[发明专利]产品推荐方法及系统

权利要求书

1.一种产品推荐系统，其特征在于，所述系统包括客户端和搜索服务器，所述客户端与所述搜索服务器相耦合，其中，

客户端，用于发送产品推荐请求；

搜索服务器，用于接收并响应于产品推荐请求，获取用户在历史产品推荐策略中的行为反馈数据，其中，所述行为反馈数据包括用户在所述产品推荐请求之前的历史产品推荐策略中所实施的行为数据；以及，用于基于所述行为反馈数据，利用策略逼近算法计算得到对应于所述产品推荐请求的产品推荐策略；

其中，基于所述行为反馈数据，利用策略逼近算法计算得到对应于所述产品推荐请求的产品推荐策略，包括：

构建所述策略逼近算法的策略生成部分；

将所述行为反馈数据作为所述策略生成部分的输入数据，计算得到对应于所述产品推荐请求的产品推荐策略；其中，所述产品推荐策略为：

其中，μ_θ(s)为关于s和θ的策略函数，s为所述行为反馈数据，θ＝(θ₁,θ₂,……,θ_m)为策略优化参数向量，m为所述策略函数中的参数的个数，μ_θⁱ(s)为所述策略函数中的第i个参数：

其中，φ(s)为关于s的特征向量，θ₁,θ₂,……,θ_m均为长度与φ(s)的长度相等的向量，C_i为第i个参数的常数系数，T为矩阵转置。

2.根据权利要求1所述的系统，其特征在于，所述系统还包括：

数据分析服务器，用于构建所述策略逼近算法的参数优化部分，所述参数优化部分包括所述策略优化参数；以及，用于设置所述参数优化部分的优化目标；以及，用于根据所述优化目标对所述策略优化参数进行优化。

3.根据权利要求2所述的系统，其特征在于，所述根据所述优化目标对所述策略优化参数进行优化包括：

根据所述行为反馈数据构建数据样本；

根据所述数据样本，确定所述参数优化部分在达到所述优化目标时所述策略参优化数的值；

将所述策略优化参数的值更新至所述策略生成部分。

4.根据权利要求1所述的系统，其特征在于，所述行为反馈数据包括预设数量产品的特征数据，所述预设数量产品包括距离基准时刻最近被执行预设操作的产品。

5.根据权利要求4所述的系统，其特征在于，所述行为反馈数据还包括用户的个人属性信息。

6.根据权利要求1所述的系统，其特征在于，所述产品推荐策略包括产品属性权重向量，所述产品属性权重向量用于确定推荐产品在排列顺序中的次序。

7.根据权利要求6所述的系统，其特征在于，所述客户端还用于按照所述次序展示所述推荐产品。