商品推荐方法、装置、计算机设备和存储介质
阅读：405发布：2020-05-08
专利汇可以提供商品推荐方法、装置、计算机设备和存储介质专利检索，专利查询，专利分析的服务。并且本 申请 涉及一种商品推荐方法、装置、计算机设备和存储介质。所述方法包括：接收终端发送的推荐指令，推荐指令携带有低频商品标识和当前用户标识；获取与低频商品标识对应的历史浏览记录，历史浏览记录包含历史用户标识和历史低频商品信息；根据历史浏览记录的历史浏览频次计算 数据库 中的未浏览商品信息与历史低频商品信息的权重系数，并根据权重系数计算未浏览商品信息与历史低频商品信息的相似度；基于相似度，统计与当前用户标识对应的未浏览商品信息的兴趣度值；根据兴趣度值对未浏览商品信息的未浏览商品进行排序，并根据排序结果向终端推荐未浏览商品。采用本方法能够为用户对低频商品进行准确推荐。，下面是商品推荐方法、装置、计算机设备和存储介质专利的具体信息内容。
1.一种商品推荐方法，所述方法包括：
接收终端发送的推荐指令，所述推荐指令携带有低频商品标识和当前用户标识；
获取与所述低频商品标识对应的历史浏览记录，所述历史浏览记录包含历史用户标识和历史低频商品信息；
根据所述历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与所述历史低频商品信息的权重系数，并根据权重系数计算所述未浏览商品信息与所述历史低频商品信息的相似度；
基于所述相似度，统计与所述当前用户标识对应的所述未浏览商品信息的兴趣度值；
根据所述兴趣度值对所述未浏览商品信息的未浏览商品进行排序，并根据排序结果向所述终端推荐所述未浏览商品。
2.根据权利要求1所述的方法，其特征在于，所述根据所述历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与所述历史低频商品信息的权重系数，并根据权重系数计算所述未浏览商品信息与所述历史低频商品信息的相似度，包括：
统计在所述未浏览商品信息与所述历史低频商品信息重叠的商品内容标签的标签数量；
根据所述标签数量计算与所述历史低频商品信息对应的商品权重系数；
根据所述商品权重系数、所述历史用户标识和所述历史浏览频次计算所述未浏览商品信息与所述历史低频商品信息之间的相似度。
3.根据权利要求2所述的方法，其特征在于，所述商品内容标签的生成方法，包括：
获取历史低频商品信息，所述历史低频商品信息携带有历史商品评价；
通过语义分析文本对所述历史低频商品信息进行分析，提取出携带有情感信息的情绪语句；
对所述情绪语句进行聚合，并将聚合后的情绪语句设定为商品内容标签。
4.根据权利要求2所述的方法，其特征在于，所述根据所述商品权重系数、所述历史用户标识和所述历史浏览频次计算所述未浏览商品信息与所述历史低频商品信息之间的相似度，包括：
根据公式 计算所述未浏览商品信息与所述历史低频商品信
息之间的相似度，其中，wij为未浏览商品i与历史低频商品j之间的相似度，|N(i)|是未浏览商品i的标签数目，I(u)是标签u出现在全样本商品的数量，|N(i)||N(j)|是同时存在于未浏览商品i与历史低频商品j的标签数目。
5.根据权利要求1所述的方法，其特征在于，所述获取与所述低频商品标识对应的历史浏览记录，包括：
根据用户的商品浏览请求生成商品浏览页面信息；
从所述商品浏览页面信息中提取出与历史低频商品对应的低频商品标识和商品评价语句；
根据所述低频商品标识和所述历史用户标识对商品评价语句进行聚合，生成历史浏览记录。
6.根据权利要求1所述的方法，其特征在于，所述根据排序结果向所述终端推荐所述未浏览商品之后，包括：
接收终端反馈的浏览商品选中请求；
根据浏览商品选中请求生成商品选中记录；
根据所述商品选中记录和所述历史浏览记录计算数据库中的未浏览商品信息与所述历史低频商品信息的相似度。
7.一种商品推荐装置，其特征在于，所述装置包括：
指令接收模块，用于接收终端发送的推荐指令，所述推荐指令携带有低频商品标识和当前用户标识；
记录获取模块，用于获取与所述低频商品标识对应的历史浏览记录，所述历史浏览记录包含历史用户标识和历史低频商品信息；
相似度计算模块，用于根据所述历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与所述历史低频商品信息的权重系数，并根据权重系数计算所述未浏览商品信息与所述历史低频商品信息的相似度；
兴趣度值计算模块，用于基于所述相似度，统计与所述当前用户标识对应的所述未浏览商品信息的兴趣度值；
