商品推荐方法、系统、设备及介质技术方案

本发明专利技术公开了一种商品推荐方法、系统、设备及介质，其中商品推荐方法包括建立一目标群体数据库，目标群体数据库包括至少一目标对象以及与目标对象相关联的商品；获取用户账号以及与用户账号对应的历史操作记录，历史操作记录包括用户账号点击过的商品对应的目标对象；根据历史操作记录获取用户账号点击过的商品对应的目标对象；根据用户账号点击过的商品对应的目标对象搜索目标群体数据库，并获取与点击过的商品对应的目标对象相关联的商品作为推荐商品；将推荐商品推荐给用户账号。本发明专利技术可实现个性化推荐给用户潜在关注的对象对应的商品，提高用户良好的购物体验。

【技术实现步骤摘要】
商品推荐方法、系统、设备及介质
本专利技术涉及计算机
，尤其涉及一种商品推荐方法、系统、设备及介质。
技术介绍
随着大数据和互联网的发展，网上购物变得越来越流行，在人工智能大行其道的今天，网上信息传播速度比过去快很多，电商网站，用户在基本购物需求的层面上更希望得到娱乐享受，比如有些女粉丝刚看了一部热播电视剧，特别欣赏里面的主人公，希望自己能穿上明星同款的服装，这时候如果电商平台正好能为该用户推荐出类似商品，就会给人耳目一新的享受，如何最大程度地挖掘用户购物心理，展示给用户最感兴趣的商品，是购物网站一直追求的目标。现有技术是统计用户在电商网站的历史浏览购买行为，计算购买商品与商品库中的商品的相似度，推荐给用户商品相似度高的商品，现有技术的缺点是：通过统计用户在电商网站的历史浏览购物行为，推荐给用户的商品可能都是用户有过的行为或相似的商品，不能很好地挖掘用户的潜在兴趣点，不能紧跟网络流行元素。
技术实现思路
本专利技术要解决的技术问题是为了克服现有技术中商品推荐模式不能预测用户潜在关注目标对象的缺陷，提供一种商品推荐方法、系统、设备及介质。本专利技术是通过下述技术方案来解决上述技术问题：一种商品推荐方法，所述商品推荐方法包括：建立一目标群体数据库，所述目标群体数据库包括至少一目标对象以及与所述目标对象相关联的商品；获取用户账号以及与所述用户账号对应的历史操作记录，所述历史操作记录包括所述用户账号点击过的商品对应的所述目标对象；根据所述历史操作记录获取所述用户账号点击过的商品对应的所述目标对象；根据所述用户账号点击过的商品对应的所述目标对象搜索所述目标群体数据库，并获取与所述点击过的商品对应的所述目标对象相关联的商品作为推荐商品；将所述推荐商品推荐给所述用户账号。较佳地，所述将所述推荐商品推荐给所述用户账号的步骤还包括：根据所述用户账号构建用户预测特征，根据所述推荐商品构建商品预测特征；将所述用户预测特征和所述商品预测特征输入至训练后的点击率预估模型得到所述推荐商品的推荐概率；获取大于预设值的推荐概率对应的所述推荐商品；将所述大于预设值的推荐概率对应的所述推荐商品作为最终的推荐商品推荐给所述用户账号。较佳地，所述商品推荐方法包括所述点击率预估模型的训练方法，所述点击率预估模型的训练方法包括：根据预设规则获取若干样本商品，所述样本商品为所述目标群体数据库中的商品；获取所述用户账号对所述样本商品的操作方式；对所述操作方式对应的所述样本商品分别设置样本推荐概率；根据所述用户账号构建账号样本特征；根据所述样本商品构建商品样本特征；将所述样本账号特征和所述商品样本特征作为输入数据，将所述样本推荐概率作为输出数据训练所述点击率预估模型得到所述训练后的点击率预估模型。较佳地，所述将所述大于预设值的推荐概率对应的所述推荐商品作为最终的推荐商品推荐给所述用户账号的步骤还包括：将最终的所述推荐商品对应的推荐概率按照从大到小的规则进行排序，将排序后的推荐商品推荐给所述用户账号。较佳地，所述将所述大于预设值的推荐概率对应的所述推荐商品作为最终的推荐商品推荐给所述用户账号的步骤之后还包括：获取所述用户账号对所述最终的推荐商品的反馈操作；根据所述反馈操作对操作的所述最终的推荐商品设置调整概率；将所述用户预测特征和所述商品预测特征作为输入数据，将所述调整概率作为输出数据继续训练所述点击率预估模型。较佳地，所述将所述推荐商品推荐给所述用户账号的步骤之后还包括：获取所述用户账号与其他用户账号的互动数据，所述互动数据包括所述用户账号与所述其他用户账号关注的相同的对象；获取所述用户账号对所述推荐商品的操作，判断所述操作对应的推荐商品相关联的目标对象是否为所述相同的对象，若是，则将所述用户账号操作的所述推荐商品分享给所述其他用户账号。较佳地，所述将所述推荐商品推荐给所述用户账号的步骤之后还包括：记录所述用户账号对至少一评论对象的评论分数；获取所述评论分数；选取大于预设分值的所述评论分数对应的所述评论对象作为更新目标对象；和/或，从网络数据中搜索预设时间范围内出现次数超过预设次数范围的评论对象作为更新目标对象；判断所述目标群体数据库中是否保存有所述更新目标对象，若否，则获取与所述更新目标对象相关联的商品；将所述更新目标对象以及与所述更新目标对象相关联的商品保存至所述目标群体数据库。较佳地，所述将所述更新目标对象以及与所述更新目标对象相关联的商品保存至所述目标群体数据库的步骤还包括：判断与所述更新目标相关联的商品是否满足预设性价比条件，若是，则将所述更新目标以及与所述更新目标相关联的商品保存至所述目标群体数据库，所述预设性价比条件包括价格低于预设价格、销售量高于预设销售量、好评量高于预设好评量中的至少一种。较佳地，所述将所述推荐商品推荐给所述用户账号的步骤之后还包括：按照预设排序规则对所述推荐商品进行再次排序；其中，所述预设排序规则包括商品价格、商品销售量、商品好评数、商品关注数、用户自定义排序中的一种。较佳地，所述目标对象包括姓名字段和/或作品字段。一种商品推荐系统，所述商品推荐系统包括目标群体数据库、历史模块、获取模块和推荐模块；所述目标群体数据库包括至少一目标对象以及与所述目标对象相关联的商品；所述历史模块用于获取用户账号以及与所述用户账号对应的历史操作记录，所述历史操作记录包括所述用户账号点击过的商品对应的所述目标对象；所述获取模块用于根据所述历史操作记录获取所述用户账号点击过的商品对应的所述目标对象；所述推荐模块用于根据所述用户账号点击过的商品对应的所述目标对象搜索所述目标群体数据库，并获取与所述点击过的商品对应的所述目标对象相关联的商品作为推荐商品，并将所述推荐商品推荐给所述用户账号。较佳地，所述推荐模块还包括构建单元、预测单元、推选单元；所述构建单元用于根据所述用户账号构建用户预测特征，以及根据所述推荐商品构建商品预测特征；所述预测单元用于将所述用户预测特征和所述商品预测特征输入至训练后的点击率预估模型得到所述推荐商品的推荐概率；所述推选单元用于获取大于预设值的推荐概率对应的所述推荐商品，并将所述大于预设值的推荐概率对应的所述推荐商品作为最终的推荐商品推荐给所述用户账号。较佳地，所述商品推荐系统包括模型训练模块，所述模型训练模块包括样本选取单元、操作获取单元、设置单元、样本构建单元、训练单元；所述样本选取单元用于根据预设规则获取若干样本商品，所述样本商品为所述目标群体数据库中的商品；所述操作获取单元用于获取所述用户账号对所述样本商品的操作方式；所述设置单元用于对所述操作方式对应的所述样本商品分别设置样本推荐概率；所述样本构建单元用于根据所述用户账号构建账本文档来自技高网...

