[发明专利]用于个性化推荐的排序方法，排序模型训练方法和排序系统

权利要求书

1.一种用于个性化推荐的排序方法，其特征在于，包括：

获取用户数据与商品数据并生成用户-商品对，

获取所述用户-商品对的特征，

获取商品优惠特征和商品热销特征，以及

使用排序模型基于所述用户-商品对的特征、所述商品优惠特征和所述商品热销特征对商品打分并基于得分排序。

2.根据权利要求1所述的排序方法，其特征在于，

所述用户-商品对的特征包括用户特征，商品特征和用户商品交互特征。

3.根据权利要求1所述的排序方法，其特征在于，

所述商品优惠特征包括所述商品的正常价格、优惠价格、优惠金额、优惠折扣中的至少一个。

4.根据权利要求1所述的排序方法，其特征在于，

所述商品热销特征包括所述商品的实时购买数量和用户关注数量中的至少一个。

5.根据权利要求1所述的排序方法，其特征在于，

以预定时间间隔获取或更新所述商品热销特征。

6.根据权利要求1至5中任一项所述的排序方法，其特征在于，

所述排序模型为梯度提升树(GBDT)模型。

7.一种用于个性化推荐的排序模型的训练方法，其特征在于，包括：

获取用户数据与商品数据并生成用户-商品对，

基于用户-商品对的特征生成所述排序模型的训练样本数据，

获取样本类型权重数据和价格等级权重数据，并基于所述样本类型权重数据和所述价格等级权重数据生成训练样本权重数据，

基于所述训练样本数据和所述训练样本权重数据训练排序模型。

8.根据权利要求7所述的训练方法，其特征在于，

所述用户-商品对的特征包括用户特征，商品特征和用户商品交互特征。

9.根据权利要求7所述的训练方法，其特征在于，

所述样本类型权重数据包括与所述用户与所述商品之间的内容相似度相关的权重数据，与所述用户与所述商品之间的购买相似度相关的权重数据以及与所述用户与所述商品之间的综合相似度相关的权重数据。

10.根据权利要求7所述的训练方法，其特征在于，

所述价格等级权重数据包括与商品优惠特征相关的权重数据和与商品热销特征相关的权重数据。

11.根据权利要求10所述的训练方法，其特征在于，

所述商品优惠特征包括所述商品的正常价格、优惠价格、优惠金额、优惠折扣中的至少一个。

12.根据权利要求10所述的训练方法，其特征在于，

所述商品热销特征包括所述商品的实时购买数量和用户关注数量中的至少一个。

13.根据权利要求10所述的训练方法，其特征在于，

以预定时间间隔获取或更新所述商品热销特征。

14.根据权利要求7至13中任一项所述的训练方法，其特征在于，

所述排序模型为梯度提升树(GBDT)模型。

15.一种用于个性化推荐的排序系统，其特征在于，包括：

购物服务器，设置为获取用户数据与商品数据，生成用户-商品对并将所述用户-商品对发送到打分服务器，以及接收并显示商品的排序结果，

数据服务器，设置为获取并存储用户-商品对的特征、商品优惠特征以及商品热销特征，以及

打分服务器，设置为存储排序模型，基于从所述购物服务器接收的所述用户-商品对和从所述数据服务器获取的所述用户-商品对的特征、所述商品优惠特征以及所述商品热销特征对所述商品打分并基于得分排序，以及将所述排序结果发送到所述购物服务器。