[发明专利]商品推荐方法、装置、电子设备及计算机可读存储介质

说明书

本申请实施例提供了一种商品推荐方法、装置、电子设备及计算机可读存储介质，涉及数据分析技术领域。该方法包括：根据每个商品预设的各个属性分别对应的特征向量，确定多个商品中两两商品之间的相似度；根据两两商品之间的相似度和预设的相似度阈值，将多个商品聚类为若干个商品群，其中，每个商品群中包括多个商品，商品群中与其他商品的相似度均大于相似度阈值的商品为中心商品；确定待推荐的商品群，并将待推荐的商品群作为目标商品群；获取目标商品群的中心商品对应的用户行为信息；将用户行为信息对应的次数大于预设行为阈值的用户作为待推荐用户，并将目标商品群中待推荐用户未购买过的商品推荐给待推荐用户。

技术领域

本申请涉及数据分析技术领域，具体而言，本申请涉及一种商品推荐方法、装置、电子设备及计算机可读存储介质。

背景技术

随着互联网业务发展，为了获得更多用户、使用户获得更好的体验或者为用户提供个性化内容，推荐算法已经应用到了各个领域，包括图书、音乐、视频、新闻、电影、地图等等，随着电子商务应用近年来逐渐普及，互联网的多个领域也都使用了推荐系统，推荐系统可以提高用户的满意度，可以使用户发现更合适的产品。

目前常用的推荐算法包括：基于内容的推荐、基于协同的推荐、基于关联规则的推荐、基于效用的推荐、基于知识的推荐等。现有的推荐方案中，推荐的产品难以满足用户需求，不能给用户推荐较为合适的产品。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一，特提出以下技术方案：

第一方面，提供了一种商品推荐的方法，该方法包括：

根据每个商品预设的各个属性分别对应的特征向量，确定多个商品中两两商品之间的相似度；

根据两两商品之间的相似度和预设的相似度阈值，将多个商品聚类为若干个商品群，其中，每个商品群中包括多个商品，商品群中与其他商品的相似度均大于相似度阈值的商品为中心商品；

确定待推荐的商品群，并将待推荐的商品群作为目标商品群；

获取目标商品群的中心商品对应的用户行为信息；

将用户行为信息对应的次数大于预设行为阈值的用户作为待推荐用户，并将目标商品群中待推荐用户未购买过的商品推荐给待推荐用户。

第二方面，提供了一种商品推荐的装置，该装置包括：

相似度计算模块，用于根据每个商品预设的各个属性分别对应的特征向量，确定多个商品中两两商品之间的相似度；

聚类模块，用于根据两两商品之间的相似度和预设的相似度阈值，将多个商品聚类为若干个商品群，其中，每个商品群中包括多个商品，商品群中与其他商品的相似度均大于相似度阈值的商品为中心商品；

商品群确定模块，用于确定待推荐的商品群，并将待推荐的商品群作为目标商品群；

行为获取模块，用于获取目标商品群的中心商品对应的用户行为信息；

推荐模块，用于将用户行为信息对应的次数大于预设行为阈值的用户作为待推荐用户，并将目标商品群中待推荐用户未购买过的商品推荐给待推荐用户。

第三方面，提供了一种电子设备，该电子设备包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行根据本申请第一方面所示的商品推荐方法。

第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请第一方面所示的商品推荐方法。