推荐模块，用于根据所述兴趣度值对所述未浏览商品信息的未浏览商品进行排序，并根据排序结果向所述终端推荐所述未浏览商品。
8.根据权利要求7所述的装置，其特征在于，所述相似度计算模块，包括：
标签统计单元，用于统计在所述未浏览商品信息与所述历史低频商品信息重叠的商品内容标签的标签数量；
权重系数生成单元，用于根据所述标签数量计算与所述历史低频商品信息对应的商品权重系数；
相似度计算单元，用于根据所述商品权重系数、所述历史用户标识和所述历史浏览频次计算所述未浏览商品信息与所述历史低频商品信息之间的相似度。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
商品推荐方法、装置、计算机设备和存储介质
技术领域
背景技术
[0002] 个性化推荐系统广泛用于向用户提供准确的建议，帮助其高效地做出产品购买决策。最常用的推荐方法是基于用户的历史交易信息，向用户推荐将来可能购买的产品。但事实上，在汽车销售领域或是房产销售领域，这些历史信息是非常有限的，服务器无法收集充分有效的信息，因而无法为用户提供足够有价值的推荐。发明内容
[0003] 基于此，有必要针对上述技术问题，提供一种能够为用户对低频商品进行准确推荐的商品推荐方法、装置、计算机设备和存储介质。
[0004] 一种商品推荐方法，所述方法包括：
[0005] 接收终端发送的推荐指令，所述推荐指令携带有低频商品标识和当前用户标识；
[0006] 获取与所述低频商品标识对应的历史浏览记录，所述历史浏览记录包含历史用户标识和历史低频商品信息；
[0007] 根据所述历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与所述历史低频商品信息的权重系数，并根据权重系数计算所述未浏览商品信息与所述历史低频商品信息的相似度；
[0008] 基于所述相似度，统计与所述当前用户标识对应的所述未浏览商品信息的兴趣度值；
[0009] 根据所述兴趣度值对所述未浏览商品信息的未浏览商品进行排序，并根据排序结果向所述终端推荐所述未浏览商品。
[0010] 在其中一个实施例中，所述根据所述历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与所述历史低频商品信息的权重系数，并根据权重系数计算所述未浏览商品信息与所述历史低频商品信息的相似度，包括：
[0011] 统计在所述未浏览商品信息与所述历史低频商品信息重叠的商品内容标签的标签数量；
[0012] 根据所述标签数量计算与所述历史低频商品信息对应的商品权重系数；
[0013] 根据所述商品权重系数、所述历史用户标识和所述历史浏览频次计算所述未浏览商品信息与所述历史低频商品信息之间的相似度。
[0014] 在其中一个实施例中，所述商品内容标签的生成方法，包括：
[0015] 获取历史低频商品信息，所述历史低频商品信息携带有历史商品评价；
[0016] 通过语义分析文本对所述历史低频商品信息进行分析，提取出携带有情感信息的情绪语句；
[0017] 对所述情绪语句进行聚合，并将聚合后的情绪语句设定为商品内容标签。
[0018] 在其中一个实施例中，所述根据所述商品权重系数、所述历史用户标识和所述历史浏览频次计算所述未浏览商品信息与所述历史低频商品信息之间的相似度，包括：
[0019] 根据公式 计算所述未浏览商品信息与所述历史低频商品信息之间的相似度，其中，wij为未浏览商品i与历史低频商品j之间的相似度，|N(i)|是未浏览商品i的标签数目，I(u)是标签u出现在全样本商品的数量，|N(i)||N(j)|是同时存在于未浏览商品i与历史低频商品j的标签数目。
[0020] 在其中一个实施例中，所述获取与所述低频商品标识对应的历史浏览记录，包括：
[0022] 从所述商品浏览页面信息中提取出与历史低频商品对应的低频商品标识和商品评价语句；
[0023] 根据所述低频商品标识和所述历史用户标识对商品评价语句进行聚合，生成历史浏览记录。
[0024] 在其中一个实施例中，所述根据排序结果向所述终端推荐所述未浏览商品之后，包括：
[0025] 接收终端反馈的浏览商品选中请求；
[0026] 根据浏览商品选中请求生成商品选中记录；
[0027] 根据所述商品选中记录和所述历史浏览记录计算数据库中的未浏览商品信息与所述历史低频商品信息的相似度。
[0028] 一种商品推荐装置，其特征在于，所述装置包括：
