[发明专利]商品推荐方法、装置、计算机设备和存储介质

说明书

本申请涉及一种商品推荐方法、装置、计算机设备和存储介质。所述方法包括：获取各商品的推荐评分，所述推荐评分用于标识各所述商品的推荐价值；基于各所述商品的推荐评分，确定待推荐的目标商品；所述商品的推荐评分的确定方式，包括：获取所述商品的评论热度信息，获取所述商品的评论信息；基于商品知识图谱、所述商品的评论热度信息和评论信息，确定所述商品的特征词，所述特征词用于标识所述商品的特征信息；根据时间参数、所述商品的评论热度信息以及各所述特征词关联的情感词分数，确定所述商品的推荐评分。采用本方法能够提高商品推荐的精度。

技术领域

本申请涉及互联网技术领域，特别是涉及一种商品推荐方法、装置、计算机设备和存储介质。

背景技术

随着互联网技术的发展，电子商务系统得到了广泛应用，其中的商品信息不断扩增，随之也带来了信息过载的问题。为解决该问题，商品推荐应运而生，其通过分析用户过往的购买记录或商品的受欢迎程度等信息，推断用户的喜好并为用户推荐他们感兴趣的商品。

然而当前的推荐系统，主要研究用户之间以及商品之间的关系，但没有深入研究用户和商品本身所具有的许多信息，最终导致无法精确的给用户推荐相应的商品。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高商品推荐精确度的商品推荐方法、装置、计算机设备和存储介质。

一种商品推荐方法，所述方法包括：

获取各商品的推荐评分，所述推荐评分用于标识各所述商品的推荐价值；

基于各所述商品的推荐评分，确定待推荐的目标商品；

所述商品的推荐评分的确定方式，包括：

获取所述商品的评论信息，获取所述评论信息中的特征词的热度信息；

基于商品知识图谱、评论信息和所述评论信息中的特征词的热度信息，确定所述商品的目标特征词，所述目标特征词用于标识所述商品的特征信息；

根据时间参数、所述特征词的热度信息以及各所述目标特征词关联的情感词的分数，确定所述商品的推荐评分。

在其中一个实施例中，所述评论信息中的特征词的热度信息的确定方式，包括：

获取用户点击所述商品的次数、所述用户浏览所述商品的时间以及所述用户评论信息中的特征词出现的次数；

将所述用户点击所述商品的次数、所述用户浏览所述商品的时间以及所述用户评论信息中特征词出现的次数分别与对应的常量运算之后的和作为所述评论信息中的特征词的热度信息。

在其中一个实施例中，所述基于商品知识图谱、评论信息和所述评论信息中的特征词的热度信息，确定所述商品的目标特征词，所述目标特征词用于标识所述商品的特征信息，包括：

基于所述商品知识图谱和所述商品的评论信息，确定所述商品的初始特征词集和初始待补全特征词集；

根据所述特征词的热度信息、所述初始待补全特征词集中，补全特征词的特征词词频、词逆向集合频率，从所述初始待补全特征词集中确定目标待补全特征词；

将所述目标待补全特征词添加至所述初始特征词集中，确定所述商品的目标特征词。

在其中一个实施例中，所述根据所述特征词的热度信息、所述初始待补全特征词集中，补全特征词的特征词词频、词逆向集合频率，从所述初始待补全特征词集中确定目标待补全特征词，包括：

将所述特征词的热度信息与所述初始待补全特征词集中，对应的待补全特征词的特征词词频、词逆向集合频率相乘，获得各所述待补全特征词的特征词总权重；

基于各所述待补全特征词的特征词总权重，确定目标待补全特征词。