[发明专利]物品筛选方法、装置、设备和存储介质

说明书

本发明实施例公开了一种物品筛选方法、装置、设备和存储介质。该方法包括：获取各待筛选物品分别对应的特征向量，其中，所述特征向量包括至少一个目标物品特征维度分别对应的子特征向量；基于各所述特征向量和预设的线性回归模型，确定各所述待筛选物品的预测点击率，其中，所述线性回归模型通过预先对线性回归的正则化模型进行训练而获得；依据各所述预测点击率，从各所述待筛选物品中筛选出目标物品。通过上述技术方案，实现了物品筛选，且均衡了物品筛选过程中的筛选精度和筛选效率。

技术领域

本发明实施例涉及计算机技术，尤其涉及一种物品筛选方法、装置、设备和存储介质。

背景技术

在电子商务应用场景中，通常会基于用户和/或物品(如商品)的信息进行物品筛选，从而进行物品推荐，以提高用户体验。

传统的推荐算法(也可称为物品筛选算法)主要是对用户的历史行为进行简单的数据分析，从而得到用户的偏好，继而从所有物品中筛选出用户偏好度高的物品，并推荐给用户。目前主流的物品筛选算法是基于物品的协同过滤算法，该算法计算用户偏好的商品与其他商品的相似度，并筛选出相似度高的物品进行推荐。

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：基于物品的协同过滤算法会使得物品筛选陷入马太效应，即热门的商品变得更加热门、冷门的商品变得更加冷门。

发明内容

本发明实施例提供一种物品筛选方法、装置、设备和存储介质，以实现物品筛选，且均衡物品筛选过程中的筛选精度和筛选效率。

第一方面，本发明实施例提供了一种物品筛选方法，包括：

获取各待筛选物品分别对应的特征向量，其中，所述特征向量包括至少一个目标物品特征维度分别对应的子特征向量；

基于各所述特征向量和预设的线性回归模型，确定各所述待筛选物品的预测点击率，其中，所述线性回归模型通过预先对线性回归的正则化模型进行训练而获得；

依据各所述预测点击率，从各所述待筛选物品中筛选出目标物品。

第二方面，本发明实施例还提供了一种物品筛选装置，该装置包括：

特征向量获取模块，用于获取各待筛选物品分别对应的特征向量，其中，所述特征向量包括至少一个目标物品特征维度分别对应的子特征向量；

预测点击率确定模块，用于基于各所述特征向量和预设的线性回归模型，确定各所述待筛选物品的预测点击率，其中，所述线性回归模型通过预先对线性回归的正则化模型进行训练而获得；

目标物品筛选模块，用于依据各所述预测点击率，从各所述待筛选物品中筛选出目标物品。

第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的物品筛选方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明任意实施例所提供的物品筛选方法。