商品推荐方法、装置、计算机设备和可读存储介质
阅读：817发布：2021-06-09
专利汇可以提供商品推荐方法、装置、计算机设备和可读存储介质专利检索，专利查询，专利分析的服务。并且本 申请 实施例 提供了一种商品推荐方法、装置、计算机设备和可读存储介质，涉及 电子 商务技术领域，该方法应用于计算机设备，计算机设备与多个 服务器 通信连接，该方法包括：获取多个订单信息，并将多个订单信息分 块 后发送至多个服务器，以使多个服务器根据分块后的多个订单信息计算得到目标商品信息表；接收目标商品信息表，并将目标商品信息表拆分后发送至多个服务器中，以使每个服务器计算得到该服务器对应的目标商品树；接收每个服务器计算得到的目标商品树，并将多个目标商品树整合得到目标商品推荐树；根据目标商品推荐树中的关联信息，得到目标商品推荐信息，能够较为便捷地为用户进行商品推荐。，下面是商品推荐方法、装置、计算机设备和可读存储介质专利的具体信息内容。
1.一种商品推荐方法，其特征在于，应用于计算机设备，所述计算机设备与多个服务器通信连接，所述方法包括：
获取多个订单信息，并将所述多个订单信息分块后发送至所述多个服务器，以使所述多个服务器根据分块后的多个订单信息计算得到目标商品信息表；
接收所述目标商品信息表，并将所述目标商品信息表拆分后发送至多个服务器中，以使每个所述服务器计算得到该服务器对应的目标商品树；
接收每个服务器计算得到的目标商品树，并将多个所述目标商品树整合得到目标商品推荐树，其中，所述目标商品推荐树包括目标商品与其他商品的关联信息；
根据所述目标商品推荐树中的关联信息，得到目标商品推荐信息。
2.根据权利要求1所述的方法，其特征在于，每个所述订单信息中均包括至少一个商品信息；
所述将所述多个订单信息分块后发送至所述多个服务器，以使所述多个服务器根据分块后的多个订单信息计算得到目标商品信息表的步骤，包括：
从所述分块后的多个订单信息中获取至少一个订单信息发送至目标服务器，以使所述目标服务器根据至少一个订单信息得到商品信息表；
接收每个服务器返回的商品信息表，并对多个所述商品信息表进行整合得到待处理商品信息表，其中，所述待处理商品信息表包括多个商品信息及每个商品信息出现次数；
将所述待处理商品信息表中出现次数低于预设次数阈值的商品信息删除，得到目标商品信息表。
3.根据权利要求1所述的方法，其特征在于，所述目标商品信息表包括多个商品信息块；
所述将所述目标商品信息表拆分后发送至多个服务器中的步骤，包括：
判断所述多个商品信息块的数量是否小于所述多个服务器的数量；
若是，则将多个所述商品信息块发送至多个服务器中，其中，一个服务器接收一个商品信息块；
若否，则根据第一预设规则将多个所述商品信息块发送至所述多个服务器中。
4.根据权利要求3所述的方法，其特征在于，所述根据第一预设规则将所述多个商品信息块发送至所述多个服务器中的步骤，包括：
根据所述多个商品信息块的总数据量和所述多个服务器的数量，计算得到所述服务器的平均数据处理量；
确定出多个商品信息块中数据量最大的目标商品信息块；
判断所述目标商品信息块的数据量是否超过所述平均数据处理量；
若是，则将所述目标商品信息块单独发送至一服务器，并重复执上述步骤；
若否，则根据第二预设规则将所述多个商品信息块发送至所述多个服务器。
5.根据权利要求4所述的方法，其特征在于，所述根据第二预设规则将所述多个商品信息块发送至所述多个服务器的步骤，包括：
按照数据量，将所述多个商品信息块按照从大到小进行排序，得到商品数组；
从所述商品数组中依次降序获取一个商品信息块，发送至一个服务器，得到待处理商品数组；
利用所述待处理商品数组替代所述商品数组并执行从所述商品数组中依次降序获取一个目标商品信息块，发送至一个服务器的步骤，直至将所述多个商品信息块均发送至所述多个服务器。
6.根据权利要求3所述的方法，其特征在于，所述接收每个服务器计算得到的目标商品树，并将多个所述目标商品树整合得到目标商品推荐树的步骤，包括：
接收每个所述服务器根据预设线程数量将该服务器接收的商品信息块平均划分并进行分线程计算得到的目标商品树；
将多个所述目标商品树整合得到目标商品推荐树。
7.根据权利要求2所述的方法，其特征在于，所述根据所述目标商品推荐树中的关联信息，得到目标商品推荐信息的步骤，包括：
根据所述目标商品推荐树中的关联信息，得到目标商品和其他商品之间的关联度参数；