[0029] 指令接收模块，用于接收终端发送的推荐指令，所述推荐指令携带有低频商品标识和当前用户标识；
[0030] 记录获取模块，用于获取与所述低频商品标识对应的历史浏览记录，所述历史浏览记录包含历史用户标识和历史低频商品信息；
[0031] 相似度计算模块，用于根据所述历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与所述历史低频商品信息的权重系数，并根据权重系数计算所述未浏览商品信息与所述历史低频商品信息的相似度；
[0032] 兴趣度值计算模块，用于基于所述相似度，统计与所述当前用户标识对应的所述未浏览商品信息的兴趣度值；
[0033] 推荐模块，用于根据所述兴趣度值对所述未浏览商品信息的未浏览商品进行排序，并根据排序结果向所述终端推荐所述未浏览商品。
[0034] 在其中一个实施例中，所述相似度计算模块，包括：
[0035] 标签统计单元，用于统计在所述未浏览商品信息与所述历史低频商品信息重叠的商品内容标签的标签数量；
[0036] 权重系数生成单元，用于根据所述标签数量计算与所述历史低频商品信息对应的商品权重系数；
[0037] 相似度计算单元，用于根据所述商品权重系数、所述历史用户标识和所述历史浏览频次计算所述未浏览商品信息与所述历史低频商品信息之间的相似度。
[0039] 一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
[0040] 上述商品推荐方法、装置、计算机设备和存储介质，通过获取与低频商品标识对应的历史浏览记录；根据历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与历史低频商品信息的权重系数，并根据权重系数计算未浏览商品信息与历史低频商品信息的相似度；并生成与当前用户标识对应的未浏览商品信息的兴趣度值；根据兴趣度值对未浏览商品信息的未浏览商品进行排序，并根据排序结果向终端推荐未浏览商品，不仅可以通过历史浏览频次确定内容标签分布状况，并采用历史浏览频次代替历史交易数量作为整体推荐算法的基础；而且根据历史浏览频次计算商品之间的权重系数，做到每一标签分物品与全样本空间的个别权重，最大限度地使用所有有限资讯，提高信息推荐的准确率。附图说明
[0041] 图1为一个实施例中商品推荐方法的应用场景图；
[0042] 图2为一个实施例中商品推荐方法的流程示意图；
[0043] 图3为一个实施例中相似度计算步骤的流程示意图；
[0044] 图4为另一个实施例中商品内容标签的生成方法的流程示意图；
[0045] 图5为另一个实施例中商品推荐方法的流程示意图；
[0046] 图6为一个实施例中商品推荐装置的结构框图；
[0047] 图7为一个实施例中计算机设备的内部结构图。
具体实施方式
[0048] 为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0049] 本申请提供的商品推荐方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。服务器104接收终端102发送的推荐指令，推荐指令携带有低频商品标识和当前用户标识；服务器104获取与低频商品标识对应的历史浏览记录，历史浏览记录包含历史用户标识和历史低频商品信息；服务器104根据历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与历史低频商品信息的权重系数，并根据权重系数计算未浏览商品信息与历史低频商品信息的相似度；服务器104统计与当前用户标识对应的未浏览商品信息的兴趣度值；服务器104根据兴趣度值对未浏览商品信息的未浏览商品进行排序，并根据排序结果向终端102推荐未浏览商品。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式智能设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
[0050] 在一个实施例中，如图2所示，提供了一种商品推荐方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
[0051] 步骤202，接收终端发送的推荐指令，推荐指令携带有低频商品标识和当前用户标识。
