[发明专利]商品偏好预测方法、装置及电子设备

权利要求书

1.一种商品偏好预测方法，其特征在于，包括：

获取若干个可选商品各自的特征信息数据和市场信息数据；

将所述特征信息数据和所述市场信息数据，输入至商品效用计算模型中，以分别输出各可选商品的商品效用；

判定所述商品效用满足预设条件，则该所述商品效用对应的可选商品为目标商品；

其中，所述市场信息数据至少包括商品所处场景、商品所对应商家信息、商品与竞品对比信息和商品展示位置；

所述商品效用计算模型是基于预设效用参量并通过神经网络算法预先构建且训练好的机器学习网络，且所述预设效用参量至少包括特征权重向量、竞比向量和位置向量中的一种。

2.根据权利要求1所述的商品偏好预测方法，其特征在于，所述将所述特征信息数据和所述市场信息数据，输入至商品效用计算模型中，以分别输出各可选商品的商品效用，具体包括：

将所述特征信息数据以及所述市场信息数据中的所述商品所处场景和所述商品所对应商家信息，输入至特征效用计算子模型中，以分别输出各可选商品的特征效用；

将所述特征信息数据以及所述市场信息数据中的所述商品所处场景和所述商品与竞品对比信息，输入至竞比效用计算子模型，以分别输出各可选商品的竞比效用；

将所述特征信息数据以及所述市场信息数据中的所述商品所处场景和所述商品展示位置，输入至位置效用计算子模型，以分别输出各可选商品的位置效用；

基于加性计算法以及各可选商品的所述特征效用、所述竞比效用和所述位置效用，分别获得各可选商品的所述商品效用。

3.根据权利要求2所述的商品偏好预测方法，其特征在于，所述特征效用计算子模型预先的训练步骤包括：

获取若干个商品样本各自的所述特征信息数据、所述市场信息中的所述商品所处场景和所述商品所对应商家信息，以及商品样本的选择结果，作为第一训练数据集；

基于所述第一训练数据集，构建特征权重向量；

基于第一神经网络算法和所述第一训练数据集，对所述特征权重向量进行训练，获得所述特征效用计算子模型；

其中，所述特征信息数据包括商品名称以及商品价格、商品规格、商品款式、商品有效期、商品评价中的至少一项。

4.根据权利要求2所述的商品偏好预测方法，其特征在于，所述竞比效用计算子模型预先的训练步骤包括：

获取若干个商品样本各自的所述特征信息数据、所述市场信息中的所述商品所处场景和所述商品与竞品对比信息，以及商品样本的选择结果，作为第二训练数据集；

基于所述第二训练数据集，构建竞比向量；

基于第二神经网络算法和所述第二训练数据集，对所述竞比向量进行训练，获得所述竞比效用计算子模型；

其中，所述特征信息数据包括商品名称以及商品价格、商品规格、商品款式、商品有效期、商品评价中的至少一项。

5.根据权利要求2所述的商品偏好预测方法，其特征在于，所述位置效用计算子模型预先的训练步骤包括：

获取若干个商品样本各自的所述特征信息数据、所述市场信息中的所述商品所处场景和所述商品展示位置，以及商品样本的选择结果，作为第三训练数据集；

基于所述第三训练数据集，构建位置向量；

基于第三神经网络算法和所述第三训练数据集，对所述位置向量进行训练，获得所述位置效用计算子模型；

其中，所述特征信息数据包括商品名称以及商品价格、商品规格、商品款式、商品有效期、商品评价中的至少一项。

6.根据权利要求1所述的商品偏好预测方法，其特征在于，在所述获取若干个可选商品各自的特征信息数据和市场信息数据之后，所述方法还包括：

对所述特征信息数据和所述市场信息数据进行标准归一化处理；

基于向量编码法，以及所述可选商品的数量、所述特征信息数据中商品特征的维度和所述市场信息数据中的商品展示位置，对各可选商品进行商品编码处理，获得向量式商品信息数据。