根据所述关联度参数，计算得到所述目标商品与其他商品之间的置信度；
根据所述目标商品与其他商品之间的置信度，得到所述目标商品推荐信息。
8.一种商品推荐装置，其特征在于，应用于计算机设备，所述计算机设备与多个服务器通信连接，所述装置包括：
获取模块，用于获取多个订单信息，并将所述多个订单信息分块后发送至所述多个服务器，以使所述多个服务器根据分块后的多个订单信息计算得到目标商品信息表；
接收模块，用于接收所述目标商品信息表，并将所述目标商品信息表拆分后发送至多个服务器中，以使每个所述服务器计算得到该服务器对应的目标商品树；接收每个服务器计算得到的目标商品树，并将多个所述目标商品树整合得到目标商品推荐树，其中，所述目标商品推荐树包括目标商品与其他商品的关联信息；
计算模块，用于根据所述目标商品推荐树中的关联信息，得到目标商品推荐信息。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器及存储有计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述计算机设备执行权利要求1-7中任意一项所述的商品推荐方法。
10.一种可读存储介质，其特征在于，所述可读存储介质包括计算机程序，所述计算机程序运行时控制所述可读存储介质所在计算机设备执行权利要求1-7中任意一项所述的商品推荐方法。
商品推荐方法、装置、计算机设备和可读存储介质
技术领域
背景技术
[0002] 目前，可以利用Apriori、FPGrowth等算法得到各个商品之间的关系，以便对用户进行商品推荐。但是，随着用户基数的增加、商品种类的增多以及商家想要为用户尽可能推荐更多商品时，仅基于传统的算法进行商品的推荐，会导致数据量过大无法完整的存储以及计算效率低下的问题出现，在实际应用中十分的不便。
[0003] 有鉴于此，如何提供一种更为便捷的商品推荐方案，是本领域技术人员需要解决的问题。发明内容
[0004] 本申请实施例提供了一种商品推荐方法、装置、计算机设备和可读存储介质。
[0005] 本申请的实施例可以这样实现：
[0006] 第一方面，实施例提供一种商品推荐方法，应用于计算机设备，所述计算机设备与多个服务器通信连接，所述方法包括：
[0007] 获取多个订单信息，并将所述多个订单信息分块后发送至所述多个服务器，以使所述多个服务器根据分块后的多个订单信息计算得到目标商品信息表；
[0008] 接收所述目标商品信息表，并将所述目标商品信息表拆分后发送至多个服务器中，以使每个所述服务器计算得到该服务器对应的目标商品树；
[0009] 接收每个服务器计算得到的目标商品树，并将多个所述目标商品树整合得到目标商品推荐树，其中，所述目标商品推荐树包括目标商品与其他商品的关联信息；
[0010] 根据所述目标商品推荐树中的关联信息，得到目标商品推荐信息。
[0011] 在可选的实施方式中，每个所述订单信息中均包括至少一个商品信息；
[0012] 所述将所述多个订单信息分块后发送至所述多个服务器，以使所述多个服务器根据分块后的多个订单信息计算得到目标商品信息表的步骤，包括：
[0013] 从所述分块后的多个订单信息中获取至少一个订单信息发送至目标服务器，以使所述目标服务器根据至少一个订单信息得到商品信息表；
[0014] 接收每个服务器返回的商品信息表，并对多个所述商品信息表进行整合得到待处理商品信息表，其中，所述待处理商品信息表包括多个商品信息及每个商品信息出现次数；
[0015] 将所述待处理商品信息表中出现次数低于预设次数阈值的商品信息删除，得到目标商品信息表。
[0016] 在可选的实施方式中，所述目标商品信息表包括多个商品信息块；
[0017] 所述将所述目标商品信息表拆分后发送至多个服务器中的步骤，包括：
[0018] 判断所述多个商品信息块的数量是否小于所述多个服务器的数量；
[0019] 若是，则将多个所述商品信息块发送至多个服务器中，其中，一个服务器接收一个商品信息块；
[0020] 若否，则根据第一预设规则将多个所述商品信息块发送至所述多个服务器中。
[0021] 在可选的实施方式中，所述根据第一预设规则将所述多个商品信息块发送至所述多个服务器中的步骤，包括：
[0023] 确定出多个商品信息块中数据量最大的目标商品信息块；
[0024] 判断所述目标商品信息块的数据量是否超过所述平均数据处理量；
