[发明专利]基于特征排序的商品推荐方法、装置和存储介质

说明书

本发明公开了一种基于特征排序的商品推荐方法、装置和存储介质。获取基准商品所对应的基准图像哈希码后，从特征编码数据库中获取其他商品所对应的图像哈希码，计算基准图像哈希码和图像希码之间的汉明距离，根据汉明距离的从小到大获取对应的相似商品组成相似商品组，并将相似商品按顺序依次添加至商品推荐列表中，同时将商品评分列表和相似商品进行等距离分布于商品推荐列表中，实现了商品评分结合商品外观的商品推荐，大大提升了用户体验，有利于提高用户的购买率。

技术领域

本发明涉及数据处理领域，特别是一种基于特征排序的商品推荐方法、装置和存储介质。

背景技术

目前,随着电子商务的发展，越来越多的消费者选择线上购物平台进行购物。为了提高消费者的购买率，各电商平台通常在一些页面中显示消费者感兴趣的推荐商品，因此商品推荐的方法越能贴近消费者的兴趣，对促进购物越有效。现有的方案中，主要根据协同过滤推荐算法进行商品推荐，这种方法虽然能够根据商品的相似性和预测评分生成推荐商品评分列表，但是协同过滤算法主要依靠对商品属性的文字描述，对于以外观为主的商品，文字描述的商品属性并不能直观地体现出消费者的兴趣，因此对于外观为主的商品而言，协同过滤推荐算法很难进行有价值的商品推荐。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种基于特征排序的商品推荐方法、装置和存储介质，在实际使用中结合商品外观生成商品推荐列表，提高所推荐的商品的参考价值。

本发明解决其问题所采用的技术方案是：第一方面，本发明提供了一种基于特征排序的商品推荐方法，包括以下步骤：

客户端读取基准商品，从特征编码数据库中获取所述基准商品的基准图像哈希码；

所述客户端从所述特征编码数据库中获取所述基准图像哈希码与所有的图像哈希码之间的汉明距离，根据所述汉明距离从小到大依次获取图像哈希码所对应的相似商品，生成相似商品组；

所述客户端将所述相似商品组添加到商品推荐列表中。

进一步，所述图像哈希码通过迭代量化卷积神经网络所提取的图像特征所得，所述卷积神经网络的卷积层和全连接层之间设置有空间金字塔池化层。

进一步，所述相似商品组中的相似商品根据其图像哈希码与所述基准图像哈希码之间的汉明距离从小到大排序。

进一步，还包括：所述客户端获取用户已购清单，将包括在用户已购清单中的相似商品从相似商品组中删除。

进一步，所述将所述相似商品组添加到商品推荐列表中具体包括以下步骤：

所述客户端获取商品评分列表，并将所述商品评分列表中的商品按照评分从高到低依次添加至所述商品推荐列表中，所述商品评分列表为根据协同过滤推荐算法获取的列表；

所述客户端依次检测所述相似商品组中的相似商品是否包括在所述商品推荐列表中，若包括，则对下一个相似商品进行检测，否则将所述相似商品添加至商品推荐列表中。

进一步，所述相似商品在所述商品推荐列表中等间隔添加。

第二方面，本发明提供了基于特征排序的商品推荐装置，包括以下装置：

基准图像哈希码获取单元，用于客户端读取基准商品，从特征编码数据库中获取所述基准商品的基准图像哈希码；

相似商品组生成单元，用于所述客户端从所述特征编码数据库中获取所述基准图像哈希码与所有的图像哈希码之间的汉明距离，根据所述汉明距离从小到大依次获取图像哈希码所对应的相似商品，生成相似商品组；

商品推荐列表生成单元，用于所述客户端将所述相似商品组添加到商品推荐列表中。

进一步，还包括以下装置：