，如何提供一种能够为用户推荐多件商品的技术方案，是目前本领域技术人员亟需解决的问题。

发明内容

本申请提供了一种购物推荐方法、购物推荐装置、及电子设备，以为用户推荐下一次可能会购买的多件商品。

为了实现上述目的，本申请提供了以下技术方案：

一种购物推荐方法，包括：

获取待推荐用户的历史购物序列；所述历史购物序列包括按照预设顺序排列的多个历史购物集合，每个历史购物集合包含与该历史购物集合对应的购物订单中的各个商品的商品信息；

对所述历史购物序列中包括的各个商品信息进行聚类处理，得到聚类结果；

利用预先构建的编码模型对所述历史购物序列进行处理，得到所述历史购物序列的整体编码向量；

基于所述聚类结果和所述历史购物序列的整体编码向量，从预设的商品池中确定所述待推荐用户下一次可能会购买的各个商品，并将所确定的各个商品推荐给所述待推荐用户。

上述的方法，可选的，所述对所述历史购物序列中包括的各个商品信息进行聚类处理，得到聚类结果，包括：

对所述历史购物序列中包括的各个商品信息进行分词处理，得到每个商品信息对应的多个词汇；

利用预先构建的词向量模型，对每个商品信息对应的多个词汇进行处理，得到每个商品信息的商品信息向量；

基于每个商品信息的商品信息向量，对所述历史购物序列中包括的各个商品信息进行聚类处理，得到聚类结果。

上述的方法，可选的，所述利用预先构建的编码模型对所述历史购物序列进行处理，得到所述历史购物序列的整体编码向量，包括：

构建所述历史购物序列中每个历史购物集合的购物向量；所述购物向量用于表征对应历史购物集合中包括的各个商品信息之间的关联关系；

确定所述历史购物序列中每个历史购物集合的编码向量；其中，所述历史购物序列中的除首个历史购物集合外的每个历史购物集合的编码向量，基于该历史购物集合的购物向量，以及该历史购物集合的前一个历史购物集合的编码向量得到；所述历史购物序列中的首个历史购物集合的编码向量依据首个历史购物集合的购物向量得到；

依据每个历史购物集合的编码向量，计算所述历史购物序列的整体编码向量。

上述的方法，可选的，所述构建所述历史购物序列中每个历史购物集合的购物向量，包括：

基于所述历史购物序列中每个历史购物集合中包括的各个商品信息，构建每个历史购物集合的标志位向量、键矩阵和值矩阵；