[发明专利]兴趣商品预测方法、装置、电子设备及计算机存储介质

说明书

本发明涉及一种兴趣商品预测方法、装置、电子设备及计算机存储介质，属于数据处理领域。该方法包括：从数据库中获取与用户对应的购物订单，并根据所述购物订单确定与所述用户对应的收货地址以及个人购物数据；根据所述收货地址从所述数据库中确定与所述收货地址存在地理关联的其他购物订单以及与所述其他购物订单对应的其他购物数据；通过所述个人购物数据、所述其他购物数据及预先训练好的网络模型，输出与所述用户对应的兴趣商品预测结果。通过上述方法，可以提高对用户的兴趣商品预测准确度。

技术领域

本申请属于数据处理领域，具体涉及一种兴趣商品预测方法、装置、电子设备及计算机存储介质。

背景技术

对于电商平台而言，有必要对用户进行兴趣挖掘，以便在电商界面为用户展示其感兴趣的商品，从而增加成交量。

现有的基于电商平台的用户兴趣挖掘，一般根据用户过去的购物行为数据来预测用户未来的偏好。复杂一些的推荐系统在考虑用户过去的行为时会添加一个衰减系数或者将用户过去的购物行为数据看成是一个序列，然后使用循环神经网络(Recurrent NeuralNetwork，RNN)来预测用户未来的购物行为数据序列。

然而，针对用户而言，其购物行为的发生除了自身的兴趣爱好外，还会受到外界因素的影响，因此，传统的针对用户的兴趣商品预测方法所预测出的结果并不准确。

发明内容

有鉴于此，本申请的目的在于提供一种兴趣商品预测方法、装置、电子设备及计算机存储介质，以提高对用户的兴趣商品预测准确度。

本申请的实施例是这样实现的：

第一方面，本申请实施例提供一种兴趣商品预测方法，所述方法包括：从数据库中获取与用户对应的购物订单，并根据所述购物订单确定与所述用户对应的收货地址以及个人购物数据；根据所述收货地址从所述数据库中确定与所述收货地址存在地理关联的其他购物订单以及与所述其他购物订单对应的其他购物数据；通过所述个人购物数据、所述其他购物数据及预先训练好的网络模型，输出与所述用户对应的兴趣商品预测结果。在对用户的兴趣商品进行预测时，不仅考虑到用户自身在过去的购物数据，还考虑到了可能会对用户的兴趣爱好产生影响的邻里、同事的购物数据，因此，相对现有技术中单纯依靠用户自身的购物数据对用户兴趣挖掘，可以得到更为科学、更为准确的兴趣商品预测结果。

结合第一方面实施例，在一种可能的实施方式中，所述从数据库中获取与用户对应的购物订单，包括：从所述数据库中获取所述用户在预设时间段内触发的购物订单；

相应的，所述根据所述收货地址从所述数据库中确定与所述收货地址存在地理关联的其他购物订单，包括：根据所述收货地址从所述数据库中获取由其他用户在所述预设时间段内触发的与所述收货地址存在地理关联的所述其他购物订单。

结合第一方面实施例，在一种可能的实施方式中，与所述用户对应的每个购物订单中均包括一个子收货地址，所述根据所述购物订单确定与所述用户对应的收货地址，包括：统计与所述用户对应的每个购物订单中所包括的子收货地址；将出现频率最高的子收货地址确定为所述收货地址。

结合第一方面实施例，在一种可能的实施方式中，所述根据所述收货地址从所述数据库中确定与所述收货地址存在地理关联的其他购物订单，包括：从所述数据库筛选出与所述用户无对应关系的购物订单；将所述与所述用户无对应关系的购物订单中，对应的收货地址与所述收货地址之间的距离在阈值范围内的购物订单确定为所述其他购物订单。

结合第一方面实施例，在一种可能的实施方式中，所述网络模型为多注意力机制的循环神经网络模型，所述通过所述个人购物数据、所述其他购物数据及预先训练好的网络模型，输出与所述用户对应的兴趣商品预测结果，包括：分别将所述个人购物数据、所述其他购物数据按照预设规则构建成对应的行为序列；将与所述个人购物数据对应的行为序列、与所述其他购物数据对应的行为序列输入所述多注意力机制的循环神经网络模型，以输出与所述用户对应的兴趣商品预测结果。