【技术实现步骤摘要】
本申请涉及商品推荐，尤其涉及一种商品推荐方法和装置、电子设备及存储介质。
技术介绍
1、在线电商的商品推荐功能是将商品推荐给对象，在商品推荐中，会根据对象的喜爱偏好信息给对象生成商品序列，使对象能够快速找到喜好的商品。在现有的商品推荐技术中，商品序列的生成主要根据用户喜好标签生成，并未考虑商品的销售信息，例如：库存、供应区域和商品收益等。若商品序列前的商品存在库存不足等情况，将影响用户购买体验，进而影响商品推荐的成功率。因此，如何提高商品推荐的成功率，成为了亟待解决的技术问题。
技术实现思路
1、本申请实施例的主要目的在于提出一种商品推荐方法和装置、电子设备及存储介质，旨在提高商品推荐的成功率。
2、为实现上述目的，本申请实施例的第一方面提出了一种商品推荐方法，所述方法包括：
3、获取商品数据集和目标对象对所述商品数据集的偏好数据；其中，所述商品数据集包括：至少两个商品数据，所述商品数据包括待售商品项的商品资源增长数据和商品库存数据；
4、根据所述偏好数据、所述商品库存数据和商品资源增长数据对每一预设的推荐位置进行商品选择预测，得到每一所述推荐位置的商品选择预测数据；其中，所述商品选择预测数据表征每一所述待售商品项的选择指示信息；
5、根据所述选择指示信息和所述待售商品项确定所述推荐位置上的选定商品项；
6、将所述推荐位置上的所述选定商品项进行拼接处理，得到商品推荐序列；
7、将所述商品推荐序列推荐给所述目标对
8、在一些实施例，所述偏好数据包括：位置偏好数据、商品偏好数据；所述根据所述偏好数据、所述商品库存数据和商品资源增长数据对每一预设的推荐位置进行商品选择预测，得到每一所述推荐位置的商品选择预测数据，包括：
9、根据所述位置偏好数据、所述商品偏好数据和所述商品库存数据构建位置库存联合因子；
10、根据预设的约束条件、所述商品资源增长数据、所述位置偏好数据、所述商品偏好数据和所述位置库存联合因子构建推荐线性规划模型；
11、对所述推荐线性规划模型求解，得到每一所述推荐位置的所述商品选择预测数据。
12、在一些实施例，所述商品库存数据包括：商品初始库存数据和商品剩余库存数据，所述根据所述位置偏好数据、所述商品偏好数据和所述商品库存数据构建位置库存联合因子，包括：
13、获取所述商品剩余库存数据和所述商品初始库存数据的比值，得到剩余库存水平数据；
14、根据所述商品偏好数据、所述位置偏好数据和所述剩余库存水平数据构建所述位置库存联合因子。
15、在一些实施例，所述根据预设的约束条件、所述商品资源增长数据、所述位置偏好数据、所述商品偏好数据和所述位置库存联合因子构建推荐线性规划模型，包括：
16、根据所述商品资源增长数据、所述位置偏好数据、所述商品偏好数据和所述位置库存联合因子进行组合得到规划模型；
17、根据所述约束条件对所述规划模型进行范围限定得到推荐线性规划模型。
18、在一些实施例，所述根据所述约束条件对所述规划模型进行范围限定得到推荐线性规划模型，包括：
19、将所述规划模型进行线性变换得到所述线性规划模型；
20、将所述约束条件对所述线性规划模型进行范围限定得到推荐线性规划模型。
21、在一些实施例，所述根据所述选择指示信息和所述待售商品项确定所述推荐位置上的选定商品项，包括：
22、从所述待售商品项中选出选中商品项；
23、根据所述选择指示信息对所述选中商品项进行放置识别，得到放置识别结果；其中，所述放置识别结果表征所述选定商品项是否放置于所述推荐位置；
24、若所述放置识别结果表征所述选中商品项不放置于所述推荐位置，从所述待售商品项中选出候选商品项；
25、根据所述候选商品项的所述选择指示信息确定所述推荐位置上的所述选定商品项。
26、在一些实施例，所述根据所述商品资源增长数据、所述位置偏好数据、所述商品偏好数据和所述位置库存联合因子进行组合得到规划模型，包括：
27、根据所述位置偏好数据、所述商品偏好数据和预设的商品决策变量构建商品推荐概率数据；
28、根据所述商品资源增长数据、所述位置偏好数据、所述商品偏好数据、所述商品推荐概率数据和所述商品决策变量构建规划模型。
29、为实现上述目的，本申请实施例的第二方面提出了一种商品推荐装置，所述装置包括：
30、获取模块，用于获取商品数据集和目标对象对所述商品数据集的偏好数据；其中，所述商品数据集包括：至少两个商品数据，所述商品数据包括待售商品项的商品资源增长数据和商品库存数据；
31、预测模块，用于根据所述偏好数据、所述商品库存数据和商品资源增长数据对每一预设的推荐位置进行商品选择预测，得到每一所述推荐位置的商品选择预测数据；其中，所述商品选择预测数据表征每一所述待售商品项的选择指示信息；
