[发明专利]商品排序方法、计算设备和计算机可读存储介质

说明书

本发明提供了一种商品排序方法、计算设备和计算机可读存储介质。该方法包括：获取基于用户历史搜索行为的商品数据集合；基于所述商品数据集合确定商品的多个数据特征；基于所述多个数据特征对线性回归模型进行训练以获得所述线性回归模型的收敛参数，所述收敛参数包括所述多个数据特征的各自的收敛权重和所述线性回归模型的收敛截距；基于所述多个数据特征和所述多个数据特征各自的收敛权重确定用户搜索结果中的多个商品中的每个商品的分数；以及基于每个商品的分数对所述多个商品进行排序。

技术领域

本发明概括而言涉及机器学习领域，更具体地，涉及一种商品排序方法、计算设备和计算机可读存储介质。

背景技术

随着电子商务的高速发展，网上购物已经深入到人们生活的方方面面。当用户在电商平台根据关键字搜索商品时，作为搜索结果的商品的展示位置对用户的购物体验和用户的购买成功率有着重要的影响。因此，针对商品排序已经提出了各种各样的方法。简单的商品排序方法包括固定排序方式，如根据商品价格、销量、评价等单一因素进行排序。更复杂的商品排序方法包括多种排序方式的组合，如综合考虑价格、销量、评价等因素中的至少两种以及考虑用户个人特征等进行排序。

即使这样，局限于样本数量、样本特征提取以及用户特征提取等因素的制约，搜索结果的排序往往也不能完全体现用户的真实希望，从而使得用户体验不佳，转化率不高。

发明内容

针对上述问题，本发明提供了一种商品排序方法，其中通过对大量基于用户历史行为的商品数据进行整合，构建了对特征提取而言相对完备的样本集合，并且利用线性回归模型训练对搜索结果进行打分，能够以较小的运算代价获得更加准确的排序结果。

根据本发明的一个方面，提供了一种商品排序方法。该方法包括：获取基于用户历史搜索行为的商品数据集合；基于所述商品数据集合确定商品的多个数据特征；基于所述多个数据特征对线性回归模型进行训练以获得所述线性回归模型的收敛参数，所述收敛参数包括所述多个数据特征的各自的收敛权重和所述线性回归模型的收敛截距；基于所述多个数据特征和所述多个数据特征各自的收敛权重确定用户搜索结果中的多个商品中的每个商品的分数；以及基于每个商品的分数对所述多个商品进行排序。

根据本发明的另一个方面，提供了一种计算设备。该计算设备包括：至少一个处理器；以及至少一个存储器，该至少一个存储器被耦合到该至少一个处理器并且存储用于由该至少一个处理器执行的指令，该指令当由该至少一个处理器执行时，使得该计算设备执行根据上述方法的步骤。

根据本发明的再一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序代码，该计算机程序代码在被运行时执行如上所述的方法。

在一些实施例中，所述商品数据集合包括关键字数据、关键字对应的商品数据、商品的浏览数据和商品的品类数据，其中所述关键字数据包括用户标识符、搜索时间和搜索关键字，所述关键字对应的商品数据包括所述搜索关键字、商品标识符、商品名称和商品序号，所述商品的浏览数据包括所述用户标识符、所述商品标识符和浏览时间，所述商品的品类数据包括所述商品标识符和所述商品所属的品类信息；并且获取基于用户历史搜索行为的商品数据集合包括：基于所述搜索关键字、所述关键字数据和所述关键字对应的商品数据，获取第一商品数据集合；基于所述用户标识符、所述商品标识符和所述浏览时间与所述搜索时间之差整合所述第一商品数据集合和所述商品的浏览数据，以获取第二商品数据集合；以及基于所述商品标识符、所述第二商品数据集合和所述商品的品类数据获取所述商品数据集合。