[发明专利]一种商品信息的展示方法、装置、设备和存储介质

说明书

本发明实施例公开了一种商品信息的展示方法、装置、设备和存储介质。该方法包括：获取目标用户输入的搜索词语和所述目标用户的第一用户信息；根据所述搜索词语生成目标商品信息；将所述第一用户信息输入至预先训练好的第一模型以得到所述目标商品信息和目标用户的关系；根据所述目标商品信息和目标用户的关系确定所述目标商品信息的展示顺序；根据所述展示顺序展示所述目标商品信息。本发明实施例实现了优化商品展示顺序以提升用户购买力。

技术领域

本发明实施例涉及互联网技术，尤其涉及一种商品信息的展示方法、装置、设备和存储介质。

背景技术

随着互联网技术的飞速发展，人们越来越习惯于在网络上进行商品的选择和购买。

但是用户进行商品浏览时产生的点击数据没有得到很好的利用，个别商品在用户没有点击或新上架商品的冷启动时无法推荐给用户，商家也不能利用这些用户的浏览操作数据获得商品个性化和多样性的推荐顺序，无法提升推荐场景的鲁棒性和业务转化效率，导致商家收益下降。

发明内容

本发明实施例提供一种商品信息的展示方法、装置、设备和存储介质，以实现优化商品展示顺序以提升用户购买力。

为达此目的，本发明实施例提供了一种商品信息的展示方法，该方法包括：

获取目标用户输入的搜索词语和所述目标用户的第一用户信息；

根据所述搜索词语生成目标商品信息；

将所述第一用户信息输入至预先训练好的第一模型以得到所述目标商品信息和目标用户的关系；

根据所述目标商品信息和目标用户的关系确定所述目标商品信息的展示顺序；

根据所述展示顺序展示所述目标商品信息。

进一步的，所述将所述第一用户信息输入至预先训练好的第一模型以得到所述目标商品信息和目标用户的关系包括：

将所述第一用户信息输入至预先训练好的第一模型以得到所述目标用户和全部商品信息的关系；

根据所述目标用户和全部商品信息的关系确定所述目标商品信息和目标用户的关系。

进一步的，所述第一模型的训练包括：

获取样本用户的第二用户信息，所述第二用户信息包括用户标签特征和历史数据，所述历史数据包括购买信息；

基于所述用户标签特征和购买信息训练预设的线性模型。

进一步的，所述历史数据还包括商品名称和访问时间，所述基于所述用户标签特征和购买信息训练预设的线性模型包括：

根据所述访问时间对所述商品名称进行排序，并根据所述购买信息对所述商品信息进行标记，以得到第一商品节点信息；

基于深度游走算法对所述第一商品节点信息进行随机游走采样以得到第二商品信息节点；

基于预先训练好的第一神经网络模型获取所述第二商品节点信息的特征向量；

基于所述特征向量和购买信息训练预设的第二神经网络模型，并基于所述用户标签特征和购买信息训练预设的线性模型。

进一步的，所述历史数据还包括浏览时长，所述根据所述访问时间对所述商品名称进行排序，并根据所述购买信息对所述商品信息进行标记，以得到第一商品节点信息包括：

根据所述访问时间对所述商品名称进行排序，根据所述购买信息对所述商品信息进行标记，以得到第三商品节点信息；

剔除所述浏览时长小于第一阈值的所述第三商品节点信息以得到第一商品节点信息。