[发明专利]基于模型的商品推荐方法、装置、计算机设备和存储介质

说明书

本申请涉及人工智能技术领域，提供一种基于模型的商品推荐方法、装置、计算机设备和存储介质，方法包括：获取与指定应用对应的用户购物行为数据；基于用户购物行为数据，获取第一预设时间段内用户已完成的购买信息；从收件人信息筛选与账号信息不同的第一收件人信息；从第一收件人信息中过滤出现次数小于预设次数的收件人信息得到第二收件人信息；基于TransE模型确定用户与指定收件人的目标关系；从与目标关系对应的所有商品中确定推荐商品；基于用户属性库与购买信息确定推荐时间段；基于推荐时间段向用户推送推荐商品。本申请能提高商品推荐的全面性与智能性。本申请还可以应用于区块链领域，上述推荐商品等数据可以存储于区块链上。

技术领域

本申请涉及人工智能技术领域，具体涉及一种基于模型的商品推荐方法、装置、计算机设备和存储介质。

背景技术

随着网络技术的深入发展，电子商务为代表的互联网商机包含巨大的市场价值。在众多电子商务网站中，如亚马逊和淘宝，针对用户的推荐一直都是提升产品品牌价值和赢得客户市场的重要技术保证，以求提高用户体验的同时增加商品的销量。

目前比较成熟的推荐技术主要有基于内容的推荐以及协同过滤推荐等。这些常用的推荐技术通常是只针对用户本人的喜好内容的维度进行推荐。然而，对于存在复杂社会关系中的个人，其购买行为很可能是由于这些社会关系，如为父母买保健品、为男女朋友买礼物，为儿女买书籍等等。但现有的商品推荐方式缺乏从社会关系的维度为用户推荐相关商品的处理，存在推荐智能性较低，推荐商品不全面的技术问题。

发明内容

本申请的主要目的为提供一种基于模型的商品推荐方法、装置、计算机设备和存储介质，旨在解决现有的商品推荐方式存在推荐智能性较低，推荐商品不全面的技术问题。

本申请提出一种基于模型的商品推荐方法，所述方法包括步骤：

获取与指定应用对应的用户购物行为数据；

基于所述用户购物行为数据，获取第一预设时间段内用户已完成的购买信息；其中，所述购买信息至少包括账号信息与收件人信息；

从所有所述收件人信息中筛选出与所述账号信息不同的第一收件人信息；

从所有所述第一收件人信息中过滤掉出现次数小于预设次数的收件人信息，得到对应的第二收件人信息；

基于预设的TransE模型确定出所述用户与指定收件人之间的目标关系；其中，所述指定收件人为与指定收件人信息对应的收件人，所述指定收件人信息为所有所述第二收件人信息中的任意一个信息；

获取与所述目标关系对应的所有商品，并按照预设规则从所有所述商品中确定出与所述用户对应的推荐商品；

基于预设的用户属性库与所述购买信息，确定出与所述用户对应的推荐时间段；

基于所述推荐时间段向所述用户推送所述推荐商品。

可选地，所述获取与所述目标关系对应的所有商品，并按照预设规则从所有所述商品中确定出与所述用户对应的推荐商品的步骤，包括：

以所述目标关系作为关键词对所述指定应用进行搜索处理，得到与所述目标关系对应的所述商品；

获取第二预设时间段内，所有所述商品中浏览次数最高的第一预设数量的第一商品；

获取所述第二预设时间段内，购买转化率最高的第二预设数量的第二商品；

对所述第一商品与所述第二商品进行去重处理，得到对应的第三商品；

获取所述第二预设时间段内，所述第三商品的好评率；

基于与所述浏览次数、所述购买转化率以及所述好评率分别对应的预设权重，调用预设的分数算法计算出各所述第三商品的推荐分数；