【技术保护点】
1.一种商品推荐方法，其特征在于，所述商品推荐方法包括：/n建立一目标群体数据库，所述目标群体数据库包括至少一目标对象以及与所述目标对象相关联的商品；/n获取用户账号以及与所述用户账号对应的历史操作记录，所述历史操作记录包括所述用户账号点击过的商品对应的所述目标对象；/n根据所述历史操作记录获取所述用户账号点击过的商品对应的所述目标对象；/n根据所述用户账号点击过的商品对应的所述目标对象搜索所述目标群体数据库，并获取与所述点击过的商品对应的所述目标对象相关联的商品作为推荐商品；/n将所述推荐商品推荐给所述用户账号。/n

【技术特征摘要】
1.一种商品推荐方法，其特征在于，所述商品推荐方法包括：
建立一目标群体数据库，所述目标群体数据库包括至少一目标对象以及与所述目标对象相关联的商品；
获取用户账号以及与所述用户账号对应的历史操作记录，所述历史操作记录包括所述用户账号点击过的商品对应的所述目标对象；
根据所述历史操作记录获取所述用户账号点击过的商品对应的所述目标对象；
根据所述用户账号点击过的商品对应的所述目标对象搜索所述目标群体数据库，并获取与所述点击过的商品对应的所述目标对象相关联的商品作为推荐商品；
将所述推荐商品推荐给所述用户账号。


