[发明专利]基于用户画像的商品推荐、装置、计算机设备和存储介质

权利要求书

1.一种基于用户画像的商品推荐方法，其特征在于，所述方法包括：

基于埋点数据和用户数据进行属性提取，得到用户属性；

基于所述用户属性构建用户画像模型；

根据所述用户画像模型和待推荐商品属性生成对应的用户画像；

根据所述用户画像从多个待推荐商品中确定目标商品，并将所述目标商品推荐至所述用户画像中与所述目标商品相关的终端用户。

2.根据权利要求1所述的方法，其特征在于，所述用户属性包括与用户偏好度相关联的第一类用户属性、与用户地域属性相关联的第二类用户属性和与用户设备属性相关联的第三类属性，所述基于用户数据进行属性提取，得到用户属性包括：

从所述用户数据进行用户偏好度的提取，得到所述第一类用户属性；

从所述用户数据进行用户地域属性的提取，得到所述第二类用户属性；

从所述用户数据进行用户设备属性的提取，得到所述第三类用户属性。

3.根据权利要求2所述的方法，其特征在于，所述基于所述用户属性构建用户画像模型包括：

将属于同一类用户属性的用户数据分别归类至同一用户数据子集中；

分别设置不同用户数据子集中对应的训练集和测试集的预设配比比例；

分别基于不同的预设配比比例，对对应的用户数据子集中的训练集进行训练，并测试对应的测试集的损失函数，直至对应的测试集的损失函数趋近于恒定值为止，停止迭代训练，依次输出训练好的用户画像子模型；

将各种类型的用户属性与对应的用户画像子模型之间建立映射关系，并通过编号标识对对应的映射关系进行标识；

由多个用户画像子模型组成用户画像模型。

4.根据权利要求1所述的方法，其特征在于，所述埋点数据包括页面埋点数据和页面控件埋点数据，在所述基于埋点数据和用户数据进行属性提取之前，所述方法还包括：

响应于用户访问所述页面的多次第一触发操作，分别统计所述页面的总触发次数、同一用户访问所述页面的触发次数和在第一访问时间段内的第一访问频率的变化趋势以对用户访问的页面进行埋点处理；

和/或，响应于用户访问所述页面控件的可触控元素的多次第二触发操作，分别统计所述页面控件的总触发次数、同一用户访问所述页面控件的触发次数和第二访问时间段内的第二访问频率的变化趋势以对用户访问的页面控件进行埋点处理。

5.根据权利要求1所述的方法，其特征在于，所述根据所述用户画像从所述待推荐商品中确定目标商品包括：

对每个待推荐商品进行提取，得到每个待推荐商品的商品属性，并对各个待推荐商品的商品属性标识以对应的分类标签；

基于所述用户画像中的用户偏好度信息和用户的历史商品评分数据，预测具有不同分类标签下的各个待推荐商品对应的预测评分；

基于各个待推荐商品对应的预测评分进行商品排序，将商品排序符合预设条件的待推荐商品确定为所述目标商品。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对多个待推荐商品中的每一类待推荐商品标记第一标识；以及

对每一类待推荐商品中的每一个待推荐商品标记第二标识；其中，所述第一标识与所述第二标识设置为具有关联关系。

7.根据权利要求6所述的方法，其特征在于，所述将所述目标商品推荐至所述用户画像中与所述目标商品相关的终端用户包括：

将所述目标商品推荐至带有所述第二标识、且所述用户画像中与所述目标商品相关的所有终端用户。