[发明专利]一种商品推荐模型训练方法、装置、设备及存储介质

说明书

本发明实施例公开了一种商品推荐模型训练方法、装置、设备及存储介质，其中，该方法包括：获取各用户分别浏览商品的首页、详情页以及评价页的历史停留时间，以及获取各用户浏览商品的历史停留总时间；根据各用户浏览各页面的历史停留时间，分别确定各页面对应的第一时间均值，并分别确定第一方差；根据所述历史停留总时间，确定商品对应的第二时间均值，并确定第二方差；根据第一时间均值、第一方差、第二时间均值以及第二方差，确定用户对商品的兴趣度；以商品的特征数据以及用户的特征数据为输入变量，以兴趣度为输出变量对设定模型进行训练，得到训练的商品推荐模型，可以准确预测用户对商品的兴趣度，从而增加推荐结果的点击率。

技术领域

本发明实施例涉及数据处理技术，尤其涉及一种商品推荐模型训练方法、装置、设备及存储介质。

背景技术

电子商务平台是个性化商品推荐系统的一大应用领域。其中，个性化商品推荐方式包括：基于用户的历史行为数据和实时行为数据，通过各种商品召回策略确定推荐商品的候选集；通过点击率预测模型确定候选集商品的展示顺序，点击概率高的商品优先被展示。

其中，现有技术中，点击率预测模型的建模可以是：通过用户对商品的曝光和点击行为构建训练集，曝光未点击的样本的标签为0，曝光并点击的样本的标签为1；对模型进行训练，然后利用模型预测每个用户对候选集商品的点击概率，通过点击概率确定该用户的个性化商品推荐顺序，点击概率高的商品优先展示给该用户。

但是上述建模的模型不能很好地刻画用户对商品的兴趣度。例如，用户可能只是误点了该商品，或者只是被吸引人的商品描述或者图片所迷惑，点击了该商品后即离开该商品相关页面。因此，预测模型最终预测出的用户点击概率也不能很好地反映用户真正的兴趣。

发明内容

本发明实施例提供一种商品推荐模型训练方法、装置、设备及存储介质，可以准确预测用户对商品的兴趣度，从而增加推荐结果的点击率。

第一方面，本发明实施例提供了一种商品推荐模型训练方法，包括：

获取各用户分别浏览商品的首页、详情页以及评价页的历史停留时间，以及获取各用户浏览所述商品的历史停留总时间；

根据各所述用户浏览各页面的历史停留时间，分别确定各页面对应的第一时间均值，并分别确定所述第一时间均值对应的第一方差；

根据各所述用户浏览所述商品的所述历史停留总时间，确定所述商品对应的第二时间均值，并确定所述第二时间均值对应的第二方差；

根据所述第一时间均值、所述第一方差、所述第二时间均值以及所述第二方差，确定所述用户对所述商品的兴趣度；

以所述商品的特征数据以及所述用户的特征数据为输入变量，以所述兴趣度为输出变量对设定模型进行训练，得到训练的商品推荐模型。

第二方面，本发明实施例还提供了一种商品推荐模型训练装置，包括：

获取模块，用于获取各用户分别浏览商品的首页、详情页以及评价页的历史停留时间，以及获取各用户浏览所述商品的历史停留总时间；

第一确定模块，用于根据各所述用户浏览各页面的历史停留时间，分别确定各页面对应的第一时间均值，并分别确定所述第一时间均值对应的第一方差；

第二确定模块，用于根据各所述用户浏览所述商品的所述历史停留总时间，确定所述商品对应的第二时间均值，并确定所述第二时间均值对应的第二方差；

第三确定模块，用于根据所述第一时间均值、所述第一方差、所述第二时间均值以及所述第二方差，确定所述用户对所述商品的兴趣度；

训练模块，用于以所述商品的特征数据以及所述用户的特征数据为输入变量，以所述兴趣度为输出变量对设定模型进行训练，得到训练的商品推荐模型。