[0025] 若是，则将所述目标商品信息块单独发送至一服务器，并重复执上述步骤；
[0026] 若否，则根据第二预设规则将所述多个商品信息块发送至所述多个服务器。
[0027] 在可选的实施方式中，所述根据第二预设规则将所述多个商品信息块发送至所述多个服务器的步骤，包括：
[0028] 按照数据量，将所述多个商品信息块按照从大到小进行排序，得到商品数组；
[0029] 从所述商品数组中依次降序获取一个商品信息块，发送至一个服务器，得到待处理商品数组；
[0030] 利用所述待处理商品数组替代所述商品数组并执行从所述商品数组中依次降序获取一个目标商品信息块，发送至一个服务器的步骤，直至将所述多个商品信息块均发送至所述多个服务器。
[0031] 在可选的实施方式中，所述接收每个服务器计算得到的目标商品树，并将多个所述目标商品树整合得到目标商品推荐树的步骤，包括：
[0032] 接收每个所述服务器根据预设线程数量将该服务器接收的商品信息块平均划分并进行分线程计算得到的目标商品树；
[0033] 将多个所述目标商品树整合得到目标商品推荐树。
[0034] 在可选的实施方式中，所述根据所述目标商品推荐树中的关联信息，得到目标商品推荐信息的步骤，包括：
[0035] 根据所述目标商品推荐树中的关联信息，得到目标商品和其他商品之间的关联度参数；
[0036] 根据所述关联度参数，计算得到所述目标商品与其他商品之间的置信度；
[0037] 根据所述目标商品与其他商品之间的置信度，得到所述目标商品推荐信息。
[0038] 第二方面，实施例提供一种商品推荐装置，应用于计算机设备，所述计算机设备与多个服务器通信连接，所述装置包括：
[0039] 获取模块，用于获取多个订单信息，并将所述多个订单信息分块后发送至所述多个服务器，以使所述多个服务器根据分块后的多个订单信息计算得到目标商品信息表；
[0040] 接收模块，用于接收所述目标商品信息表，并将所述目标商品信息表拆分后发送至多个服务器中，以使每个所述服务器计算得到该服务器对应的目标商品树；接收每个服务器计算得到的目标商品树，并将多个所述目标商品树整合得到目标商品推荐树，其中，所述目标商品推荐树包括目标商品与其他商品的关联信息；
[0041] 计算模块，用于根据所述目标商品推荐树中的关联信息，得到目标商品推荐信息。
[0042] 第三方面，实施例提供一种计算机设备，所述计算机设备包括处理器及存储有计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述计算机设备执行前述实施方式中任意一项所述的商品推荐方法。
[0043] 第四方面，实施例提供一种可读存储介质，所述可读存储介质包括计算机程序，所述计算机程序运行时控制所述可读存储介质所在计算机设备执行前述实施方式中任意一项所述的商品推荐方法。
[0044] 本申请实施例的有益效果包括，例如：
[0045] 采用本申请实施例提供的商品推荐方法、装置、计算机设备和可读存储介质，通过将获取的多个订单信息分块后发送至所述多个服务器，并接受由多个服务器根据分块后的多个订单信息计算得到目标商品信息表，再巧妙地将目标商品信息表拆分后发送至多个服务器中，以使每个服务器计算得到该服务器对应的目标商品树，最后接收每个服务器计算得到的目标商品树，并将多个目标商品树整合得到目标商品推荐树，根据目标商品推荐树中的关联信息，得到目标商品推荐信息，能够便捷地进行商品的推荐。附图说明
[0046] 为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0047] 图1为本申请实施例提供的一种商品推荐方法的步骤流程示意图；
[0048] 图2为本申请实施例提供的一种分线程计算得到的目标商品树的流程示意图；
[0049] 图3为本申请实施例提供的一种商品推荐装置的结构示意框图；
[0050] 图4为本申请实施例提供的一种计算机设备的结构示意框图。
[0051] 图标：100-计算机设备；110-商品推荐装置；1101-获取模块；1102-接收模块；1103-计算模块；111-存储器；112-处理器；113-通信单元。
具体实施方式
[0052] 为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
