[发明专利]商品推荐方法、装置、电子设备及可读介质

说明书

本申请提供一种商品推荐方法、装置、电子设备及可读介质，该方法包括：根据用户行为的对象获取商品推荐词表，所述商品推荐词表中包括商品组合以及商品组合分数；根据所述商品组合分数由所述商品推荐词表中筛选出多个商品组合，以生成商品频繁集；通过点击率预估方法确定所述商品频繁集中多个商品组合的商品组合评分；以及根据所述商品组合评分向所述用户进行推荐。本申请的商品推荐方法、装置、电子设备及可读介质，能够保证在合理推荐商品的前提下，提高推荐商品的多样性以及用户近期内没有浏览过类目商品的占比。

技术领域

本申请涉及互联网技术领域，尤其涉及一种商品推荐方法、装置、电子设备及计算机可读介质。

背景技术

随着互联网的高速发展，越来越多的人选择网上购物，用户通过手机软件浏览电商网站，便捷迅速的选择所需商品。推荐系统在电商中广泛应用，其价值在于挖掘用户潜在的购买需求，避免用户花费大量时间浏览大量无关产品信息,帮助用户在海量信息中快速发现真正所需的商品，提高用户购物体验。

目前电商推荐中，会根据用户的浏览、搜索、购买行为为用户推荐相同类目的商品，例如用户购买了某品牌手机，会向其推荐其他品牌手机，但实际情况很可能是用户购买手机后不再关注手机，而是对手机周边商品如手机贴膜或者手机壳更有购买需求，因此跨类目的多样性推荐对于电商购物场景具有重要意义。

多样性商品推荐目前主要有三种实际方案：基于人为规则的推荐方案、基于混合规则的推荐方案和基于协同过滤的推荐方案。

在基于人为规则的推荐中，商家会在店铺售卖商品的详细描述页面中，通过基本常识或统计规律人为插入与主商品相关的商品链接，例如在奶粉商品描述中加入奶瓶的购买链接。此方案的缺点在于，人为设定商品相关规则的关系主观性较高，覆盖率较低，受限于店铺的商品种类有限，会存在搭配推荐不合理的情况。

在基于混合规则的推荐方案中，一种解决思路是通过网络爬虫技术抓取电商售卖商品详细描述页面中的链接商品，与页面主商品组成相关商品对，通过聚类方案对爬取结果合并，用于用户推荐。此方案的缺点在于，通过网络爬虫得到的商品对，关系复杂且充满不确定性，仍需要多种规则的筛选保证商品的搭配关系。此种方案是以同店铺内的商品对为主，不同店铺间由于售卖种类的差异导致借鉴推广性不强。

在协同过滤推荐中，一种解决思路是基于所有用户对商品的评价打分，通过K近邻聚类方法寻找偏好相似用户构成用户群组，然后将用户群组内的购买或浏览等历史偏好信息作为资源池为用户进行推荐。这种推荐算法的优点在于推荐物品之间在内容上可能完全不相关，因此可以发现用户的潜在兴趣，并且针对每个用户群组生成其个性化的推荐结果。此方案的缺点在于，网络系统中，评论增速是用户数量与商品数量的交叉乘积，当商品数量迅速增加时，因此其计算量的增长巨大，系统性能容易成为瓶颈。

发明内容

有鉴于此，本申请提供一种商品推荐方法、装置、电子设备及计算机可读介质，能够在保证合理推荐商品的前提下，提高推荐商品的多样性以及用户近期内没有浏览过类目商品的占比。

本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

根据本申请实施例的第一方面，提出一种商品推荐方法，该方法包括：根据用户行为的对象获取商品推荐词表，所述商品推荐词表中包括商品组合以及商品组合分数；根据所述商品组合分数由所述商品推荐词表中筛选出多个商品组合，以生成商品频繁集；通过点击率预估方法确定所述商品频繁集中多个商品组合的商品组合评分；以及根据所述商品组合评分向所述用户进行推荐。

在本申请的一种示例性实施例中，还包括：通过历史用户购买行为数据与历史商品信息确定所述商品推荐词表。

在本申请的一种示例性实施例中，通过历史用户购买行为数据与历史商品信息确定所述商品推荐词表包括：根据一定时间内用户购买行为生成用户行为序列；以及通过频繁集算法与所述用户行为序列确定所述商品推荐词表中的商品组合。