[发明专利]一种基于用户浏览行为的商品推荐方法

权利要求书

1.一种基于用户浏览行为的商品推荐方法，其特征在于，所述方法包括：

由购买行为预测器分析一个或多个用户的商品浏览历史数据，确定在一未来时段较有可能进行购买的第一用户集合；

针对所确定的第一用户集合中的每个用户：

从该用户的商品浏览历史数据中获取该用户浏览过的一个或多个商品，

将所述一个或多个商品与目标商品进行商品相似度计算，

基于所述商品相似度计算的结果，确定所述用户在所述未来时段较有可能购买目标商品，以及

将所述用户添加至第二用户集合；以及

向所确定的第二用户集合中的每个用户推荐所述目标商品。

2.根据权利要求1所述的方法，其特征在于，其中由所述购买行为预测器分析所述一个或多个用户的所述商品浏览历史数据，确定在所述未来时段较有可能进行购买的所述第一用户集合包括：

针对所述一个或多个用户中的每个用户：

基于该用户的商品浏览历史数据，由所述购买行为预测器确定该用户在所述未来时段进行购买行为的可能性；

响应于确定所述可能性大于阈值，将该用户添加到所述第一用户集合。

3.根据权利要求1所述的方法，还包括，对所述购买行为预测器进行训练，其中所述训练包括：

接收多个特定用户的样本商品浏览历史数据；

基于所接收的样本商品浏览历史数据生成与所述多个特定用户相关联的训练数据；

利用所述训练数据训练所述购买行为预测器。

4.根据权利要求3所述的方法，其特征在于，生成与所述多个特定用户相关联的训练数据包括：

针对所述多个特定用户中的每个特定用户，基于预先定义的用户行为特征，提取该特定用户的样本基础历史数据的特征并添加标签，生成与该特定用户相关联的训练数据；

聚集与每个特定用户相关联的训练数据，对所聚集的训练数据进行标准化处理，生成与所述多个特定用户相关联的所述训练数据。

5.根据权利要求1所述的方法，其特征在于，其中将所述一个或多个商品与目标商品进行商品相似度计算包括：

针对所述目标商品的类别，基于预先定义的商品属性特征模型，构建所述目标商品的目标商品向量；

对于所述第一用户集合中的每个用户：

基于所述预先定义的商品属性特征模型，构建该用户浏览过的商品中与所述目标商品同类别的商品的对比商品向量，其中所述目标商品向量与所述对比商品向量包含相同的向量维度；

对目标商品向量和所述对比商品向量进行相似度计算。

6.根据权利要求1-5中任一项所述的方法，其特征在于，其中所述用户的训练数据是以向量来表示的。

7.根据权利要求1-5中任一项所述的方法，其特征在于，其中所述模型训练的方法是二分类算法。

8.根据权利要求1-5中任一项所述的方法，其特征在于，其中所述相似度计算是带有修正系数的余弦相似度计算。

9.一种基于用户浏览行为的商品推荐的装置，其特征在于，包括：

模型计算模块，用于：

由购买行为预测器分析一个或多个用户的商品浏览历史数据，确定在一未来时段较有可能进行购买的第一用户集合；

针对所确定的第一用户集合中的每个用户：

从该用户的商品浏览历史数据中获取该用户浏览过的一个或多个商品，

将所述一个或多个商品与目标商品进行商品相似度计算，

基于所述商品相似度计算的结果，确定所述用户在所述未来时段较有可能购买目标商品，以及

将所述用户添加至第二用户集合；以及

向所确定的第二用户集合中的每个用户推荐所述目标商品。