[发明专利]一种商品推荐方法、系统、设备及介质

权利要求书

1.一种商品推荐方法，其特征在于，包括：

获取用户的历史数据，经过预处理得到用户特征数据；

将所述用户特征数据进行编码处理和特征拼接处理，得到第一用户特征向量；

将所述第一用户特征向量经过两个全连接层后转换成预设长度的第二用户特征向量；

对所述第二用户特征向量进行增量聚类，以将所述第二用户特征向量对应的用户分至不同的簇；

获取每个簇的所有用户的偏好集合；

将所述偏好集合推荐给对应簇内的所有用户。

2.根据权利要求1所述的商品推荐方法，其特征在于，所述对所述第二用户特征向量进行增量聚类，将所述第二用户特征向量对应的用户分至不同的簇，包括：

采用聚类算法对所述第二用户特征向量进行预聚类；

保存预聚类的聚类中心和类标签；

获取用户新增的特征向量，并计算到各个所述聚类中心的距离；

将所述新增的特征向量对应的用户分到距离最近的聚类中心；

更新每个类的聚类中心。

3.根据权利要求1所述的商品推荐方法，其特征在于，所述获取每个簇的用户的偏好集合，包括：

获取一个簇的每个用户产生的商品信息，形成偏好预集合；

判断所述偏好预集合中的商品数量是否大于预设数量；

若所述商品数量大于预设数量，则对所述偏好预集合中的商品进行排序，并依次选取预设数量的商品形成偏好集合；

若所述商品数量不大于预设数量，则确定所述偏好预集合为所述偏好集合。

4.根据权利要求1所述的商品推荐方法，其特征在于，所述用户特征数据包括用户稠密特征和用户稀疏特征，在所述将所述用户特征数据进行编码处理之时，包括：

所述用户稠密特征采用One-Hot编码处理；所述用户稀疏特征采用Embedding编码处理。

5.根据权利要求1所述的商品推荐方法，其特征在于，所述用户的历史数据包括但不限于设备信息、地理位置信息和人口统计学信息，以及商品的浏览、点击、收藏和购买信息。

6.一种商品推荐系统，其特征在于，包括：

用户数据获取模块，用于获取用户的历史数据，经过预处理得到用户特征数据；

编码处理模块，用于将所述用户特征数据进行编码处理和特征拼接处理，得到第一用户特征向量；

全连接层处理模块，用于将所述第一用户特征向量经过两个全连接层后转换成预设长度的第二用户特征向量；

聚类处理模块，用于对所述第二用户特征向量进行增量聚类，将所述第二用户特征向量对应的用户分至不同的簇；

偏好获取模块，用于获取每个簇的用户的偏好集合；

商品推荐模块，用于将所述偏好集合推荐给对应簇内的所有用户。

7.根据权利要求6所述的商品推荐系统，其特征在于，所述聚类处理模块包括：

预聚类子模块，用于采用聚类算法对所述第二用户特征向量进行预聚类；

保存子模块，用于保存预聚类的聚类中心和类标签；

计算子模块，用于获取用户新增的特征向量，并计算到各个所述聚类中心的距离；

聚类子模块，用于将所述新增的特征向量对应的用户分到距离最近的聚类中心；

更新子模块，用于更新每个类的聚类中心。

8.一种商品推荐设备，其特征在于，所述商品推荐设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的商品推荐方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的商品推荐方法。