[0052] 推荐指令用于指示从多个待推荐商品中选择与当前用户兴趣偏好对应的部分待推荐商品。待推荐商品是低频商品，低频商品是指购买频率低且少数字化交易的汽车或者房产。推荐指令携带有低频商品标识和当前用户标识。服务器接收终端发送的推荐指令。
[0053] 步骤204，获取与低频商品标识对应的历史浏览记录，历史浏览记录包含历史用户标识和历史低频商品信息。
[0054] 历史浏览记录是所有历史用户对历史低频商品的浏览记录。历史浏览记录包含历史用户标识和历史低频商品信息。历史低频商品信息是与历史低频商品对应的各类销售信息，可以包含历史低频商品标识、历史商品内容、历史商品评价。服务器获取与低频商品标识对应的历史浏览记录。
[0055] 步骤206，根据历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与历史低频商品信息的权重系数，并根据权重系数计算未浏览商品信息与历史低频商品信息的相似度。
[0056] 历史浏览频次是历史低频商品在历史浏览记录中的出现次数。未浏览商品是指未被当前用户浏览的低频商品，与当前用户标识对应。权重系数与当前用户标识对应，可以根据未浏览商品的历史浏览频次与历史低频商品信息的历史浏览频次计算得到的。例如，权重系数＝1-未浏览商品的历史浏览频次/Σ历史低频商品信息的历史浏览频次；i商品的权重系数＝商品i的历史浏览频次/所有商品在历史浏览记录中的出现次数。
[0057] 服务器可以根据用户标识和商品标识构建商品浏览频次-用户标识矩阵，用户共有M个，商品共有N个。在下面商品浏览频次-用户标识矩阵中，M＝3，N＝4。矩阵中为空的元素代表对应的用户对商品没有浏览行为，也可以认为该用户对该商品的评分为0。所以，与用户U1对应的I1和I2商品的权重系数＝3/(3+0+2+0)+0/(3+0+2+0)＝0.6；与用户U2对应的I1和I2商品的权重系数＝0/(0+3+3+4)+3/(0+3+3+4)＝0.3；与用户U3对应的I1和I2商品的权重系数＝4/(4+2+0+2)+2/(4+2+0+2)＝0.75。服务器根据商品权重系数计算I1和I2商品的相似度为0.6+0.3+0.75＝1.65。
[0058] U1 U2 U3I1 3 4
I2 3
I3 2 3 2
I4 4 2
I2 3
I3 2 3 2
I4 4 2
[0059] 服务器根据历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与历史低频商品信息的权重系数，并根据权重系数计算未浏览商品信息与历史低频商品信息的相似度。服务器可以统计历史浏览记录中的各历史低频商品的历史浏览频次，并根据统计出的历史浏览频次计算各历史低频商品信息的权重系数。服务器先计算未浏览商品信息与历史低频商品信息之间的商品近似值，而后根据权重系数和商品近似值计算未浏览商品信息与历史低频商品信息的相似度。
[0060] 步骤208，基于相似度，统计与当前用户标识对应的未浏览商品信息的兴趣度值。
[0061] 服务器统计与当前用户标识对应的未浏览商品信息的兴趣度值。服务器可以根据当前用户标识构建未浏览商品和历史低频商品之间的相似度矩阵，而后根据相似度矩阵计算各未浏览商品的兴趣度值。服务器可以提取当前用户标识对应的历史低频商品与未浏览商品的相似度，而后对提取的相似度进行求和得到兴趣度值。
[0062] 步骤210，根据兴趣度值对未浏览商品信息的未浏览商品进行排序，并根据排序结果向终端推荐未浏览商品。
[0063] 服务器根据兴趣度值对对未浏览商品信息的未浏览商品进行排序，并根据排序结果向终端推荐未浏览商品。服务器可以将最大兴趣度值的未浏览商品向终端进行推荐，服务器也可以将兴趣度值大于预设阈值的未浏览商品向终端进行推荐。
[0064] 上述商品推荐方法中，通过获取与低频商品标识对应的历史浏览记录；根据历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与历史低频商品信息的权重系数，并根据权重系数计算未浏览商品信息与历史低频商品信息的相似度；并生成与当前用户标识对应的未浏览商品信息的兴趣度值；根据兴趣度值对未浏览商品信息的未浏览商品进行排序，并根据排序结果向终端推荐未浏览商品，不仅可以通过历史浏览频次确定内容标签分布状况，并采用历史浏览频次代替历史交易数量作为整体推荐算法的基础；而且根据历史浏览频次计算商品之间的权重系数，做到每一标签分物品与全样本空间的个别权重，最大限度地使用所有有限资讯，提高信息推荐的准确率。
