[发明专利]商品推荐方法、装置、计算机设备及介质

权利要求书

1.一种商品推荐方法，其特征在于，所述方法包括：

获取多个用户的行为数据和商品的属性数据；

根据各所述用户的行为数据和所述商品的属性数据建立与各所述用户一一对应的因子分解机模型；

根据所述行为数据将所述多个用户分成若干簇，所述簇中的用户包括代表用户和非代表用户；

根据各簇中所述代表用户的行为数据和/或所述非代表用户的行为数据确定对应簇中的各用户因子分解机模型的更新参数；

根据确定的更新参数对所述各用户的因子分解机模型进行更新；

基于更新后的各用户因子分解机模型将商品推荐给对应的用户。

2.根据权利要求1所述的商品推荐方法，其特征在于，所述根据各所述用户的行为数据和商品的属性数据建立与各所述用户一一对应的因子分解机模型包括：

对所述用户的行为数据进行编码处理得到用户的行为特征，和对所述商品的属性数据进行编码处理得到商品的公开特征；

根据所述用户的行为特征建立用户线性回归模型以及根据所述商品的公开特征建立商品线性回归模型；

基于所述用户线性回归模型和商品线性回归模型，获取初始化的用户线性回归模型参数和初始化的商品线性回归模型参数；

根据所述初始化的用户线性回归模型参数和商品线性回归模型参数建立与所述用户对应的因子分解机模型。

3.根据权利要求2所述的商品推荐方法，其特征在于，所述方法还包括：

根据所述用户的行为特征和所述商品的公开特征确定特征交叉矩阵；

获取所述特征交叉矩阵的系数；

所述根据所述初始化的用户线性回归模型参数和商品线性回归模型参数建立与所述用户对应的因子分解机模型，包括：

根据所述初始化的特征交叉矩阵的系数、所述初始化的用户线性回归模型参数和商品线性回归模型参数建立与所述用户对应的因子分解机模型。

4.根据权利要求1所述的商品推荐方法，其特征在于，所述基于更新后的各用户因子分解机模型将商品推荐给对应的用户，包括：

基于更新后与用户对应的因子分解机模型，根据所述用户的行为数据和待推荐商品的属性数据，预测与待推荐商品对应的用户喜好值；

根据所述用户喜好值将所述待推荐商品推荐给对应的用户。

5.根据权利要求1-4任一项所述的商品推荐方法，其特征在于，所述根据所述行为数据将所述多个用户分成若干簇，所述簇中的用户包括代表用户和非代表用户，包括：

对各所述用户的行为数据进行向量化处理得到与各所述用户对应的参数向量；

根据所述用户对应的参数向量将所述多个用户分成若干簇；

将各簇中的部分用户确定为代表用户，其余部分为非代表用户。

6.根据权利要求5所述的商品推荐方法，其特征在于，所述根据各所述用户对应的参数向量将所述多个用户分成若干簇，包括：

根据各所述用户的参数向量确定各所述用户的参数内积和各所述用户的参数随机值；

根据各所述用户的参数内积和各所述用户的参数随机值确定各所述用户的欧式距离值；

根据各所述用户的欧式距离值将所述多个用户分成若干簇。

7.根据权利要求1-4任一项所述的商品推荐方法，其特征在于，所述根据各簇中所述代表用户的行为数据和/或所述非代表用户的行为数据确定对应簇中的各用户因子分解机模型的更新参数，包括：

根据各所述代表用户的行为数据确定用于更新对应代表用户的因子分解机模型的第一更新参数；

根据所述簇中全体代表用户的行为数据确定用于更新所述簇中非代表用户的因子分解机模型的第二更新参数；

所述根据确定的更新参数对所述各用户的因子分解机模型进行更新，包括：

根据各所述代表用户对应的第一更新参数更新对应代表用户的因子分解机模型；

根据所述第二更新参数更新所述簇中的非代表用户的因子分解机模型。