[0053] 因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0054] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0055] 此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0056] 需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。
[0057] 目前，为了给用户推荐合适的商品，可以利用Apriori、FP-Growth等传统方法得到各个商品之间的关系，以便对用户进行商品推荐。随着购物平台的完善，用户基数越来越多，用户购买的记录和商品的种类也越来越多，传统的算法(例如FP-Growth)在数据量达到一定程度后，会出现数据量过大无法存储或者由于最小支持度过低导致计算效率过低的问题(这是因为在一开始计算的时候就已经将小于最小支持度的项舍弃了，大的支持度等于丢弃了过多的项，会大大的增加计算速度)。而商家为了能够给用户尽可能的推荐更多的商品，便会将支持度设置的低一些，而由于设置了更低的支持度，采用传统的算法所需的计算时间是难以忍受的，效率十分低下，在实际应用中非常不便。基于此，本申请实施例提供了一种商品推荐方法，该方法应用于计算机设备，所述计算机设备与多个服务器通信连接，如图1所示，所述方法包括步骤S201至步骤S204。
[0058] 步骤S201，获取多个订单信息，并将所述多个订单信息分块后发送至所述多个服务器，以使所述多个服务器根据分块后的多个订单信息计算得到目标商品信息表。
[0059] 步骤S202，接收所述目标商品信息表，并将所述目标商品信息表拆分后发送至多个服务器中，以使每个所述服务器计算得到该服务器对应的目标商品树。
[0060] 步骤S203，接收每个服务器计算得到的目标商品树，并将多个所述目标商品树整合得到目标商品推荐树，其中，所述目标商品推荐树包括目标商品与其他商品的关联信息。
[0061] 步骤S204，根据所述目标商品推荐树中的关联信息，得到目标商品推荐信息。
[0062] 多个订单信息可以是从多个电商购物平台的历史订单记录获取，也可以是从实体商店的历史订单记录获取，也可以从预先存储有各个来源的商品历史订单信息的数据库中获取。本申请实施例可以是基于FP-Growth算法实现，目标商品信息表可以相当于在构建FP-Tree(相当于“目标商品推荐树”)前需要构建的“项头表”。
[0063] 在此基础上，每个所述订单信息中均包括至少一个商品信息。本申请实施例还提供一种将所述多个订单信息分块后发送至所述多个服务器，以使所述多个服务器根据分块后的多个订单信息计算得到目标商品信息表的示例，可以通过以下步骤实现。
[0064] 从所述分块后的多个订单信息中获取至少一个订单信息发送至目标服务器，以使所述目标服务器根据至少一个订单信息得到商品信息表。
[0065] 接收每个服务器返回的商品信息表，并对多个所述商品信息表进行整合得到待处理商品信息表，其中，所述待处理商品信息表包括多个商品信息及每个商品信息出现次数。
[0066] 将所述待处理商品信息表中出现次数低于预设次数阈值的商品信息删除，得到目标商品信息表。
[0067] 可以将多个订单信息分块处理，可以根据多个服务器的数量，将多个订单信息按数量平均发送至各个服务器中进行处理，也可以根据各个订单的数据量为依据，使多个服务器处理的数据量相对平均的方式进行处理，在此不做限制。而当各个服务器将发送至该服务器的至少一个订单信息处理完之后，会返回多个商品信息表，在商品信息表中可以包含多个商品信息和各个商品信息的出现次数，商品信息可以指商品的名称和品牌等。在接受到各个服务器返回的多个商品信息表之后，可以将其进行整合，即将重复出现的商品信息的次数进行叠加，得到一个待处理商品信息系表，可以在待处理商品信息表中，将各个商品信息按照出现次数的多少进行降序排序。可以设置预设次数阈值，即将出现次数过低的商品信息删除，以提高推荐效率。各个商品信息的出现次数，可以理解为在构建FP-Growth的“项头表”中的“支持度”。为了能够尽可能多的向用户推荐商品，可以将预设次数阈值设置的低一些，以使更多的商品信息会被保留。通过上述将多个订单信息分块后发送至多个服务器进行处理的操作，能够提高构建目标商品信息表的效率，减少了统计的时间。
