[发明专利]一种基于分享行为的社交电商网站商品推荐方法及装置

权利要求书

1.一种基于分享行为的社交电商网站商品推荐方法，其特征在于，包括：

获取商品分享信息；

将所述商品分享信息输入预设商品推荐模型，得到商品推荐结果；

其中，所述预设商品推荐模型是根据带分享后购买标签的用户商品样本信息和带有自由购买标签的用户商品样本信息。

2.根据权利要求1所述基于分享行为的社交电商网站商品推荐方法，其特征在于，在所述将所述商品分享信息输入预设商品推荐模型的步骤之前，所述方法还包括：

根据带分享后购买标签的用户商品样本信息和带有自由购买标签的用户商品样本信息构建正负样本对信息；

将所述正负样本对预设商品推荐模型进行训练，当满足预设训练条件时，结束训练，得到预设商品推荐模型。

3.根据权利要求2所述基于分享行为的社交电商网站商品推荐方法，其特征在于，在所述将所述正负样本对信息输入商品推荐模型进行训练的步骤之前，所述方法还包括：

根据用户影响力表征信息和商品表征信息构建分享者影响力模型；

根据被分享者表征信息和商品表征信息构建被分享者影响力模型；

根据所述分享者影响力模型和所述被分享者影响力模型得到融合模型；

通过融合模型损失函数对所述融合模型进行优化，得到预设商品推荐模型。

4.根据权利要求3所述基于分享行为的社交电商网站商品推荐方法，其特征在于，所述融合模型具体为：

其中，s_u和p_u分别为用户u作为分享者和被分享者的表征向量，q_i为商品表征信息，α为控制的兴趣与社交影响力的关联机制超参数，p_v为用户兴趣表征向量。

5.根据权利要求4所述基于分享行为的社交电商网站商品推荐方法，其特征在于，所述通过融合模型损失函数对所述融合模型进行优化，得到预设商品推荐模型的步骤，具体包括：

获取带分享后购买标签的用户商品样本信息和带有自由购买标签的用户商品样本信息，以构建正负样本对信息；

根据所述正负样本对信息通过梯度随机下降的方法训练融合模型损失函数参数，当满足预设训练条件时，所述融合模型损失函数稳定，从而根据所述融合模型损失函数得到社交-普通电商平台融合模型。

6.一种基于分享行为的社交电商网站商品推荐装置，其特征在于，包括：

获取模块，用于获取商品分享信息；

推荐模块，用于将所述商品分享信息输入预设商品推荐模型，得到商品推荐结果；

其中，所述预设商品推荐模型是根据带分享后购买标签的用户商品样本信息和带有自由购买标签的用户商品样本信息。

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述基于分享行为的社交电商网站商品推荐方法的步骤。

8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述基于分享行为的社交电商网站商品推荐方法的步骤。