[发明专利]商品推荐方法、模型训练方法、装置及电子设备

权利要求书

1.一种商品推荐方法，其特征在于，包括：

获取消费者的个人基本数据、消费行为数据以及指定商品的商品数据；

基于所述个人基本数据、所述消费行为数据、所述商品数据和预先训练好的购买概率模型，得到预测购买概率；

根据所述预测购买概率向所述消费者推荐该预测购买概率对应的商品。

2.根据权利要求1所述的方法，其特征在于，所述基于所述个人基本数据、所述消费行为数据、所述商品数据和预先训练好的购买概率模型，得到预测购买概率，包括：

将所述商品数据、所述个人基本数据和所述消费行为数据进行拼接，得到第一拼接数据；

基于预设的全连接层对所述第一拼接数据进行处理，得到全连接数据；

将所述商品数据、所述个人基本数据做线性交叉，得到线性交叉数据；

将所述全连接数据和所述线性交叉数据进行拼接，得到第二拼接数据；

基于所述第二拼接数据和预先训练好的购买概率模型，得到预测购买概率。

3.根据权利要求1所述的方法，其特征在于，所述获取消费者的个人基本数据、消费行为数据以及指定商品的商品数据，包括:

获取所述消费者的初始个人基本数据和初始消费行为数据以及所述指定商品的基本商品数据；

分别将所述基本商品数据、所述初始个人基本数据和所述初始消费行为数据做第一预设编码方式处理，得到所述个人基本数据、所述消费行为数据以及所述指定商品的商品数据。

4.根据权利要求3所述的方法，其特征在于，获取所述基本商品数据，包括:

获取所述指定商品的初始商品数据，所述初始商品数据具有不同维度的多个特征；

对所述初始商品数据做第二预设编码方式处理；

将所述第二预设编码处理后的所述初始商品数据包括的每个特征做维度重要性排名，选取重要性大于阈值的特征作为所需的特征，得到所述基本商品数据。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取训练样本集，所述训练样本集包括所述个人基本数据、所述消费行为数据、多个商品的历史商品数据，以及与所述多个商品一一对应的多个标签，每个标签表征对应商品是否被所述消费者购买；

基于所述训练样本集对初始网络模型进行训练，得到训练好的所述购买概率模型。

6.根据权利要求5所述的方法，其特征在于，基于所述训练样本集对所述购买概率模型进行训练，得到训练好的购买概率模型，包括：

针对每一个商品，将该商品对应的历史商品数据与所述个人基本数据和所述消费行为数据进行拼接，得到第一拼接数据；

基于预设的全连接层对所述第一拼接数据进行处理，得到全连接数据；

将该商品对应的历史商品数据与所述个人基本数据做线性交叉，得到线性交叉数据；

将所述全连接数据和所述线性交叉数据进行拼接，得到第二拼接数据；

利用多个商品对应的第二拼接数据以及对应的标签，对初始网络模型进行训练，得到训练好的所述购买概率模型。

7.一种模型训练方法，其特征在于，包括：

获取训练样本集，所述训练样本集包括多个商品的第二拼接数据，以及与所述多个商品一一对应的多个标签，每个标签表征对应商品是否被消费者购买，每个第二拼接数据通过该第二拼接数据对应的商品的历史商品数据以及消费者的个人基本数据、消费行为数据得到；

基于所述训练样本集对初始网络模型进行训练，得到训练好的购买概率模型。

8.一种商品推荐装置，其特征在于，包括：

获取模块，用于获取消费者的个人基本数据、消费行为数据以及指定商品的商品数据；

处理模块，用于基于所述个人基本数据、所述消费行为数据、所述商品数据和预先训练好的购买概率模型，得到预测购买概率；

推荐模块，用于根据所述预测购买概率向所述消费者推荐该预测购买概率对应的商品。