[0068] 在上述基础上，所述目标商品信息表包括多个商品信息块。本申请实施例还提供一种将所述目标商品信息表拆分后发送至多个服务器中的步骤，可以通过以下步骤实现：
[0069] 判断所述多个商品信息块的数量是否小于所述多个服务器的数量。
[0070] 若是，则将多个所述商品信息块发送至多个服务器中，其中，一个服务器接收一个商品信息块。
[0071] 若否，则根据第一预设规则将多个所述商品信息块发送至所述多个服务器中。
[0072] 应当理解的是，在得到目标商品信息表后，目标商品信息表中的各个商品信息已经按照出现次数从多到少的次序排列，基于最终构建的目标商品推荐树(即FP-Tree)的特性，可以将目标商品信息表中的数据按照头(即item)进行分块，得到多个商品信息块。可以将商品信息块理解为一个整体，同一商品信息块的数据需要在一个服务器中进行处理。可以先判断多个商品信息块的数量是否小于所述多个服务器的数量，在小于的情况下，可以直接为每个商品信息块分配一个服务器，用于专门处理该商品信息块中的数据。
[0073] 在此基础上，本申请实施例提供一种根据第一预设规则将所述多个商品信息块发送至所述多个服务器中的示例，可以通过以下步骤实现。
[0074] 根据所述多个商品信息块的总数据量和所述多个服务器的数量，计算得到所述服务器的平均数据处理量。
[0075] 确定出多个商品信息块中数据量最大的目标商品信息块。
[0076] 判断所述目标商品信息块的数据量是否超过所述平均数据处理量。
[0077] 若是，则将所述目标商品信息块单独发送至一服务器，并重复执上述步骤。
[0078] 若否，则根据第二预设规则将所述多个商品信息块发送至所述多个服务器。
[0079] 而在多个商品信息块的数量大于所述多个服务器的数量的情况下，可以根据第一预设规则将多个商品信息块分配至多个服务器中。可以先用多个商品信息块的总数据量除以多个服务器的数量，以得到各个服务器的平均数据处理量，找出多个商品信息块中数据量最大的目标商品信息块。可以判断目标商品信息块的数据量是否大于前述计算得出的各个服务器的平均数据处理量，若大于，则可以将目标商品信息块单独发送至一个服务器中进行处理。可以使用剩下的多商品信息块和多个服务器再次重复上述步骤，即使用剩余的多个数据块的总数据量除以剩余的多个服务器的数量，可以得到当前的多个服务器的平均数据处理量，再找出此时数据量最大的目标商品信息块，判断当前的目标商品信息块是否大于当前的平均数据处理量，若大于，则也将该目标商品信息块单独发送至一个服务器中进行处理，并重复执行上述步骤，直至当前计算得出的目标商品信息块的数量大小不超过当前各个服务器的平均数据处理量。
[0080] 在此基础上，本申请实施例提供一种根据第二预设规则将所述多个商品信息块发送至所述多个服务器的示例，可以通过以下步骤实现。
[0081] 按照数据量，将所述多个商品信息块按照从大到小进行排序，得到商品数组。
[0082] 从所述商品数组中依次降序获取一个商品信息块，发送至一个服务器，得到待处理商品数组。
[0083] 利用所述待处理商品数组替代所述商品数组并执行从所述商品数组中依次降序获取一个目标商品信息块，发送至一个服务器的步骤，直至将所述多个商品信息块均发送至所述多个服务器。
[0084] 当前计算得出的目标商品信息块的数量大小不超过当前各个服务器的平均数据处理量的基础上，可以将各个商品信息块按照数据量从大到小的顺序进行排序，然后依照此顺序，依次将各个商品信息块发送至多个服务器中，当发送了与多个服务器数量相同的各个商品信息块后，可以得到数据处理量依次递减的多个服务器，可以将剩余的按照数据量从大到小的多个商品信息块依次发送至数据处理量从小到大排序的多个服务器中，然后重复上述步骤，直至多个商品信息块均发送至多个服务器中。
[0085] 值得说明的是，采取了前述将多个商品信息块进行分块处理的操作，不仅能将多个商品信息块发送至多个服务器中进行计算，还可以保证各个服务器的数据处理量相对平均，能够合理的利用各个服务器对数据进行处理，进一步地提高数据处理的效率。
[0086] 在此基础上，本申请实施例提供一种接收每个服务器计算得到的目标商品树，并将多个所述目标商品树整合得到目标商品推荐树的示例，可以通过以下步骤实现。
[0087] 接收每个所述服务器根据预设线程数量将该服务器接收的商品信息块平均划分并进行分线程计算得到的目标商品树。
[0088] 将多个所述目标商品树整合得到目标商品推荐树。
