[发明专利]商品推荐方法和装置

权利要求书

1.一种商品推荐方法，其特征在于，包括：

获取目标账号在客户端中浏览目标商品的目标数据特征，其中，所述目标数据特征包括所述目标账号的行为特征、所述目标账号的账号特征、所述目标商品的商品特征与所述目标商品的订单特征；

将所述目标数据特征输入到第一神经网络模型中，其中，所述第一神经网络模型为用于输出第一概率的模型，所述第一概率用于表示所述目标账号购买所述目标商品的概率；

将所述目标数据特征与时间特征输入到第二神经网络模型中，其中，所述第二神经网络模型为用于输出第二概率的模型，所述第二概率用于表示所述目标账号预购买所述目标商品的概率，所述时间特征为所述目标账号浏览所述目标商品所使用的时间；

在所述第一概率处于第一区间内且所述第二概率处于第二区间内的情况下，向所述目标账号推送商品列表，其中，所述商品列表中包括与所述目标商品关联的商品。

2.根据权利要求1所述的方法，其特征在于，在所述第一概率处于第一区间内且所述第二概率处于第二区间内的情况下，在向所述目标账号推送所述商品列表之前，所述方法还包括：

获取第一列表，其中，所述第一列表中包括多个商品；

确定所述第一列表中的每一个商品与所述目标商品的相似度；

将所述第一列表中，与所述目标商品的所述相似度高于第一阈值的商品确定为所述商品列表中的商品。

3.根据权利要求1所述的方法，其特征在于，所述在所述第一概率处于第一区间内且所述第二概率处于第二区间内的情况下，向所述目标账号推送商品列表包括：

向所述目标账号推送所述商品列表与目标优惠券，其中，所述目标优惠券为所述目标账号购买所述商品列表中的商品时使用的优惠券。

4.根据权利要求3所述的方法，其特征在于，在向所述目标账号推送所述商品列表与目标优惠券之前，所述方法还包括：

调整所述目标数据特征中的所述订单特征中的订单优惠券的数值，以更新所述目标数据特征，得到更新后的所述目标数据特征；将更新后的所述目标数据特征输入到所述第一神经网络模型与所述第二神经网络模型中，得到所述第一概率与所述第二概率；

将所述第一概率与所述第二概率最大的情况下的所述订单优惠券的数值确定为所述目标优惠券的数值。

5.根据权利要求1至4任意一项所述的方法，其特征在于，在将所述目标数据特征输入到所述第一神经网络模型中之前，所述方法还包括：

获取第一样本数据，其中，所述第一样本数据包括第一账号浏览第一商品的第一数据特征，其中，所述第一数据特征包括所述第一账号的行为特征、所述第一账号的账号特征、所述第一商品的商品特征与所述第一商品的订单特征；

使用所述第一样本数据训练所述第一神经网络模型，直到所述第一神经网络模型的识别准确度大于第二阈值。

6.根据权利要求1至4任意一项所述的方法，其特征在于，在将所述目标数据特征输入到所述第二神经网络模型中之前，所述方法还包括：

获取第二样本数据，其中，所述第二样本数据包括第二账号浏览第二商品的第二数据特征和时间特征，其中，所述第二数据特征包括所述第二账号的行为特征、所述第二账号的账号特征、所述第二商品的商品特征与所述第二商品的订单特征，所述时间特征包括所述第二账号浏览所述第二商品所消耗的时间；

使用所述第二样本数据训练所述第二神经网络模型，直到所述第二神经网络模型的识别准确度大于第三阈值。