[发明专利]一种商品推荐列表确定方法、装置、电子设备及存储介质

说明书

本发明实施例提供的一种商品推荐列表确定方法、装置、电子设备及存储介质，根据用户特征得到初始商品推荐列表，根据用户针对已购商品的历史行为数据，计算用户针对已购商品的复购分数，如果初始商品推荐列表中存在已购商品和/或与已购商品属于同一类目的商品，则根据已购商品的复购分数对初始商品推荐列表进行过滤或排序，得到目标商品推荐列表。本方案根据已购商品的复购分数对初始商品推荐列表进行过滤或排序，可以将一些复购率较低的商品从商品推荐列表中过滤掉，使得目标商品推荐列表更加符合用户的需求，从而提升了商品推荐的转化率。

技术领域

本申请涉及互联网领域，尤其涉及一种商品推荐列表确定方法、装置、电子设备及存储介质。

背景技术

在电商应用内，为了解决商品信息过载的问题，推荐系统会将用户在电商应用中发生的各种行为(例如浏览行为，加购行为，购买行为，收藏行为，关注行为、搜索行为等等)作为推荐因子，并且对推荐不同的行为赋予不同的权重进行商品的推荐。

但是，现有技术虽然考虑了各种行为对于商品推荐的重要性，但是对于推荐商品中可能存在许多复购率较低的商品(例如笔记本电脑、冰箱等使用寿命长的商品)，导致例如现有的商品推荐方法进行商品推荐时的转化率(通过商品推荐产生订单的概率)低下。

发明内容

为了解决上述现有的商品推荐方法转化率低的技术问题，本申请提供了一种。

第一方面，本申请提供了一种商品推荐列表确定方法，包括：

获取用户的特征标签；

根据所述用户的特征标签，采用预设的推荐算法，得到与所述用户对应的初始推荐商品列表；

获取所述用户在预设时长内针对已购商品的历史行为数据；

根据所述历史行为数据，计算所述用户针对所述已购商品的复购分数；

检测所述待推荐列表中是否包含目标商品，所述目标商品为所述已购商品和/或与所述已购商品属于同一类目的商品；

若所述待推荐列表中包含所述目标商品，根据所述复购分数对所述初始推荐商品列表中的商品进行过滤或排序，得到目标推荐商品列表。

在一种可能的实现方式中，根据所述复购分数对所述初始推荐商品列表中的商品进行过滤或排序，得到目标推荐商品列表，包括：

若所述复购分数大于预设的分数阈值，则将所述复购分数与所述待推荐列表中所述目标商品对应的初始排序评分进行相加，得到所述已购商品的目标排序评分；

根据所述目标排序评分，对所述待推荐列表中的商品进行重新排序，得到目标商品推荐列表。

在一种可能的实现方式中，根据所述复购分数对所述初始推荐商品列表中的商品进行过滤或排序，得到目标推荐商品列表，包括：

若所述复购分数不大于预设的分数阈值，则将所述目标商品从所述待推荐列表中删除，得到目标商品推荐列表。

在一种可能的实现方式中，根据所述历史行为数据，计算所述用户针对所述已购商品的复购分数，包括：

根据所述历史行为数据，采用预设的第一计算公式分别计算所述用户针对所述已购商品进行的各种行为的行为因子；

根据所述行为因子，采用预设的第二计算公式计算所述用户针对所述已购商品的复购分数。

在一种可能的实现方式中，

所述第一计算公式如下：

S_i＝A_i*T_i