[0089] 在每个服务器接收到发送至该服务器的至少一个商品进行块后，可以根据该商品信息块构建目标商品树，为了进一步的提高计算效率，可以在服务器中开设多个线程，各个线程分别计算多个数据，然后再将计算得到的数据通过整合得到目标商品树。例如，如图2所示，服务器中需要处理数据001{f,c,a,m,p}、002{f,c,a,b,m}、003{f,b}、004{c,b,p}和005{f,c,a,m,p}。可以将前述数据分为两个线程处理，线程一(Thread1)处理001{f,c,a,m,p}和002{f,c,a,b,m}，线程二(Thread2)处理003{f,b}、004{c,b,p}和005{f,c,a,m,p}。在线程一和线程二根据各自的数据处理后在进行整合，便可得到该服务器处理得到的目标商品树。而后再将多个服务器各自处理得到的目标商品树进行整合，便可得到目标商品推荐树。
[0090] 在前述基础上，本申请实施例提供一种根据所述目标商品推荐树中的关联信息，得到目标商品推荐信息的示例，可以通过以下步骤实现。
[0091] 根据所述目标商品推荐树中的关联信息，得到目标商品和其他商品之间的关联度参数。
[0092] 根据所述关联度参数，计算得到所述目标商品与其他商品之间的置信度。
[0093] 根据所述目标商品与其他商品之间的置信度，得到所述目标商品推荐信息。
[0094] 在得到了目标商品推荐树(即FP-Tree)后，便可以利用目标商品和其他商品之间的关联度参数计算得到目标商品与其他商品之间的置信度。再根据置信度，得到所述目标商品推荐信息。例如，目标商品为手机，从根据前述方案得到的目标商品推荐树中，可以获知手机、手机壳、手机膜、零食、化妆品和衣服等商品之间的关联度参数，通过计算可以得到，在购买手机的同时购买手机壳和手机膜的置信度较高，而在购买手机的同时零食、化妆品和衣服的置信度低，因此目标商品推荐信息可以为当用户购买手机时，为其推荐手机壳和手机膜，而非推荐零食、化妆品和衣服。如前所述，目标商品可以是商品的名称、种类或品牌，在本申请实施例中不做限制，可根据商家喜好进行设置。采用上述方案，相较于传统FP-Growth等算法，能够满足庞大数据量的快速计算的需求，实现较为便捷。
[0095] 本申请实施例提供一种商品推荐装置110，该装置应用于计算机设备，所述计算机设备与多个服务器通信连接，如图3示，商品推荐装置110包括：
[0096] 获取模块1101，用于获取多个订单信息，并将所述多个订单信息分块后发送至所述多个服务器，以使所述多个服务器根据分块后的多个订单信息计算得到目标商品信息表；
[0097] 接收模块1102，用于接收所述目标商品信息表，并将所述目标商品信息表拆分后发送至多个服务器中，以使每个所述服务器计算得到该服务器对应的目标商品树；接收每个服务器计算得到的目标商品树，并将多个所述目标商品树整合得到目标商品推荐树，其中，所述目标商品推荐树包括目标商品与其他商品的关联信息；
[0098] 计算模块1103，用于根据所述目标商品推荐树中的关联信息，得到目标商品推荐信息。
[0099] 进一步地，每个所述订单信息中均包括至少一个商品信息；所述获取模块1101具体用于：
[0100] 从所述分块后的多个订单信息中获取至少一个订单信息发送至目标服务器，以使所述目标服务器根据至少一个订单信息得到商品信息表；接收每个服务器返回的商品信息表，并对多个所述商品信息表进行整合得到待处理商品信息表，其中，所述待处理商品信息表包括多个商品信息及每个商品信息出现次数；将所述待处理商品信息表中出现次数低于预设次数阈值的商品信息删除，得到目标商品信息表。
[0101] 进一步地，所述目标商品信息表包括多个商品信息块；所述接收模块1102具体用于：
[0102] 判断所述多个商品信息块的数量是否小于所述多个服务器的数量；若是，则将多个所述商品信息块发送至多个服务器中，其中，一个服务器接收一个商品信息块；若否，则根据第一预设规则将多个所述商品信息块发送至所述多个服务器中。
[0103] 进一步地，所述接收模块1102进一步具体用于：
[0104] 根据所述多个商品信息块的总数据量和所述多个服务器的数量，计算得到所述服务器的平均数据处理量；确定出多个商品信息块中数据量最大的目标商品信息块；判断所述目标商品信息块的数据量是否超过所述平均数据处理量；若是，则将所述目标商品信息块单独发送至一服务器，并重复执上述步骤；若否，则根据第二预设规则将所述多个商品信息块发送至所述多个服务器。
