[发明专利]商品推荐方法和可读存储介质

权利要求书

1.一种商品推荐方法，其特征在于，应用于计算机设备，所述计算机设备存储有商家的多个商品和每个所述商品的商品表征值，所述方法包括：

响应目标用户的选择操作，获取选择商品及所述选择商品的选择商品表征值；

当所述计算机设备预先存储目标用户的历史操作记录时，则根据所述历史操作记录和所述选择商品表征值得到用户需求表征值；

根据所述用户需求表征值与其他商品的商品表征值进行内积计算，得到商品推荐值，所述其他商品为所述多个商品中除所述选择商品之外的任一商品；

当所述商品推荐值超过预设推荐阈值时，将所述其他商品进行推荐。

2.根据权利要求1所述的方法，其特征在于，在所述当所述商品推荐值超过预设推荐阈值时，将所述商品推荐值对应的其他商品进行推荐的步骤之前，所述方法还包括：

当所述计算机设备未预先存储目标用户的历史操作记录时，则根据所述选择商品表征值与其他商品的商品表征值进行内积计算，得到所述商品推荐值。

3.根据权利要求1所述的方法，其特征在于，所述计算机设备还存储有衰减系数表，所述历史操作记录包括历史选择商品表征值和历史操作时间；

所述根据所述历史操作记录和所述选择商品表征值得到用户需求表征值的步骤，包括：

根据所述历史操作时间从所述衰减系数表中确定目标衰减系数；

将所述目标衰减系数与所述历史选择商品表征值相乘得到目标历史选择商品表征值；

计算所述目标历史选择商品表征值和所述选择商品表征值的平均值；

将所述平均值作为所述用户需求表征值。

4.根据权利要求1所述的方法，其特征在于，所述计算机设备还存储有每个所述商品的商品属性；

所述方法还包括计算每个所述商品的商品表征值的步骤，该步骤包括：

将每个所述商品的商品属性均转换为数值型商品属性特征；

将每个所述数值型商品属性特征均输入预先训练的推荐模型中，得到每个所述商品的商品表征值。

5.根据权利要求4所述的方法，其特征在于，所述推荐模型是按照以下方式进行训练的：

获取初始训练样本，其中，所述初始训练样本包括每个训练商品的商品属性、以及每个训练商品对应的操作记录；

对所述每个训练商品对应的操作记录进行聚类，得到目标商品类别集合；

从所述目标商品类别集合中获取多个目标训练商品、每个所述目标训练商品的商品属性、以及每个所述目标训练商品对应的操作记录；

将每个所述目标训练商品的商品属性均转换为每个数值型属性特征；

将每个所述目标训练商品对应的操作记录通过网络嵌入计算得到每个目标训练商品的商品表征值；

将每个数值型属性特征作为输入、以及将每个目标训练商品的商品表征值作为输出，对预先构建的所述推荐模型进行训练，得到训练后的所述推荐模型。

6.根据权利要求5所述的方法，其特征在于，所述将每个所述目标训练商品的商品属性均转换为每个数值型属性特征的步骤，包括：

判断所述目标训练商品的商品属性中是否包括文字相关属性；

若是，则将所述文字相关属性转换为数值型商品属性特征；

若否，则将所述目标训练商品的商品属性作为所述数值型商品属性特征。

7.根据权利要求5所述的方法，其特征在于，所述对所述每个训练商品对应的操作记录进行聚类，得到目标商品类别集合的步骤，包括：

根据所述每个训练商品对应的操作记录，得到多个商品类别组；

获取每个所述商品类别组之间多个训练用户的重复率，每个所述训练用户至少对应一个训练商品对应的操作记录；

当存在所述重复率超过预设重复率阈值的多个目标商品类别组时，将所述多个目标商品类别组作为所述目标商品类别集合。