[发明专利]一种物品推荐方法及系统

摘要

本发明公开了一种物品推荐方法、系统、设备及一种计算机可读存储介质，涉及信息处理技术领域。本发明根据电商平台一段时间的历史数据，以及由该一段时间构建的多个时间窗口生成特征元，然后根据多个时间窗口调用所述特征元进行训练集构建，得到LightGBM模型，进而进行回归预测，得到包括购买行为以及购买程度的预测结果进行物品推荐，不仅提高了用户购买预测模型的精确度，还提高了物品推荐的精准度，大大提升了用户购物体验。

主权项

1.一种物品推荐方法，其特征在于，所述方法包括：获取一段时间的历史数据，所述历史数据包括用户信息、物品信息、用户订单信息、用户浏览物品信息、用户收藏物品信息或用户对物品的评价信息；根据所述历史数据生成元特征，所述元特征包括：用户信息、交互行为特征、关注行为特征和用户购买转化率；在所述一段时间内构建时间窗口，所述时间窗口为从标签月向前推算时间宽度得到；所述标签月是指从所述一段时间的起始月向后推算最大窗口的月份到所述一段时间的终止月之间的月份，所述时间窗口至少有两个；根据通过所述时间窗口扩充后的样本集分别分析所述元特征，构建训练集；根据所述训练集训练LightGBM模型，其中，采用交叉验证法对所述LightGBM模型进行训练；根据所述LightGBM模型生成回归预测结果，所述回归预测结果包括用户购买订单数；根据所述回归预测结果将物品推荐给所述用户。