[0105] 进一步地，所述接收模块1102进一步具体用于：
[0106] 按照数据量，将所述多个商品信息块按照从大到小进行排序，得到商品数组；从所述商品数组中依次降序获取一个商品信息块，发送至一个服务器，得到待处理商品数组；利用所述待处理商品数组替代所述商品数组并执行从所述商品数组中依次降序获取一个目标商品信息块，发送至一个服务器的步骤，直至将所述多个商品信息块均发送至所述多个服务器。
[0107] 进一步地，所述接收模块1102还用于：
[0108] 接收每个所述服务器根据预设线程数量将该服务器接收的商品信息块平均划分并进行分线程计算得到的目标商品树；将多个所述目标商品树整合得到目标商品推荐树。
[0109] 进一步地，所述计算模块1103用于：
[0110] 根据所述目标商品推荐树中的关联信息，得到目标商品和其他商品之间的关联度参数；根据所述关联度参数，计算得到所述目标商品与其他商品之间的置信度；根据所述目标商品与其他商品之间的置信度，得到所述目标商品推荐信息。
[0111] 在本申请实施例中，商品推荐装置110的实现原理可以参照前述商品推荐方法的实现原理，在此不再赘述。
[0112] 本申请实施例提供一种计算机设备100，所述计算机设备100包括处理器及存储有计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述计算机设备100执行前述的商品推荐方法。如图4所示，图4为本申请实施例提供的计算机设备100的结构框图。所述计算机设备100包括商品推荐装置110、存储器111、处理器112及通信单元113。
[0113] 所述存储器111、处理器112以及通信单元113各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述商品推荐装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器111中或固化在所述计算机设备100的操作系统(operating system，OS)中的软件功能模块。所述处理器112用于执行所述存储器111中存储的可执行模块，例如所述商品推荐装置110所包括的软件功能模块及计算机程序等。
[0114] 其中，所述存储器111可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
[0115] 本申请实施例提供一种可读存储介质，所述可读存储介质包括计算机程序，所述计算机程序运行时控制所述可读存储介质所在计算机设备100执行前述的商品推荐方法。
[0116] 综上所述，本申请实施例提供了一种商品推荐方法、装置、计算机设备和可读存储介质，通过将获取的多个订单信息分块后发送至所述多个服务器，并接受由多个服务器根据分块后的多个订单信息计算得到目标商品信息表，再巧妙地将目标商品信息表拆分后发送至多个服务器中，以使每个服务器计算得到该服务器对应的目标商品树，最后接收每个服务器计算得到的目标商品树，并将多个目标商品树整合得到目标商品推荐树，根据目标商品推荐树中的关联信息，得到目标商品推荐信息，能够便捷地进行商品的推荐。
[0117] 以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种新型多功能平台式组合碾米机 | 2020-10-09 | 2 |
| 考虑运行工况和信息简化的风电机组传动链状态监测方法 | 2020-11-04 | 2 |
| 一种环网柜拨动开关的机械寿命实验装置 | 2021-06-25 | 0 |
| 一种装沙箱体深水围堰系统 | 2020-11-01 | 1 |
| 一种鞋胶烘干定型机 | 2020-08-14 | 1 |
| 一种塑钢型材的切割设备 | 2021-02-23 | 0 |
| 一种新型锂离子电池蓝膜包膜结构 | 2022-01-03 | 0 |
| 用于对医疗设备干燥的热风机 | 2022-02-10 | 2 |
| 多功能触摸一体机 | 2023-07-05 | 1 |
| 铝合金时效炉 | 2021-01-29 | 1 |
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。
风热门专利
QQ群二维码
意见反馈
意见反馈