[发明专利]一种推荐方法、装置、电子设备及可读存储介质

权利要求书

1.一种推荐方法，其特征在于，包括：

获取所述用户的访问数据；所述访问数据包括历史访问数据和/或实时访问数据；

将所述访问数据输入到预先训练好的机器学习模型，生成针对所述用户的推荐商家商品列表；所述商家商品列表包括推荐的商家以及针对至少一个所推荐的商家推荐的商品；

将所述推荐商家商品列表中的商家和商品对应的展示给所述用户。

2.根据权利要求1所述的方法，其特征在于，所述将所述访问数据输入到预先训练好的机器学习模型，生成针对所述用户的推荐商家商品列表的步骤，包括：

将所述历史访问数据进行特征转换，获得预设维度的第一特征向量；所述历史访问数据包括用户属性数据、商家属性数据、用户历史访问商家行为数据、商品属性数据、用户历史访问商品行为数据中的一种或者多种；

将所述实时访问数据进行特征转换，获得预设维度的第二特征向量；

将所述第一特征向量输入预先训练的第一机器学习模型，分别获得所述用户的历史商家分值及历史商品分值；

将所述第二特征向量输入预先训练的第二机器学习模型，获得所述用户的实时商家分值及实时商品分值；

根据所述历史商家分值及所述历史商品分值，对所述用户的历史访问商家及历史访问商品进行排序，生成历史商家排序列表，和历史商品排序列表；

根据所述实时商家分值及所述实时商品分值，对所述用户的实时访问商家及实时访问商品进行排序，生成实时商家排序列表，和实时商品排序列表；

根据所述历史商家排序列表和所述历史商品排序列表，分别修正所述实时商家排序列表和所述实时商品排序列表，生成针对所述用户的推荐商家商品列表。

3.根据权利要求2所述的方法，其特征在于，所述实时访问数据包括用户实时访问商家行为数据和用户实时访问商品行为数据。

4.根据权利要求3所述的方法，其特征在于，所述根据所述历史商家分值及所述历史商品分值，对所述用户的历史访问商家及历史访问商品进行排序，生成历史商家排序列表，和历史商品排序列表的步骤的之后，还包括：

根据所述用户实时访问商家行为数据和所述用户实时访问商品行为数据，分别更新所述历史商家排序列表，和所述历史商品排序列表。

5.根据权利要求4所述的方法，其特征在于，所述用户实时访问商家行为数据包含实时商家点击率，所述实时访问商品行为数据包含实时商品点击率，所述实时访问商品行为数据包含实时商品点击率，所述根据所述用户实时访问商家行为数据和所述用户实时访问商品行为数据，分别更新所述历史商家排序列表，和所述历史商品排序列表的步骤，包括：

根据所述实时商家点击率的高低，更新所述历史商家排序列表；

根据所述实时商品点击率的高低，更新所述历史商家排序列表。

6.根据权利要求2-5其中之一所述的方法，所述根据所述历史商家排序列表和所述历史商品排序列表，分别修正所述实时商家排序列表和所述实时商品排序列表，生成针对所述用户的推荐商家商品列表的步骤，包括：

将所述历史商家排序列表与商品权重，以及所述历史商品排序列表与商家权重进行加权求和，得到商家商品权重排序列表；

根据所述商家商品权重排序列表的中的商家商品顺序，修正所述实时商家排序列表和所述实时商品排序列表，生成针对所述用户的推荐商家商品列表。