[发明专利]商品推荐方法、装置、设备与计算机可读存储介质

说明书

本发明公开了一种商品推荐方法，包括：基于预构建的二分网络图和预设函数，预测目标用户顶点与备选商品顶点的正向互动概率，所述二分网络图包括用户顶点、商品顶点，以及所述用户顶点与所述商品顶点的互动连接，所述备选商品用于表征与所述目标用户顶点未存在互动连接的商品顶点，所述互动连接包括正向互动连接和负向互动连接；基于所述正向互动概率，确定目标商品，将所述目标商品推送至所述目标用户对应的终端。本发明还公开了一种商品推荐装置、设备和计算机可读存储介质。本发明通过预构建的二分网络图，在预测目标用户顶点与备选商品顶点的互动概率时，将负向互动连接也考虑进去，使得推荐的商品更加精准，提高了推荐精度，实现智能推荐。

技术领域

本发明涉及金融科技(Fintech)技术领域，尤其涉及商品推荐方法、装置、设备与计算机可读存储介质。

背景技术

随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变，推荐技术也不例外，但由于金融行业的安全性、实时性要求，也对推荐技术提出了更高的要求。

传统的推荐方案是将热度较高的商品推荐给用户，此种粗糙的推荐方案会使得所有的用户都会得到相同的推荐列表，无法根据用户个人身份、年龄和兴趣等的差异来进行有针对性的推荐，使得推荐结果并不准确。

在现有技术中，为避免上述情况，一般采用基于网络结构的推荐方法来推荐更加贴合用户的商品，基于网络结构的推荐算法不考虑用户和商品的内容特征，仅把用户和商品看作抽象节点，通过节点间信息的相互传递来确定用户节点与所有商品的联系，因此可得到较为可靠的推荐结果。

然而，目前基于网络结构推荐算法仅考虑了用户与产品的正向互动信息，而忽略了一些负向互动信息。例如在电影推荐中仅考虑高分评价的正向互动信息，而忽略了低分评价的负向互动信息；又如在电商平台中，仅考虑了用户的购买行为，而未考虑浏览行为等，这使得现有基于网络结构的推荐方法虽然可靠，但还不够精确。

发明内容

本发明的主要目的在于提出一种商品推荐方法、装置、设备与计算机可读存储介质，旨在提高推荐精度，实现智能推荐。

为实现上述目的，本发明提供一种商品推荐方法，所述商品推荐方法包括如下步骤：

基于预构建的二分网络图和预设函数，预测目标用户顶点与备选商品顶点的正向互动概率，所述二分网络图包括用户顶点、商品顶点，以及所述用户顶点与所述商品顶点的互动连接，所述备选商品用于表征与所述目标用户顶点未存在互动连接的商品顶点，所述互动连接包括正向互动连接和负向互动连接；

基于所述正向互动概率，确定目标商品，将所述目标商品推送至所述目标用户顶点对应的终端。

优选地，所述预设函数包括概率函数，所述基于预构建的二分网络图和预设函数，预测目标用户顶点与备选商品顶点的正向互动概率的步骤包括：

基于所述二分网络图，计算目标用户顶点与相似用户顶点的相似度，所述相似用户顶点用于表征除所述目标用户顶点外的用户顶点；

确定所述相似用户顶点与备选商品顶点的相似互动连接；

基于所述相似度、所述相似互动连接和所述概率函数，确定所述目标用户顶点与所述备选商品顶点的正向互动概率。

优选地，所述基于所述二分网络图，计算目标用户顶点与相似用户顶点的相似度的步骤包括：

基于所述二分网络图，确定所述商品顶点的商品总数，并确定与所述目标用户顶点有正向互动连接的第一商品数，以及与所述目标用户顶点有负向互动连接的第二商品数；

遍历确定与所述商品顶点有正向互动连接的第一用户数，以及与所述商品顶点有负向互动连接的第二用户数；

遍历确定所述目标用户顶点与所述商品顶点是否有第一正向互动连接和第一负向互动连接；