[发明专利]推荐商品的方法、装置、设备和计算机可读介质

说明书

本发明公开了推荐商品的方法、装置、设备和计算机可读介质，涉及计算机技术领域。该方法的一具体实施方式包括：识别数据的特征，所述数据是用户涉及的历史商品信息；按照多个所述特征生成组合特征集合，所述组合特征集合包括所述数据的多个组合特征；在所述组合特征集合中，采用逻辑回归选择组合特征，并将选择的组合特征和所述数据的特征，作为所述数据的分类特征，根据所述数据的分类特征训练预设机器学习模型，以向用户推荐商品。该实施方式能够提高数据分类的准确率，进而提高用户查看推荐商品的打开率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种推荐商品的方法、装置、设备和计算机可读介质。

背景技术

随着人工智能技术的发展，互联网公司、金融公司等行业都开始利用机器学习模型分析数据，并从中确定更加精准合适的业务策略。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：由于数据分类的准确性较低，导致用户查看推荐商品的打开率较低。

发明内容

有鉴于此，本发明实施例提供一种推荐商品的方法、装置、设备和计算机可读介质，能够提高数据分类的准确率，进而提高用户查看推荐商品的打开率。

为实现上述目的，根据本发明实施例的一个方面，提供了一种推荐商品的方法，包括：

识别数据的特征，所述数据是用户涉及的历史商品信息；

按照多个所述特征生成组合特征集合，所述组合特征集合包括所述数据的多个组合特征；

在所述组合特征集合中，采用逻辑回归选择组合特征，并将选择的组合特征和所述数据的特征，作为所述数据的分类特征；

根据所述数据的分类特征训练预设机器学习模型，以向用户推荐商品。

所述按照多个所述特征生成组合特征集合，包括：

按照多个所述特征生成原始组合特征；

通过集束搜索验证所述原始组合特征，得到验证成功的组合特征，并将所述验证成功的组合特征作为所述组合特征集合。

所述按照多个所述特征生成组合特征集合，包括：

按照两个所述特征和所述特征的类型，划分得到所述组合特征；

将多个所述组合特征，作为所述组合特征集合。

所述特征的类型包括数值；

所述按照两个所述特征和所述特征的类型，划分得到所述组合特征，包括：

按照一个所述特征和数值特征的统计信息，划分得到所述组合特征。

所述两个特征的类型是数值；

所述按照两个所述特征和所述特征的类型，划分得到所述组合特征，包括：

按照一个数值特征和另一个数值特征，计算得到所述组合特征；

或，

对一个数值特征和另一个数值特征进行离散化处理，划分得到所述组合特征。

所述在所述组合特征集合中，采用逻辑回归选择组合特征，包括：

在所述组合特征集合中，采用逻辑回归训练得到组合特征相对于所述数据的特征的相对权重；

基于所述组合特征的相对权重，计算所述组合特征对应的预测值；

按照所述组合特征对应的预测值，选择所述组合特征。

所述在所述组合特征集合中，训练得到逻辑回归中组合特征相对于所述数据的特征的相对权重，包括：