[发明专利]一种商品推荐方法、装置、存储介质及系统

说明书

本申请提供了一种商品推荐方法、装置、存储介质及系统，该方法包括：获取多个候选商品对应的多个待计算特征数据；将多个待计算特征数据输入到目标推荐模型，获取目标推荐模型输出的多个候选商品各自的点击概率值和购买概率值；目标推荐模型是根据至少一个高质量正样本、至少一个低质量正样本和至少一个负样本训练得到的；根据多个候选商品各自的点击概率值和购买概率值，计算多个候选商品各自的推荐分数；根据多个候选商品各自的推荐分数，向待推荐用户进行商品推荐。这样，目标推荐模型是由高质量正样本、低质量正样本和负样本训练得到的，能够使目标推荐模型学习到更为深入的特征，提高商品推荐的准确性。

技术领域

本申请涉及商品推荐技术领域，尤其涉及一种商品推荐方法、装置、存储介质及系统。

背景技术

随着大数据和人工智能技术的发展，越来越多的用户喜欢网络上购物。为了吸引更多的流量，提升用户活跃度，各大电商平台都需要针对用户个性化的设计推荐商品，以提高成交额。目前，已有的商品推荐算法一般是根据推荐业务对商品提取多个特征，然后配置线性加权的系数，从而为每一个商品打分，然后根据商品分数将多个商品排序后推荐给用户。

然而，对于已有的商品推荐算法来说，所提取的多个特征是人工设计的，大多依靠业务经验，有一定的局限性；另外，线性加权模型学到的特征信息比较粗浅，对商品的排序能力也有一定的局限性。

发明内容

本申请提供了一种商品推荐方法、装置、存储介质及系统，通过引入高质量正样本、低质量正样本和负样本的细分逻辑，提高了商品推荐的准确性。

本申请的技术方案是这样实现的：

第一方面，本申请实施例提供了一种商品推荐方法，该方法包括：

获取多个候选商品对应的多个待计算特征数据；

将所述多个待计算特征数据输入到目标推荐模型，获取所述目标推荐模型输出的所述多个候选商品各自的点击概率值和购买概率值；其中，所述目标推荐模型是根据至少一个高质量正样本、至少一个低质量正样本和至少一个负样本训练得到的；

根据所述多个候选商品各自的点击概率值和购买概率值，计算所述多个候选商品各自的推荐分数；

根据所述多个候选商品各自的推荐分数，向待推荐用户进行商品推荐。

第二方面，本申请实施例提供了一种商品推荐装置，该商品推荐装置包括数据单元、计算单元、确定单元和推荐单元；其中，

数据单元，配置为获取多个候选商品对应的多个待计算特征数据；

计算单元，配置为将所述多个待计算特征数据输入到目标推荐模型，获取所述目标推荐模型输出的所述多个候选商品各自的点击概率值和购买概率值；其中，所述目标推荐模型是根据至少一个高质量正样本、至少一个低质量正样本和至少一个负样本训练得到的；

确定单元，配置为根据所述多个候选商品各自的点击概率值和购买概率值，计算所述多个候选商品各自的推荐分数；

推荐单元，配置为根据所述多个候选商品各自的推荐分数，向待推荐用户进行商品推荐。

第三方面，本申请实施例提供了一种商品推荐装置，该商品推荐装置包括存储器和处理器；其中，

存储器，用于存储能够在所述处理器上运行的计算机程序；

处理器，用于在运行所述计算机程序时，执行如第一方面所述方法的步骤。

第四方面，本申请实施例提供了一种计算机存储介质，该计算机存储介质存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述方法的步骤。

第五方面，本申请提供一种商品推荐系统，该商品推荐系统至少包括如第二方面或第三方面所述的商品推荐装置。