[发明专利]一种产品推荐方法、装置及终端

说明书

本发明提供一种产品推荐方法、装置及终端，其中，所述产品推荐方法包括：创建被匹配产品表格，其中，所述被匹配产品表格中的键值是相似产品信息，字典值是与所述相似产品信息对应的候选推荐产品信息，根据用户的历史记录产品信息，查询所述被匹配产品表格，得到与所述历史记录产品信息匹配的候选推荐产品集合，分别获取所述候选推荐产品集合中的每一个候选推荐产品与所述用户的匹配得分，根据所述匹配得分，进行产品推荐。本发明的方案，能够减少大量的冗余计算，提升推荐速度，缩短推荐时间。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种产品推荐方法、装置及终端。

背景技术

当前，推荐引擎常用于向用户个性化推荐产品，从而改善客户体验，提高平台运营商的点击率。对于稀疏的历史记录输入，基于矩阵分解的协同过滤(包括ALS算法)一般会遭遇难以将矩阵分解为两个低秩矩阵的问题。特别是大数据场景下。基于此，目前给用户推荐产品的方法常分为两步：第一步是计算一对产品的相关性，得到一个大的矩阵，然后按照相似性大小排序得到每一个产品最相似的几个产品；第二步是对于每一个用户，遍历此用户未曾消费过的产品，根据事先定义的相似度函数，计算此用户喜欢产品的得分(用户与产品的匹配得分)，然后根据得分高低，选取得分较高的几个产品作为推荐产品。该算法适用于密集历史记录假设和小数据集应用。

由于每一个用户在整个产品集合中的历史消费记录是密集矩阵的不切实际假设，目前方法在为用户作产品推荐时，需要遍历整个产品集合中的每一个产品，以计算被用户喜欢的得分(与概率对应，得分越高，概率越大)。但实际应用中，用户的历史活动记录非常稀疏，大多数的产品都不曾被用户购买、消费或评价过。此外，用户的历史活动记录中可能也不存在与某一需要计算得分的产品类似的产品。基于上述原因，产品集合中的大多数产品，在计算被某一用户喜欢的得分时往往得到0分。因此，在为用户推荐产品时，遍历产品集合中的每一个产品并计算得分是非常不必要的，不仅会造成推荐速度过慢，还会造成所需推荐时间过长，这在实际应用中是不可承受的。

发明内容

本发明实施例提供一种产品推荐方法、装置及终端，以解决现有的产品推荐方法推荐速度过慢，所需推荐时间过长的问题。

第一方面，本发明实施例提供了一种产品推荐方法，包括：

创建被匹配产品表格，其中，所述被匹配产品表格中的键值是相似产品信息，字典值是与所述相似产品信息对应的候选推荐产品信息；

根据用户的历史记录产品信息，查询所述被匹配产品表格，得到与所述历史记录产品信息匹配的候选推荐产品集合；

分别获取所述候选推荐产品集合中的每一个候选推荐产品与所述用户的匹配得分；

根据所述匹配得分，进行产品推荐。

可选的，所述创建被匹配产品表格，包括：

反向计算产品与产品相似度表格中的键值和字典值，得到所述被匹配产品表格；

其中，所述产品与产品相似度表格中的键值是所述候选推荐产品信息，字典值是所述相似产品信息。

可选的，所述历史记录产品信息对应的历史记录产品与如下信息中的至少一种信息相关：用户对产品的评价信息、用户对产品的查询信息和用户对产品的消费信息。

可选的，所述分别获取所述候选推荐产品集合中的每一个候选推荐产品与所述用户的匹配得分，包括：

根据产品与产品相似度表格，分别确定所述每一个候选推荐产品的相似度得分向量和历史记录评分向量；

对所述相似度得分向量和所述历史记录评分向量进行余弦相似度计算，得到所述每一个候选推荐产品与所述用户的匹配得分。

可选的，所述根据所述匹配得分，进行产品推荐，包括：