【技术实现步骤摘要】
电商搜索的推荐方法及装置、设备、存储介质
[0001]本申请涉及电子设备
,涉及但不限定于电商搜索的推荐方法及装置、设备、存储介质。
技术介绍
[0002]在电商搜索中,由于未曝光商品总是没有反馈,所以会存在很严重的马太效应,少数商品霸占的头部位置,商品间的流动性比较差,不仅有损商家的利益,也会伤害消费者的用户体验。探索利用(Exploration-Exploitation,EE)的主要思路是一部分流量给后面的商品曝光的机会,剩余流量利用曝光的反馈推荐。探索利用可以增强商品间的流动性,缓解马太效应,增加多样性,同时也有利用商品的冷启动,发掘用户的潜在需求,维持用户的长期兴趣。
技术实现思路
[0003]本申请实施例提供一种电商搜索的推荐方法及装置、设备、存储介质。
[0004]本申请实施例的技术方案是这样实现的:
[0005]第一方面,本申请实施例提供一种电商搜索的推荐方法,包括:
[0006]响应于在客户端页面的访问行为,获取所述客户端页面的实时日志流;
[0007]从所述客户端页面所呈现的至少两个商品中,确定出候选商品集;
[0008]根据所述实时日志流,确定所述候选商品集中每一所述商品的奖励值;
[0009]根据每一所述商品的奖励值,从所述候选商品集中筛选出目标商品集;
[0010]将所述目标商品集中满足预设条件的商品作为待推荐商品;
[0011]将所述待推荐商品在特定的坑位区间进行展示。
[0012]第二方面,本申请 ...
【技术保护点】
【技术特征摘要】
1.一种电商搜索的推荐方法,其特征在于,所述方法包括:响应于在客户端页面的访问行为,获取所述客户端页面的实时日志流;从所述客户端页面所呈现的至少两个商品中,确定出候选商品集;根据所述实时日志流,确定所述候选商品集中每一所述商品的奖励值;根据每一所述商品的奖励值,从所述候选商品集中筛选出目标商品集;将所述目标商品集中满足预设条件的商品作为待推荐商品;将所述待推荐商品在特定的坑位区间进行展示。2.如权利要求1所述的方法,其特征在于,所述根据所述实时日志流,确定所述候选商品集中每一所述商品的奖励值,包括:根据所述实时日志流,调用确定所述候选商品集中每一所述商品的奖励值。3.如权利要求1所述的方法,其特征在于,所述方法还包括:将当前时刻之前特定时间段内的每一所述商品的奖励值,作为延迟奖励值;相应地,根据所述延迟奖励值,从所述候选商品集中筛选出目标商品集。4.如权利要求1所述的方法,其特征在于,所述特定的坑位区间内坑位的数目为K,且K为大于等于1的正整数,所述根据每一所述商品的奖励值,从所述候选商品集中筛选出目标商品集,包括:按照特定的反馈指标,根据每一所述商品的奖励值,确定每一所述商品对应的正反馈参数和负反馈参数;根据所述正反馈参数和所述负反馈参数,通过贝塔分布生成每一所述商品的推荐值;将所述候选商品集中每一所述商品的推荐值最大的前K个商品,作为所述目标商品集。5.如权利要求4所述的方法,其特征在于,所述方法还包括:将所述正反馈参数加上第一初始值,得到第一目标参数;将所述负反馈参数加上第二初始值,得到第二目标参数;其中,所述第一初始值和所述第二初始值由贝叶斯平滑算法确定;相应地,根据所述第一目标参数和所述第二目标参数,通过贝塔分布生成每一所述商品的目标推荐值。6.如权利要求4所述的方法,其特征在于,所述特定的反馈指标至少包括以下之一:点击率、转化率和点击转化率;相应地,所述根据所述正反馈参数和所述负反馈参数,通过贝塔分布生成每一所述商品的推荐值,包括:根据所述正反馈参数和所述负反馈参数,按照下面的公式生成每一所述商品的推荐值:T
s_score
=t1*beta(α1,β1)
CTR
+t2*beta(α2,β2)
CVR
+t3*beta(α3,β3)
CTCVR
;其中,T
s_score
为每一所述商品的推荐值,beta(α1,β1)
CTR
为按照点击率通过贝塔分布生成的每一所述商品的推荐分数,beta(α2,β2)
CVR
为按照转化率通过贝塔分布生成的每一所述商品的推荐分数,beta(α3,β3)
CTCVR
为按照点击转化率通过贝塔分布生成的每一所述商品的推荐分数,α1、α2和α3为每一所述商品的正反馈参数,β1、β2和β3为每一所述商品的负反馈参数,系数t1、t2和t3为通过逻辑回归模型训练进行...
【专利技术属性】
技术研发人员:张晓敏,
申请(专利权)人:北京京东世纪贸易有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。