[发明专利]商品推荐方法和装置

说明书

本发明提供一种商品推荐方法和装置，能够解决商品推荐系统单纯依赖相似度，不能区分用户场景，从而达不到预期推荐效果的问题。该方法包括：接收用户发来的推荐请求；根据所述推荐请求，基于多样性区分模型进行推荐计算，以得到所述推荐请求对应的推荐商品排序结果；将所述用户购买和浏览的商品与推荐商品排序结果中的商品进行匹配，并根据匹配结果对所述推荐商品排序结果中的商品进行重新排序，以得到推荐结果。

技术领域

本发明涉及计算机技术领域，尤其涉及一种商品推荐方法和装置。

背景技术

商品推荐是电商网站进行商品销售的一种重要途径。在众多电商网站中都会有一些推荐模块以对用户进行商品推荐。商品推荐的结果是否合适会影响用户对推荐商品的浏览，同时也将影响用户的购买情况。

通常情况下，商品推荐系统比较依赖于相似度。相似度是衡量两种不同的商品之间是否一致的数值表示。根据现有的技术方案，推荐的内容基本都是与用户的浏览内容和购买内容相近的商品，包括：和用户所购买的商品的属性相似，或者与邻居用户所购买的商品相同或相似。从表面来看，似乎这样的推荐是合理的，比如用户购买了《JAVA 编程思想》这本书，这时商城系统会推荐一些与JAVA相关的书籍给用户，让用户继续挑选。在这个推荐过程中“JAVA”关键字的权重会比较大，所以具有“JAVA”关键字属性的内容就比较容易被挑出来，然后，再对相似用户的购买情况、书的评价情况等因素进行综合考虑，从而与JAVA相关的书籍就被推荐了出来。但在某些情况下，如果把类似的推荐过程应用在其他一些商品中，推荐效果却往往没有那么好，甚至会让用户感到奇怪。比如当用户购买了洗衣液之后，推荐系统会默认对用户推荐同品牌或其他品牌的洗衣液，然而用户在已经购买了洗衣液的情况下，再次购买洗衣液的需求或可能性已经很小，这样就浪费了一次推荐机会，且并不能看到预期的推荐效果。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

在某些情况下，如果推荐系统推荐与购买商品相似度高的商品给用户，可能会达不到预期的推荐效果。亦即：现有技术无法全面考虑商品之间的相关性、用户购买记录与浏览记录之间的关系，从而推荐更适合用户场景的商品。

发明内容

有鉴于此，本发明实施例提供一种商品推荐方法和装置，能够解决商品推荐系统单纯依赖相似度，不能区分用户场景，从而达不到预期推荐效果的问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种商品推荐方法。

本发明实施例一种商品推荐方法包括：接收用户发来的推荐请求；根据所述推荐请求，基于多样性区分模型进行推荐计算，以得到所述推荐请求对应的推荐商品排序结果；将所述用户购买和浏览的商品与推荐商品排序结果中的商品进行匹配，并根据匹配结果对所述推荐商品排序结果中的商品进行重新排序，以得到推荐结果。

可选地，所述推荐计算包括：从基础数据中获取推荐候选商品集合；根据商品多样性系数判断所述推荐请求的类型为相似性推荐请求或相关性推荐请求；根据所述推荐请求的类型对所述推荐候选商品集合中的商品进行相应的相似性排序或相关性排序，以得到推荐商品排序结果；其中，相似性排序根据推荐请求中的商品的特征与所述推荐候选商品集合中的商品的特征的对比进行排序，相关性排序根据推荐请求中的商品与推荐候选商品集合中的商品之间的购买规律特征数据进行排序。

可选地，所述商品多样性系数通过对购买过所述商品的用户的购买历史特征数据、购买规律特征数据和购买后浏览记录特征数据进行加权融合得到。

可选地，所述购买历史特征数据包括：所述用户在购买所述推荐请求中的商品之前、之后和与所述推荐请求中的商品同一订单的商品与所述推荐请求中的商品的相似度。

可选地，所述购买规律特征数据包括：所述用户购买所述推荐请求中的商品及其所在分类的商品与所述用户购买的其他商品之间的权重。