[0065] 在一个实施例中，如图3所示，根据历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与历史低频商品信息的权重系数，并根据权重系数计算未浏览商品信息与历史低频商品信息的相似度，包括以下步骤：
[0066] 步骤302，统计在未浏览商品信息与历史低频商品信息重叠的商品内容标签的标签数量。
[0067] 商品内容标签是从商品信息中提取出的基于评价或口碑等的关键字，可以携带有情感信息，例如，商品信息为“2018款2.0T两驱豪华版7座国VI，后座空间大、悬吊系统佳”，商品内容标签可以是“后座空间大”、“悬吊系统佳”等。服务器统计在未浏览商品信息与历史低频商品信息重叠的商品内容标签的标签数量。
[0068] 步骤304，根据标签数量计算与历史低频商品信息对应的商品权重系数。
[0069] 服务器根据标签数量计算与历史低频商品信息对应的商品权重系数。服务器可以统计历史浏览记录中的标签总数量，并根据未浏览商品信息与历史低频商品信息重叠的标签数量和标签总数量计算得到商品权重系数。
[0070] 步骤306，根据商品权重系数、历史用户标识和历史浏览频次计算未浏览商品信息与历史低频商品信息之间的相似度。
[0071] 服务器根据商品权重系数、历史用户标识和历史浏览频次计算未浏览商品信息与历史低频商品信息之间的相似度。服务器可以根据历史用户标识和历史浏览频次计算未浏览商品信息与历史低频商品信息之间的近似值，而后根据商品权重系数对近似值进行调整得到相似度。在一个实施例中，服务器根据公式 计算未浏览商品信息与历史低频商品信息之间的相似度，其中，wij为未浏览商品i与历史低频商品j之间的相似度；|N(i)|是未浏览商品i的标签数目；I(u)是标签u出现在全样本商品的数量，用于表征每个标签不同重要性的权重，其中，出现次数越少的标签权重I(u)越高；ln是为了平缓长尾的惩罚效果，加上1是为了避免ln值算出来导致分母为零，|N(i)||N(j)|是同时存在于未浏览商品i与历史低频商品j的标签数目。
[0072] 上述商品推荐方法中，不仅可以通过历史浏览频次确定内容标签分布状况，并采用历史浏览频次代替历史交易数量作为整体推荐算法的基础；而且根据历史浏览频次计算商品之间的权重系数，做到每一标签分物品与全样本空间的个别权重，最大限度地使用所有有限资讯，提高信息推荐的准确率。
[0073] 在一个实施例中，如图4所示，商品内容标签的生成方法，包括以下步骤：
[0074] 步骤402，获取历史低频商品信息，历史低频商品信息携带有历史商品评价。
[0075] 历史低频商品信息是与历史低频商品对应的各种销售信息，可以携带有历史商品评价。历史低频商品信息可以存储在本地数据库或其他服务器的数据库中。服务器获取历史低频商品信息。
[0076] 步骤404，通过语义分析文本对历史低频商品信息进行分析，提取出携带有情感信息的情绪语句。
[0077] 服务器通过语义分析文本对历史低频商品信息进行分析，提取出携带有情感信息的情绪语句。服务器可以采用Class-based ngram model，topic-based ngram model，cache-based ngram model，skipping ngram model，RNN等语义分析模型对历史低频商品信息进行分析，根据预设的情感词语从历史低频商品信息中提取出带有情感词语的情绪语句。例如，预设的情感词语可以是“佳、优秀、节约”，服务器可以从历史低频商品信息中提取出带有情感词语“佳、优秀、节约”的情绪语句。服务器也可以对历史低频商品信息进行分析，根据预设的情感词语以及预设词性从历史低频商品信息中提取出带有情感词语且情感词语的词性与预设词性对应的情绪语句。
[0078] 步骤406，对情绪语句进行聚合，并将聚合后的情绪语句设定为商品内容标签。
[0079] 服务器对情绪语句进行聚合，并将聚合后的情绪语句设定为商品内容标签。
[0080] 在上述商品推荐方法中，商品内容标签是根据历史浏览记录中的商品内容生成的评价标签，通过商品内容标签可以对商品进行快速分类，方便针对商品的推荐。
[0081] 在一个实施例中，获取与低频商品标识对应的历史浏览记录，包括以下步骤：根据用户的商品浏览请求生成商品浏览页面信息；从商品浏览页面信息中提取出与历史低频商品对应的低频商品标识和商品评价语句；根据低频商品标识和历史用户标识对商品评价语句进行聚合，生成历史浏览记录。
