[发明专利]商品推荐方法、商品推荐装置、计算机设备和介质

权利要求书

1.一种商品推荐方法，包括：

获取第一用户的人脸图像；

基于第一神经网络模型确定与所述人脸图像对应的用户属性；

获取具有所述用户属性中任一用户属性的第一用户的购物行为数据；

利用训练数据训练得到第二神经网络模型，其中，以具有所述任一用户属性的第一用户的购物行为数据作为所述训练数据，以所述任一用户属性作为所述训练数据的标签；

获取第二用户的购物行为数据；

基于所述第二神经网络模型确定与所述第二用户的购物行为数据对应的用户属性；以及

基于与所述第二用户的购物行为数据对应的用户属性，向所述第二用户推送商品信息。

2.根据权利要求1所述的方法，其中：

所述用户属性包括如下至少一种：用户年龄和用户性别；

所述购物行为数据包括如下至少一种：在第一预定时间段内浏览商品的类别和次数，在第二预定时间段内购买商品的类别、数量和次数，以及在第三预定时间段内收藏商品的类别和次数。

3.根据权利要求1所述的方法，其中，所述利用训练数据训练得到第二神经网络模型包括：

提取所述训练数据的特征向量；

获取初始神经网络模型；以及

将所述特征向量输入所述初始神经网络模型，基于所述初始神经网络模型的输出与所述训练数据的标签，对所述初始神经网络模型进行迭代优化，得到所述第二神经网络模型。

4.根据权利要求1所述的方法，还包括：

在所述向所述第二用户推送商品信息之前，

获取任一用户属性的第三用户的购物行为数据；以及

根据所述第三用户的购物行为数据确定所述任一用户属性的偏好商品信息集合；

所述向所述第二用户推送商品信息包括：向所述第二用户推送与所述第二用户的购物行为数据对应的用户属性的偏好商品信息集合中的商品信息。

5.根据权利要求4所述的方法，其中，所述根据所述第三用户的购物行为数据确定所述任一用户属性的偏好商品信息集合包括：

根据所述第三用户在第一预定时间段内浏览商品的次数，计算各商品的第一得分系数；

根据所述第三用户在第二预定时间段内购买商品的数量和/或次数，计算各商品的第二得分系数；

根据所述第三用户在第三预定时间段内收藏商品的次数，计算各商品的第三得分系数；

基于所述第一得分系数、第二得分系数和第三得分系数中的至少一个，计算各商品的综合得分；以及

选取综合得分高于第一预定阈值的商品的相关信息构成所述任一用户属性的偏好商品信息集合。

6.根据权利要求1所述的方法，其中，所述向所述第二用户推送商品信息包括：

在接收到所述第二用户输入的关键词时，基于与所述第二用户的购物行为数据对应的用户属性确定所述第二用户的偏好商品信息；以及

基于所述关键词对所述偏好商品信息进行匹配，向所述第二用户推送匹配度高于第二预定阈值的商品信息。

7.一种商品推荐装置，包括：

第一获取模块，用于获取第一用户的人脸图像；

第一确定模块，用于基于第一神经网络模型确定与所述人脸图像对应的用户属性；

第二获取模块，用于获取具有所述用户属性中任一用户属性的第一用户的购物行为数据；

训练模块，用于利用训练数据训练得到第二神经网络模型，其中，以具有所述任一用户属性的第一用户的购物行为数据作为所述训练数据，以所述任一用户属性作为所述训练数据的标签；

第三获取模块，用于获取第二用户的购物行为数据；

第二确定模块，用于基于所述第二神经网络模型确定与所述第二用户的购物行为数据对应的用户属性；以及

推送模块，用于基于与所述第二用户的购物行为数据对应的用户属性，向所述第二用户推送商品信息。