[发明专利]商品推荐模型的训练方法、商品推荐方法以及装置

说明书

本说明书公开了一种商品推荐模型的训练方法、商品推荐方法以及装置，获取各商品的特征信息以及用户的历史订单信息，确定各商品对应的特征向量，并确定所述用户对应的偏好特征向量。而后，将所述各商品对应的特征向量以及所述用户对应的偏好特征向量输入到待训练的商品推荐模型中，以依次确定至少一个推荐商品。最后，以最小化所述至少一个推荐商品与所述历史订单信息实际涉及的各商品的偏差为优化目标，对所述商品推荐模型进行训练，所述商品推荐模型用于对用户进行商品推荐。本方法通过各商品对应的特征向量以及用户对应的偏好特征向量，进行商品推荐模型的训练，避免重复推荐相同的商品以及推荐商品不合理的情况发生，提高用户体验。

技术领域

本说明书涉及计算机技术领域，尤其涉及一种商品推荐模型的训练方法、商品推荐方法以及装置。

背景技术

随着电子技术和网络技术的不断发展，越来越多的用户喜欢网络购物，目前，业务平台能够根据商品特征信息和用户特征信息向用户进行商品推荐。

在实际应用中，业务平台会将基于商品特征信息和用户特征信息得到的商品排序展示给用户，这种商品推荐方式会导致商品出现重复推荐，以及推荐的商品不符合用户偏好的情况，从而降低用户的体验。

因此，如何能够更为合理的向用户进行商品推荐，则是一个亟待解决的问题。

发明内容

本说明书提供一种商品推荐模型的训练方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了一种商品推荐模型的训练方法，包括：

获取各商品的特征信息以及用户的历史订单信息；

根据所述各商品的特征信息，确定各商品对应的特征向量；

根据所述用户的历史订单信息，确定所述用户对应的偏好特征向量；

将所述各商品对应的特征向量以及所述用户对应的偏好特征向量输入到待训练的商品推荐模型中，以依次确定至少一个推荐商品，其中，针对每个推荐商品，该推荐商品是根据已确定出的推荐商品、所述各商品对应的特征向量以及所述用户偏好特征向量确定出；

以最小化所述至少一个推荐商品与所述历史订单信息实际涉及的各商品的偏差为优化目标，对所述商品推荐模型进行训练，所述商品推荐模型用于对用户进行商品推荐。

可选地，所述各商品对应的特征信息包括：各商品的实际商品名称、各商品对应的标准商品名称、各商品的属性信息、各商品的业务特征信息中的至少一种。

可选地，获取各商品的特征信息，具体包括：

确定所述历史订单信息对应的商家；

获取所述商家所提供的各商品在所述商家中的特征信息。

可选地，根据所述各商品的特征信息，确定各商品对应的特征向量，具体包括：

针对所述商家所提供的每个商品，根据该商品对应的特征信息，确定该商品对应的特征向量；

将所述商家提供的各商品所对应的特征向量合并，得到在所述商家下，所述各商品对应的特征向量。

可选地，将所述各商品对应的特征向量以及所述用户偏好特征向量输入到待训练的商品推荐模型中，以依次确定至少一个推荐商品，具体包括：

将所述各商品对应的特征向量以及所述用户偏好特征向量输入到待训练的商品推荐模型中，以使所述商品推荐模型针对每个推荐商品，根据在所述商家下所述各商品对应的特征向量，已确定出的推荐商品在所述商家下对应的特征向量以及所述用户偏好特征向量，确定该推荐商品。