[0082] 商品浏览页面信息是展示低频商品的网页信息，可以携带有低频商品标识、低频商品的详细介绍、历史用户对商品的评价以及与当前用户标识对应的浏览次数等。商品浏览请求用于获取低频商品信息的浏览请求，可以携带有低频商品名称或低频商品标识等。服务器根据用户的商品浏览请求生成商品浏览页面信息，服务器可以从商品浏览信息中提取出低频商品名称(和/或低频商品标识)，而后根据低频商品名称(和/或低频商品标识)、历史用户对商品的评价以及与当前用户标识对应的浏览次数等生成商品浏览页面信息。服务器从商品浏览页面信息中提取出与历史低频商品对应的低频商品标识和商品评价语句。
服务器根据低频商品标识和历史用户标识对商品评价语句进行聚合，生成历史浏览记录。
服务器根据低频商品标识和历史用户标识对商品评价语句进行聚合，生成历史浏览记录。
[0083] 在一个实施例中，如图5所示，根据排序结果向终端推荐未浏览商品之后，包括以下步骤：
[0084] 步骤502，接收终端反馈的浏览商品选中请求。
[0085] 浏览商品选中请求是根据用户选中的终端展示的未浏览商品生成的，携带有当前用户标识和被选中的低频商品标识。服务器接收终端反馈的浏览商品选中请求。当用户选中未浏览商品时，终端生成浏览商品选中请求，终端将浏览商品选中请求发送给服务器。
[0086] 步骤504，根据浏览商品选中请求生成商品选中记录。
[0087] 服务器根据浏览商品选中请求生成商品选中记录。服务器根据浏览商品选中请求获取对应的商品浏览页面信息，并将商品浏览页面信息发送给终端。服务器对浏览商品选中请求中的当前用户标识和被选中的低频商品标识进行对应存储，生成商品选中记录。
[0088] 步骤506，根据商品选中记录和历史浏览记录计算数据库中的未浏览商品信息与历史低频商品信息的相似度。
[0089] 服务器根据商品选中记录和历史浏览记录计算数据库中的未浏览商品信息与历史低频商品信息的相似度。服务器根据商品选中记录和历史浏览记录再次计算数据库中的未浏览商品信息与历史低频商品信息的权重系数，并根据权重系数重新计算未浏览商品信息与历史低频商品信息的相似度。服务器可以基于相似度，重新对未浏览商品信息的未浏览商品进行排序，并根据排序结果向终端实时推荐未浏览商品。
[0090] 在上述商品推荐方法中，根据终端反馈的浏览商品选中请求，对低频商品进行实时推荐，进一步提高了信息推荐的准确率。
[0091] 应该理解的是，虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0092] 在一个实施例中，如图6所示，提供了一种商品推荐装置，包括：指令接收模块602、记录获取模块604、相似度计算模块606、兴趣度值计算模块608和推荐模块610，其中：
[0093] 指令接收模块602，用于接收终端发送的推荐指令，推荐指令携带有低频商品标识和当前用户标识。
[0094] 记录获取模块604，用于获取与低频商品标识对应的历史浏览记录，历史浏览记录包含历史用户标识和历史低频商品信息。
[0095] 相似度计算模块606，用于根据历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与历史低频商品信息的权重系数，并根据权重系数计算未浏览商品信息与历史低频商品信息的相似度。
[0096] 兴趣度值计算模块608，用于基于相似度，统计与当前用户标识对应的未浏览商品信息的兴趣度值。
[0097] 推荐模块610，用于根据兴趣度值对未浏览商品信息的未浏览商品进行排序，并根据排序结果向终端推荐未浏览商品。
[0098] 在一个实施例中，相似度计算模块包括标签统计单元、权重系数生成单元和相似度计算单元，其中：
[0099] 标签统计单元，用于统计在未浏览商品信息与历史低频商品信息重叠的商品内容标签的标签数量。
[0100] 权重系数生成单元，用于根据标签数量计算与历史低频商品信息对应的商品权重系数。
[0101] 相似度计算单元，用于根据商品权重系数、历史用户标识和历史浏览频次计算未浏览商品信息与历史低频商品信息之间的相似度。
[0102] 在一个实施例中，相似度计算模块包括商品信息获取单元、语句分析单元和商品内容标签生成单元，其中：
[0103] 商品信息获取单元，用于获取历史低频商品信息，历史低频商品信息携带有历史商品评价。
[0104] 语句分析单元，用于通过语义分析文本对历史低频商品信息进行分析，提取出携带有情感信息的情绪语句。
[0105] 商品内容标签生成单元，用于对情绪语句进行聚合，并将聚合后的情绪语句设定为商品内容标签。
