[发明专利]商品推荐方法及其装置、设备、介质、产品

权利要求书

1.一种商品推荐方法，其特征在于，包括如下步骤：

获取用户的历史行为数据及用户埋点数据；

构造该用户相对应的商品备选列表，所述商品备选列表包含根据所述用户埋点数据及根据不同粒度和维度的所述历史行为数据所确定的商品的商品信息；

根据预设算法计算确定所述商品备选列表中各个商品的推荐评分，优选出推荐评分高于预设阈值的商品，获得相应的商品推荐列表。

2.根据权利要求1所述的商品推荐方法，其特征在于，构造该用户相对应的商品备选列表，包括如下步骤：

根据用户历史行为数据所包含的商品的商品信息特征确定与其构成相匹配的粗粒度商品列表；

根据用户历史行为数据所包含的商品的关联共性特征确定与其构成相匹配的细粒度商品列表；

根据当前用户与其他用户的用户历史行为数据的共性特征确定与其构成相匹配的用户维度商品列表；

根据用户埋点数据所提供的用户即时信息确定与其构成相匹配的时效性商品列表，所述用户即时信息包括用户所处地理位置和/或用户设备特征信息；

将所述各个商品列表合并为商品备选列表。

3.根据权利要求2所述的商品推荐方法，其特征在于，根据用户历史行为数据所包含的商品的商品信息特征确定与其构成相匹配的粗粒度商品列表，包括如下步骤：

获取用户历史行为数据所包含的商品的商品信息中的商品图片、商品标题，将其与独立站点的商品数据库的商品的商品信息中的商品图片、商品标题相对应的计算出图片相似度和文本相似度；

根据所述图片相似度和文本相似度构建两者相对应的粗粒度商品列表。

4.根据权利要求2所述的商品推荐方法，其特征在于，根据用户历史行为数据所包含的商品的关联共性特征确定与其构成相匹配的细粒度商品列表，包括如下步骤：

以商品类别/商品标签为关联共性特征，根据预设的热销商品计算公式计算出独立站点的商品数据库的各个商品类别/商品标签相对应的各个商品的点击购买率，优选出各个商品类别/商品标签中相对应的点击购买率高于预设阈值的商品作为热销商品；

根据所述用户的历史行为数据调用预设的商品类别/商品标签购买占比计算公式获得相应的类别购买占比/标签购买占比；

根据所述类别购买占比/标签购买占比从对应的商品类别/商品标签的热销商品中确定部分热销商品构建相应的细粒度商品列表；

以商品价格为关联共性特征，根据所述用户的历史行为数据确定商品价格上下限，从独立站点的商品数据库中检索符合该商品价格上下限的商品构建相应的细粒度商品列表。

5.根据权利要求2所述的商品推荐方法，其特征在于，根据当前用户与其他用户的用户历史行为数据的共性特征确定与其构成相匹配的用户维度商品列表，包括如下步骤：

应用预设的共性相似计算公式，根据当前用户与其他用户的用户历史行为数据共同包含的商品的数量作为共性特征，计算出该当前用户与该其他用户之间的相似度；

根据所述相似度从所述其他用户中确定与所述当前用户相似的用户，以其对应的用户历史行为数据包含的商品构建用户维度商品列表。