[发明专利]商城推荐列表的生成方法、装置、电子设备及计算机介质

权利要求书

1.商户推荐列表的生成方法，其特征在于，包括：

获取历史下单用户的用户数据；其中,所述历史下单用户的用户数据包括：历史交易信息,且所述历史交易信息包括用户下单商户记录及商户对用户曝光而未获下单记录；将所述历史下单用户的下单商户记录标记为正样本，将商户对用户曝光而未获下单记录标记为负样本；对所述负样本进行抽样以使所述负样本的数量与所述正样本的数量相等，将所述正样本及抽样后的所述负样本作为所述历史交易信息；

利用所述历史下单用户的用户数据进行模型训练以获取下单率预测模型及下单价格预估模型；

获取当前下单用户的用户数据，将所述当前下单用户的用户数据输入所述下单率预测模型中得到预测下单率、将所述当前下单用户的用户数据输入所述下单价格预估模型中得到预估下单价格；

根据所述预测下单率及所述预估下单价格获取商户的推荐分，并根据所述推荐分生成商户推荐列表；其中,根据所述预测下单率以及以下公式获取所述商户的真实下单率：q＝p/(p+(1-p)/w)；q为所述真实下单率，p为所述预测下单率，w为负样本采样比例因子；根据所述真实下单率及所述预估下单价格获取餐厅的推荐分。

2.根据权利要求1所述的推荐列表的生成方法，其特征在于，所述历史下单用户的用户数据具体包括：所述历史下单用户的基本属性及历史浏览数据、商户属性、所述历史下单用户与所述商户的交叉属性。

3.根据权利要求1所述的推荐列表的生成方法，其特征在于，所述根据所述真实下单率及所述预估下单价格获取餐厅的推荐分，具体包括：

根据以下公式获取所述推荐分：

Score＝q*price；

其中，Score为所述推荐分，q为所述真实下单率，price为所述预估下单价格。

4.根据权利要求1所述的推荐列表的生成方法，其特征在于，利用所述历史下单用户的用户数据进行模型训练以获取下单价格预估模型，具体包括：

基于Xgboost算法利用所述历史下单用户的用户数据进行模型训练，获取所述下单价格预估模型。

5.根据权利要求1所述的推荐列表的生成方法，其特征在于，所述利用所述历史下单用户的用户数据进行模型训练以获取下单率预测模型，具体包括：

基于FM算法利用所述历史下单用户的用户数据进行模型训练，获取所述预测下单率模型。

6.根据权利要求1所述的推荐列表的生成方法，其特征在于，所述获取历史下单用户的用户数据，具体包括：

对所述历史下单用户的用户数据采用等频分桶进行离散化处理，获取离散化数据；

将所述离散化数据作为所述历史下单用户的用户数据。

7.根据权利要求6所述的推荐列表的生成方法，其特征在于，在所述对所述历史下单用户的用户数据采用等频分桶进行离散化处理，获取离散化数据之后，还包括：

基于Xgboost算法利用所述历史下单用户的用户数据进行模型训练，获取所述历史下单用户的用户数据对应的叶子节点编号，将所述叶子节点编号作为特征扩展数据；

所述利用所述历史下单用户的用户数据进行模型训练以获取下单率预测模型，具体包括：

利用所述历史下单用户的用户数据及所述特征扩展数据进行模型训练，获取下单率预测模型；

利用所述历史下单用户的用户数据进行模型训练以获取下单价格预估模型，具体包括：

利用所述历史下单用户的用户数据及所述特征扩展数据进行模型训练，获取下单价格预估模型。