[发明专利]一种物品推荐方法和装置

说明书

本发明公开了一种物品推荐方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取冷启动用户的应用列表和采样用户应用列表集合，所述集合中包括多个采样用户及其应用列表；从所述集合中，筛选出应用列表与所述冷启动用户的应用列表相似度最高的采样用户，并确定该采样用户的常入物品；将所述采样用户的常入物品推荐给冷启动用户。该实施方式解决了因不了解冷启动用户而造成的错误推荐或一味地推荐热门物品而不能满足用户需求的问题，提高了对冷启动用户物品推荐的准确性，实现了通过用户安装的应用就可以对其进行准确的个性化推荐的有益效果。

技术领域

本发明涉及计算机技术领域，尤其涉及一种物品推荐方法和装置。

背景技术

目前在向冷启动用户推荐物品时，由于冷启动用户是服务的新用户，当前能获取到的用户信息和用户历史行为信息较少，所以还是主要推荐热门的物品，以及根据有限的用户信息进行粗颗粒的个性化推荐。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

1.推荐热门的物品容易造成多次推荐的内容雷同，不能满足用户需求。

2.根据有限的用户信息进行粗颗粒的个性化推荐，容易出现错误推荐的问题，使得个性化推荐效果很差。

发明内容

有鉴于此，本发明实施例提供一种物品推荐方法和装置，能够解决因不了解冷启动用户而造成的错误推荐或一味地推荐热门物品不能满足用户需求的问题。

为实现上述目的，根据本发明实施例的再一个方面，提供了一种物品推荐方法，包括：获取冷启动用户的应用列表和采样用户应用列表集合，所述集合中包括多个采样用户及其应用列表；从所述集合中，筛选出应用列表与所述冷启动用户的应用列表相似度最高的采样用户，并确定该采样用户的常入物品；将所述采样用户的常入物品推荐给冷启动用户。

可选地，从所述集合中，筛选出应用列表与所述冷启动用户的应用列表相似度最高的采样用户，包括：采用计算余弦相似度的方式，计算所述冷启动用户的应用列表与所述集合中各采样用户的应用列表的相似度：

其中，i表示采样用户的应用列表，j表示冷启动用户的应用列表，sim(i,j)表示冷启动用户的应用列表与采样用户的应用列表的相似度，表示采样用户的应用列表的向量，表示冷启动用户的应用列表的向量；筛选出相似度最高的采样用户。

可选地，确定该采样用户的常入物品，包括：基于用户偏好与应用列表的映射关系表，由所述采样用户的应用列表确定采样用户的用户偏好，所述用户偏好包括用户偏好物品；根据物品的物品属性向量，采用计算余弦相似度的方式，计算用户偏好物品与库存中各物品之间的相似度；按照相似度从大到小的顺序对库存中各物品进行排序，将序列中前P的物品作为该采样用户的常入物品；P为正整数。

可选地，所述方法还包括：采用以下方式确定所述用户偏好与应用列表的映射关系表：根据后台日志与埋点表，得到采样用户的历史浏览物品记录与历史下单记录；获取采样用户的权限，利用所述权限得到采样用户的应用列表；利用大数据与机器学习，确定采用用户的用户偏好与应用列表的映射关系表。

可选地，确定该采样用户的常入物品，包括：根据该采样用户的历史浏览物品记录，按照浏览量从大到小的顺序对物品进行排序，将序列中前N的物品作为该采样用户的第一物品；根据该采样用户的历史下单记录，按照物品在设定时间范围内下单频率从高到低的顺序，对物品进行排序，将序列中前M的物品作为该采样用户的第二物品；将所述采样用户的第一物品和第二物品作为该采样用户的常入物品；N、M皆为正整数。