[0106] 在一些实施例中，相似度计算模块包括相似度计算单元，其中：
[0107] 相似度计算单元，用于根据公式 计算未浏览商品信息与历史低频商品信息之间的相似度，其中，wij为未浏览商品i与历史低频商品j之间的相似度，|N(i)|是未浏览商品i的标签数目，I(u)是标签u出现在全样本商品的数量，|N(i)||N(j)|是同时存在于未浏览商品i与历史低频商品j的标签数目。
[0108] 在一个实施例中，记录获取模块包括浏览页面信息生成单元、信息提取单元和浏览记录生成单元，其中：
[0109] 浏览页面信息生成单元，用于根据用户的商品浏览请求生成商品浏览页面信息。
[0110] 信息提取单元，用于从商品浏览页面信息中提取出与历史低频商品对应的低频商品标识和商品评价语句。
[0111] 浏览记录生成单元，用于根据低频商品标识和历史用户标识对商品评价语句进行聚合，生成历史浏览记录。
[0112] 在另一实施例中，装置还包括选中请求接收单元、选中记录生成单元和相似度二次计算单元，其中：
[0113] 选中请求接收单元，用于接收终端反馈的浏览商品选中请求。
[0114] 选中记录生成单元，用于根据浏览商品选中请求生成商品选中记录。
[0115] 相似度二次计算单元，用于根据商品选中记录和历史浏览记录计算数据库中的未浏览商品信息与历史低频商品信息的相似度。
[0116] 关于商品推荐装置的具体限定可以参见上文中对于商品推荐方法的限定，在此不再赘述。上述商品推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0117] 在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储商品推荐数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种商品推荐方法。
[0118] 本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0119] 在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：接收终端发送的推荐指令，推荐指令携带有低频商品标识和当前用户标识；获取与低频商品标识对应的历史浏览记录，历史浏览记录包含历史用户标识和历史低频商品信息；根据历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与历史低频商品信息的权重系数，并根据权重系数计算未浏览商品信息与历史低频商品信息的相似度；基于相似度，统计与当前用户标识对应的未浏览商品信息的兴趣度值；根据兴趣度值对未浏览商品信息的未浏览商品进行排序，并根据排序结果向终端推荐未浏览商品。
[0120] 在一个实施例中，处理器执行计算机程序时实现的根据历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与历史低频商品信息的权重系数，并根据权重系数计算未浏览商品信息与历史低频商品信息的相似度，包括：统计在未浏览商品信息与历史低频商品信息重叠的商品内容标签的标签数量；根据标签数量计算与历史低频商品信息对应的商品权重系数；根据商品权重系数、历史用户标识和历史浏览频次计算未浏览商品信息与历史低频商品信息之间的相似度。
[0121] 在一个实施例中，处理器执行计算机程序时实现的商品内容标签的生成方法，包括：获取历史低频商品信息，历史低频商品信息携带有历史商品评价；通过语义分析文本对历史低频商品信息进行分析，提取出携带有情感信息的情绪语句；对情绪语句进行聚合，并将聚合后的情绪语句设定为商品内容标签。
[0122] 在一个实施例中，处理器执行计算机程序时实现的根据商品权重系数、历史用户标识和历史浏览频次计算未浏览商品信息与历史低频商品信息之间的相似度，包括：根据公式 计算未浏览商品信息与历史低频商品信息之间的相似度，其中，wij为未浏览商品i与历史低频商品j之间的相似度，|N(i)|是未浏览商品i的标签数目，I(u)是标签u出现在全样本商品的数量，|N(i)||N(j)|是同时存在于未浏览商品i与历史低频商品j的标签数目。
[0123] 在一个实施例中，处理器执行计算机程序时实现的获取与低频商品标识对应的历史浏览记录，包括：根据用户的商品浏览请求生成商品浏览页面信息；从商品浏览页面信息中提取出与历史低频商品对应的低频商品标识和商品评价语句；根据低频商品标识和历史用户标识对商品评价语句进行聚合，生成历史浏览记录。