2.如权利要求1所述的商品推荐方法，其特征在于，所述将所述推荐商品推荐给所述用户账号的步骤还包括：
根据所述用户账号构建用户预测特征，根据所述推荐商品构建商品预测特征；
将所述用户预测特征和所述商品预测特征输入至训练后的点击率预估模型得到所述推荐商品的推荐概率；
获取大于预设值的推荐概率对应的所述推荐商品；
将所述大于预设值的推荐概率对应的所述推荐商品作为最终的推荐商品推荐给所述用户账号。


3.如权利要求2所述的商品推荐方法，其特征在于，所述商品推荐方法包括所述点击率预估模型的训练方法，所述点击率预估模型的训练方法包括：
根据预设规则获取若干样本商品，所述样本商品为所述目标群体数据库中的商品；
获取所述用户账号对所述样本商品的操作方式；
对所述操作方式对应的所述样本商品分别设置样本推荐概率；
根据所述用户账号构建账号样本特征；
根据所述样本商品构建商品样本特征；
将所述样本账号特征和所述商品样本特征作为输入数据，将所述样本推荐概率作为输出数据训练所述点击率预估模型得到所述训练后的点击率预估模型。


4.如权利要求2所述的商品推荐方法，其特征在于，所述将所述大于预设值的推荐概率对应的所述推荐商品作为最终的推荐商品推荐给所述用户账号的步骤还包括：
将最终的所述推荐商品对应的推荐概率按照从大到小的规则进行排序，将排序后的推荐商品推荐给所述用户账号。


5.如权利要求2所述的商品推荐方法，其特征在于，所述将所述大于预设值的推荐概率对应的所述推荐商品作为最终的推荐商品推荐给所述用户账号的步骤之后还包括：
获取所述用户账号对所述最终的推荐商品的反馈操作；
根据所述反馈操作对操作的所述最终的推荐商品设置调整概率；
将所述用户预测特征和所述商品预测特征作为输入数据，将所述调整概率作为输出数据继续训练所述点击率预估模型。


6.如权利要求1所述的商品推荐方法，其特征在于，所述将所述推荐商品推荐给所述用户账号的步骤之后还包括：
获取所述用户账号与其他用户账号的互动数据，所述互动数据包括所述用户账号与所述其他用户账号关注的相同的对象；
获取所述用户账号对所述推荐商品的操作，
判断所述操作对应的推荐商品相关联的目标对象是否为所述相同的对象，若是，则将所述用户账号操作的所述推荐商品分享给所述其他用户账号。


7.如权利要求1所述的商品推荐方法，其特征在于，所述将所述推荐商品推荐给所述用户账号的步骤之后还包括：
记录所述用户账号对至少一评论对象的评论分数；获取所述评论分数；选取大于预设分值的所述评论分数对应的所述评论对象作为更新目标对象；和/或，从网络数据中搜索预设时间范围内出现次数超过预设次数范围的评论对象作为更新目标对象；
判断所述目标群体数据库中是否保存有所述更新目标对象，若否，则获取与所述更新目标对象相关联的商品；
将所述更新目标对象以及与所述更新目标对象相关联的商品保存至所述目标群体数据库。


8.如权利要求7所述的商品推荐方法，其特征在于，所述将所述更新目标对象以及与所述更新目标对象相关联的商品保存至所述目标群体数据库的步骤还包括：
判断与所述更新目标相关联的商品是否满足预设性价比条件，若是，则将所述更新目标以及与所述更新目标相关联的商品保存至所述目标群体数据库，所述预设性价比条件包括价格低于预设价格、销售量高于预设销售量、好评量高于预设好评量中的至少一种。


9.如权利要求1所述的商品推荐方法，其特征在于，所述将所述推荐商品推荐给所述用户账号的步骤之后还包括：
按照预设排序规则对所述推荐商品进行再次排序；
其中，所述预设排序规则包括商品价格、商品销售量、商品好评数、商品关注数、用户自定义排序中的一种。


10.如权利要求1所述的商品推荐方法，其特征在于，所述目标对象包括姓名字段和/或作品字段。


11.一种商品推荐系统，其特征在于，所述商品推荐系统包括目标群体数据库、历史模块、获取模块和推荐模块；
所述目标群体数据库包括至少一目标对象以及与所述目标对象相关联的商品；
所述历史模块用于获取用户账号以及与所述用户账号对应的历史操作记录，所述历史操作记录包括所述用户账号点击过的商品对...

【专利技术属性】
技术研发人员：王颖帅，李晓霞，苗诗雨，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11