[发明专利]纺织原料推荐方法、装置及处理器

说明书

本申请实施例提供一种纺织原料推荐方法、装置、处理器及存储介质。方法包括：获取用户的行为数据；根据行为数据确定用户在各个维度上针对纺织原料商品的兴趣程度以及用户之间的用户相似度；根据兴趣程度确定针对用户的第一推荐候选集；确定原料商品之间的原料相似度；根据用户相似度和原料相似度，确定用户的第二推荐候选集；将用户的行为数据、各个纺织原料的原料特征、上下文信息中的至少一者输入至预测模型，以确定用户的第三推荐候选集；根据第一推荐候选集、第二推荐候选集以及第三推荐候选集确定用户的最终推荐集；将最终推荐集中包括的原料商品确定为针对用户的推荐原料商品。

技术领域

本申请涉及计算机技术领域，具体地涉及一种纺织原料推荐方法、装置、存储介质及处理器。

背景技术

公司有原料供应业务和胚布生产平台业务，希望通过胚布生产的工厂数据、原料相关数据和原料推荐位的用户行为等数据，推荐给用户最优化原料推荐排序，以提高原料点击率，从而提高成交率。

现有业界实现方式较为简单，一般都是把各相关维度数据通过ETL处理求出来，通过归一化后，再加权求和，求出综合得分，再倒序输出。这种割裂地计算得分以进行原料推荐的方式，推荐准确率较低，也无法实现智能化推荐。

发明内容

本申请实施例的目的是提供一种纺织原料推荐方法、装置、存储介质及处理器。

为了实现上述目的，本申请第一方面提供一种纺织原料推荐方法，包括：

获取用户的行为数据；

根据行为数据确定用户在各个维度上针对纺织原料商品的兴趣程度以及用户之间的用户相似度；

根据兴趣程度确定针对用户的第一推荐候选集；

确定原料商品之间的原料相似度；

根据用户相似度和原料相似度，确定用户的第二推荐候选集；

将用户的行为数据、各个纺织原料的原料特征、上下文信息中的至少一者输入至预测模型，以确定用户的第三推荐候选集；

根据第一推荐候选集、第二推荐候选集以及第三推荐候选集确定用户的最终推荐集；

将最终推荐集中包括的原料商品确定为针对用户的推荐原料商品。

可选地，行为数据包括用户在多个不同时长的时间段内针对原料商品的操作行为；根据行为数据确定用户对纺织原料商品的兴趣程度以及用户之间的用户相似度包括：获取用户每个操作行为对应的原料商品的商品属性；根据操作行为和商品属性确定用户针对每个原料商品的兴趣程度。

可选地，商品属性包括商品关键词；根据操作行为和商品属性确定用户针对每个原料商品的兴趣程度包括：针对每个原料商品，确定用户针对原料商品的商品关键词的兴趣得分；对兴趣得分进行排序，以确定用户针对商品关键词的偏好序列；根据偏好序列确定用户在关键词维度上针对每个原料商品的兴趣程度。

可选地，确定用户针对原料商品的商品关键词的兴趣得分包括：根据以下公式确定兴趣得分：

其中，score_k指用户对关键词k的兴趣得分，i是指行为数据中用户第i个操作的原料商品，a_i是指第i个操作的原料商品对应的行为权重，w_i是指关键词k针对第i个操作的原料商品的权重，f(t_i)为时间衰减函数，表明用户在时间t对第i个操作的原料商品的兴趣衰减程度。

可选地，确定原料商品之间的原料相似度包括：获取各个原料商品的原料数据；根据原料数据确定每个原料商品的特征向量；对特征向量进行聚类，以确定原料商品之间的原料相似度。