32、确定模块，用于根据所述选择指示信息和所述待售商品项确定所述推荐位置上的选定商品项；
33、拼接模块，用于将所述推荐位置上的所述选定商品项进行拼接处理，得到商品推荐序列；
34、推荐模块，用于将所述商品推荐序列推荐给所述目标对象。
35、为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
36、为实现上述目的，本申请实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。
37、本申请提出的一种商品推荐方法和装置、电子设备及存储介质，其通过获取商品数据集和目标用户对商品数据集的偏好数据；其中，商品数据集包括待售商品项的商品资源增长数据和商品库存数据；根据偏好数据和商品库存数据和商品资源增长数据对每一个推荐位置上的商品进行预测得到选择指示信息，通过将目标用户的商品偏好数据和商品库存数据进行综合考虑，确定每一推荐位置上的商品指示信息，从而为目标用户提供个性化且库存满足要求的商品推荐，减少了推荐的商品是用户不喜欢的或库存不足的情况，使得目标用户根据推荐的商品快速选择到需要的商品。根据选择指示信息和待售商品项确定推荐位置上的选定商品项；将推荐位置上的商品项进行拼接，得到商品推荐序列，进而将商品推荐序列推荐给目标用户，能够为目标用户根据商品库存和目标用户对商品的偏好进行商品推荐，提高为目标用户进行商品推荐的效果。
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，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述偏好数据包括：位置偏好数据、商品偏好数据；所述根据所述偏好数据、所述商品库存数据和商品资源增长数据对每一预设的推荐位置进行商品选择预测，得到每一所述推荐位置的商品选择预测数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述商品库存数据包括：商品初始库存数据和商品剩余库存数据，所述根据所述位置偏好数据、所述商品偏好数据和所述商品库存数据构建位置库存联合因子，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据预设的约束条件、所述商品资源增长数据、所述位置偏好数据、所述商品偏好数据和所述位置库存联合因子构建推荐线性规划模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述约束条件对所述规划模型进行范围限定得到推荐线性规划模型，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述选择指示信息和所述待售商品项确定所述推荐位置上的选定商品项，包括：
7.根据权利要求4所述的方法，其特征在
8.一种商品推荐装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的商品推荐方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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7中任一项所述的商品推荐方法。
...【技术特征摘要】
1.一种商品推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述偏好数据包括：位置偏好数据、商品偏好数据；所述根据所述偏好数据、所述商品库存数据和商品资源增长数据对每一预设的推荐位置进行商品选择预测，得到每一所述推荐位置的商品选择预测数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述商品库存数据包括：商品初始库存数据和商品剩余库存数据，所述根据所述位置偏好数据、所述商品偏好数据和所述商品库存数据构建位置库存联合因子，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据预设的约束条件、所述商品资源增长数据、所述位置偏好数据、所述商品偏好数据和所述位置库存联合因子构建推荐线性规划模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述约束条件对所述规...
【专利技术属性】
技术研发人员：张莲民，代文强，章潇月，蔡小强，
申请(专利权)人：深圳市大数据研究院，
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。