[发明专利]一种基于多平台的社交电商网站商品推荐方法及装置

说明书

本发明实施例提供一种基于多平台的社交电商网站商品推荐方法及装置，该方法包括：获取普通电商平台用户商品交互行为数据、社交电商平台用户商品交互行为数据和社交电商平台用户社交关系数据；将普通电商平台用户商品交互行为数据、社交电商平台用户商品交互行为数据和社交电商平台用户社交关系数据输入预设社交‑普通电商平台融合模型，得到商品个性化推荐信息。通过基于普通电商推荐模型和社交电商推荐模型，构建融合模型损失函数，从而保证训练过程中，能有效利用来自普通电商平台的用户商品交互行为数据和来自社交电商平台用户商品交互行为数据，充分考虑了普通平台和社交电商平台的用户行为，提高了商品个性化推荐准确率。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种基于多平台的社交电商网站商品推荐方法及装置。

背景技术

随着互联网技术的发展，电子商务(Electronic Business，E-Business)在我们的日常生活、工作中随处可见。电子商务通常是指在全球各地广泛的商业贸易活动中，在因特网开放的网络环境下，基于浏览器/服务器应用方式，买卖双方不谋面地进行各种商贸活动，实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式。

目前，现有的电商推荐系统通常根据用户在电商网站的历史行为，得到用户喜好特征，进而找出与用户喜好相关的商品推荐给用户。

随着互联网与移动互联网的迅猛发展，网络信息量巨大，用户困扰于从海量信息中获取自己的需求。

因此，如何更准确有效的实现基于多平台的社交电商网站商品推荐已经成为业界亟待解决的问题。

发明内容

本发明实施例提供一种基于多平台的社交电商网站商品推荐方法及装置，用以解决上述背景技术中提出的技术问题，或至少部分解决上述背景技术中提出的技术问题。

第一方面，本发明实施例提供一种基于多平台的社交电商网站商品推荐方法，包括：

获取普通电商平台用户商品交互行为数据、社交电商平台用户商品交互行为数据和社交电商平台用户社交关系数据；

将所述普通电商平台用户商品交互行为数据、社交电商平台用户商品交互行为数据和社交电商平台用户社交关系数据输入预设社交-普通电商平台融合模型，得到商品个性化推荐信息；

其中，所述预设社交-普通电商平台融合模型是通过带有交互标签的用户商品样本数据训练得到的。

更具体的，在所述将所述普通电商平台用户商品交互行为数据、社交电商平台用户商品交互行为数据和社交电商平台用户社交关系数据输入预设社交-普通电商平台融合模型的步骤之前，所述方法还包括：

获取带交互标签的用户商品样本数据；

从未观测样本集中随机获取带未交互标签的用户商品样本数据，根据所述带交互标签的用户商品样本数据和未交互标签的用户商品样本数据构建正负样本对信息；

将所述正负样本对信息输入社交-普通电商平台融合模型，当满足预设训练条件时，结束训练，输出商品个性化推荐信息，得到预设社交-普通电商平台融合模型。

更具体的，所述将所述正负样本对信息输入社交-普通电商平台融合模型进行训练的步骤之前，所述方法还包括：

获取普通电商推荐模型损失函数和社交电商推荐模型损失函数；

根据所述普通电商推荐模型损失函数和社交电商推荐模型损失函数构建融合模型损失函数；

根据所述融合模型损失函数得到社交-普通电商平台融合模型。

更具体的，所述融合模型损失函数具体为：