[发明专利]基于人工智能的商品推荐方法、装置、电子设备及介质

权利要求书

1.一种基于人工智能的商品推荐方法，其特征在于，所述方法包括：

获取第一目标用户群体的第一初始用户数据，及获取第二目标用户群体的第二初始用户数据；

计算时间影响因子并使用所述时间影响因子更新所述第一初始用户数据为第一目标用户数据及更新所述第二初始用户数据为第二目标用户数据；

计算所述第一目标用户数据与所述第二目标用户数据的兴趣偏好因子，并基于所述兴趣偏好因子计算对应的所述第一目标用户数据与所述第二目标用户数据的相似度；

基于所述第二目标用户数据训练留存预测模型，并使用所述留存预测模型对所述第一目标用户数据进行留存预测，得到留存预测标签；

根据所述留存预测标签及所述相似度为所述第一目标用户群体进行商品推荐。

2.如权利要求1所述的基于人工智能的商品推荐方法，其特征在于，所述计算时间影响因子并使用所述时间影响因子更新所述第一初始用户数据为第一目标用户数据及更新所述第二初始用户数据为第二目标用户数据包括：

获取所述第一目标用户的第一注册时间及获取所述第二目标用户的第二注册时间；

根据所述第一注册时间计算对应的所述第一初始用户数据的第一时间影响因子，及根据所述第二注册时间计算对应的所述第二初始用户数据的第二时间影响因子；

使用所述第一时间影响因子更新所述第一初始用户数据为所述第一目标用户数据，及使用所述第二时间影响因子更新所述第二初始用户数据为所述第二目标用户数据。

3.如权利要求1所述的基于人工智能的商品推荐方法，其特征在于，所述计算所述第一目标用户数据与所述第二目标用户数据的兴趣偏好因子，并基于所述兴趣偏好因子计算对应的所述第一目标用户数据与所述第二目标用户数据的相似度包括：

计算所述第一目标用户数据与所述第二目标用户数据中相同目标用户数据的第一数量；

计算所述第一目标用户数据与所述第二目标用户数据的总目标用户数据的第二数量；

基于所述第一数量及所述第二数量计算得到兴趣偏好因子；

计算所述第一目标用户数据与所述第二目标用户数据的皮尔森相关系数；

使用所述兴趣偏好因子对对应的所述皮尔森相关系数进行修正，得到所述相似度。

4.如权利要求3所述的基于人工智能的商品推荐方法，其特征在于，所述计算所述第一目标用户数据与所述第二目标用户数据的皮尔森相关系数包括：

根据所述第一目标用户数据计算得到第一均值数据，及根据所述第二目标用户数据计算得到第二均值数据；

根据所述第一目标用户数据与所述第一均值数据计算得到第一差值数据，及根据所述第二目标用户数据与所述第二均值数据计算得到第二差值数据；

基于所述第一差值数据与所述第二差值数据计算得到对应的所述第一目标用户数据与所述第二目标用户数据的皮尔森相关系数。

5.如权利要求1至4中任意一项所述的基于人工智能的商品推荐方法，其特征在于，所述获取第一目标用户群体的第一初始用户数据，及获取第二目标用户群体的第二初始用户数据包括：

响应于接收到的商品推荐指令，解析所述商品推荐指令的方法体，得到所述商品推荐指令所携带的信息；

从所述信息中获取所述第一目标用户群体的预设第一标签及所述第二目标用户群体的预设第二标签；

根据所述预设第一标签构建第一正则表达式及根据所述预设第二标签构建第二正则表达式；

利用所述第一正则表达式确定第一数据库标识，并将从所述第一数据库标识对应的第一数据库中遍历到的数据确定为第一初始用户数据；

利用所述第二正则表达式确定第二数据库标识，并将从所述第二数据库标识对应的第二数据库中遍历到的数据确定为第二初始用户数据。