[0124] 在一个实施例中，处理器执行计算机程序时实现的根据排序结果向终端推荐未浏览商品之后，包括：接收终端反馈的浏览商品选中请求；根据浏览商品选中请求生成商品选中记录；根据商品选中记录和历史浏览记录计算数据库中的未浏览商品信息与历史低频商品信息的相似度。
[0125] 在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：接收终端发送的推荐指令，推荐指令携带有低频商品标识和当前用户标识；获取与低频商品标识对应的历史浏览记录，历史浏览记录包含历史用户标识和历史低频商品信息；根据历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与历史低频商品信息的权重系数，并根据权重系数计算未浏览商品信息与历史低频商品信息的相似度；基于相似度，统计与当前用户标识对应的未浏览商品信息的兴趣度值；根据兴趣度值对未浏览商品信息的未浏览商品进行排序，并根据排序结果向终端推荐未浏览商品。
[0126] 在一个实施例中，计算机程序被处理器执行时实现的根据历史浏览记录的历史浏览频次计算数据库中的未浏览商品信息与历史低频商品信息的权重系数，并根据权重系数计算未浏览商品信息与历史低频商品信息的相似度，包括：统计在未浏览商品信息与历史低频商品信息重叠的商品内容标签的标签数量；根据标签数量计算与历史低频商品信息对应的商品权重系数；根据商品权重系数、历史用户标识和历史浏览频次计算未浏览商品信息与历史低频商品信息之间的相似度。
[0127] 在一个实施例中，计算机程序被处理器执行时实现的商品内容标签的生成方法，包括：获取历史低频商品信息，历史低频商品信息携带有历史商品评价；通过语义分析文本对历史低频商品信息进行分析，提取出携带有情感信息的情绪语句；对情绪语句进行聚合，并将聚合后的情绪语句设定为商品内容标签。
[0128] 在一个实施例中，计算机程序被处理器执行时实现的根据商品权重系数、历史用户标识和历史浏览频次计算未浏览商品信息与历史低频商品信息之间的相似度，包括：根据公式 计算未浏览商品信息与历史低频商品信息之间的相似度，其中，wij为未浏览商品i与历史低频商品j之间的相似度，|N(i)|是未浏览商品i的标签数目，I(u)是标签u出现在全样本商品的数量，|N(i)||N(j)|是同时存在于未浏览商品i与历史低频商品j的标签数目。
[0129] 在一个实施例中，计算机程序被处理器执行时实现的获取与低频商品标识对应的历史浏览记录，包括：根据用户的商品浏览请求生成商品浏览页面信息；从商品浏览页面信息中提取出与历史低频商品对应的低频商品标识和商品评价语句；根据低频商品标识和历史用户标识对商品评价语句进行聚合，生成历史浏览记录。
[0130] 在一个实施例中，计算机程序被处理器执行时实现的根据排序结果向终端推荐未浏览商品之后，包括：接收终端反馈的浏览商品选中请求；根据浏览商品选中请求生成商品选中记录；根据商品选中记录和历史浏览记录计算数据库中的未浏览商品信息与历史低频商品信息的相似度。
[0131] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 基于虚拟现实的孤独症早期筛查评估系统及方法 | 2020-05-08 | 174 |
| 一种基于VR技术的记忆提升检测方法及系统 | 2020-05-08 | 330 |
| 提取用户画像的方法、装置、计算机设备和存储介质 | 2020-05-08 | 265 |
| 一种文本情感测量方法和装置 | 2020-05-11 | 210 |
| 数据分析方法、设备及存储介质 | 2020-05-08 | 55 |
| 一种面向电网电磁环境的网络舆情及风险信息监测系统、电子设备 | 2020-05-12 | 696 |
| 与文本无关的语音情感识别方法及装置、用于识别情感的算法模型的生成方法 | 2020-05-08 | 422 |
| 一种利用上下文和方面记忆信息的情感分类方法 | 2020-05-08 | 107 |
| 一种基于隐喻主题挖掘的景区评价知识库构建方法 | 2020-05-11 | 369 |
| 一种基于情感识别的老人陪护机器人子系统 | 2020-05-08 | 589 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