[发明专利]商品推荐方法、模型训练方法、装置及电子设备

说明书

本申请提供一种商品推荐方法、模型训练方法、装置及电子设备，属于计算机技术领域。该商品推荐方法，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。本方案充分考虑到了用户自身的个人基本数据以及消费行为数据和商品本身的商品数据对用户的影响，使得本方案最终得到的推荐结果能准确地贴合用户需求，继而可以提高商品销量。

技术领域

本申请涉及计算机的技术领域，具体而言，涉及一种商品推荐方法、模型训练方法、装置及电子设备。

背景技术

推荐系统的兴起与互联网的发展息息相关,随着大数据时代的来临，网络中的信息量呈现指数式增长，随之带来了信息过载问题。推荐系统是解决信息过载最有效的方式。推荐系统可以有效的对信息进行过滤和筛选，帮助用户以个性化的方式来检索符合其需求的信息资源，缓解信息过载的问题。但现有的推荐方法往往是通过用户的历史行为数据来进行推荐，但通过该方式得到的推荐结果并不能准确地贴合用户需求。

发明内容

本申请提供一种商品推荐方法、模型训练方法、装置及电子设备，以解决现有的推荐方法往往是通过用户的历史行为数据来进行推荐，但通过该方式得到的推荐结果并不能准确地贴合用户需求的问题。

第一方面，本申请提供一种商品推荐方法，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。

本申请实施例中，通过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，再通过个人基本数据、消费行为数据、商品数据和预先训练好的购买概率模型，即可得到预测购买概率，并可以根据预测购买概率向该消费者推荐该预测购买概率对应的商品，本方案充分考虑到了用户自身的个人基本数据、消费行为数据和商品本身的商品数据对用户的影响，使得本方案最终得到的推荐结果能准确地贴合用户需求，继而可以提高商品销量。

结合上述第一方面提供的技术方案，在一些可能的实施方式中，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。

本申请实施例中，通过将商品数据、个人基本数据和消费行为数据进行拼接，得到第一拼接数据，再基于预设的全连接层对第一拼接数据进行处理，得到全连接数据，同时将商品数据、个人基本数据做线性交叉，得到线性交叉数据，之后将全连接数据和线性交叉数据进行拼接，得到第二拼接数据，使得第二拼接数据能充分体现商品信息和用户的个人基本数据和消费行为数据，进而使得基于第二拼接数据和预先训练好的购买概率模型得到的预测购买概率更加贴合用户实际情况，从而使得最终得到的推荐结果更加准确。

结合上述第一方面提供的技术方案，在一些可能的实施方式中，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；分别对所述基本商品数据、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。

本申请实施例中，通过对基本商品数据、初始个人基本数据和初始消费行为数据做第一预设编码方式处理，使得到的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格式一致，便于后续进行步骤的进行。