System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 商品推荐方法、装置、设备、介质及程序产品制造方法及图纸_技高网

商品推荐方法、装置、设备、介质及程序产品制造方法及图纸

技术编号:42953796 阅读:13 留言:0更新日期:2024-10-11 16:10
本申请提供了商品推荐方法、装置、设备、介质及程序产品,包括:根据目标用户的用户特征和商品集合中各个商品的商品特征预测所述目标用户点击所述各个商品后的收藏率、收藏后的下单率以及未收藏的下单率;根据所述收藏率确定所述各个商品对应的未收藏率;至少根据所述各个商品对应的收藏率、未收藏率、收藏后的下单率以及未收藏的下单率,预测所述目标用户对各个商品的转化率;根据所述商品集合中各个商品的转化率确定所述商品集合中各个商品的推荐顺序。根据本申请的技术方案,能够有效提升商品排序的准确性。

【技术实现步骤摘要】

本申请涉及数据处理,尤其涉及一种商品推荐方法、装置、设备、介质及程序产品


技术介绍

1、搜索引擎已经成为人们获取信息的重要途径之一。随着信息量的不断增加,搜索引擎的索引结果直接关系到用户的体验。用户在二手电商平台进行搜索之后,依次经过点击、收藏、加购、下单等行为最终实现支付。

2、目前,通常是基于单一目标进行优化搜索引擎的搜索决策,比如点击率或转化率。因此,由于优化目标单一,使得优化后的搜索决策依然准确性较低,无法满足用户的需求。


技术实现思路

1、为了解决上述问题,本申请提出一种商品推荐方法、装置、设备、介质及程序产品,能够显著提升商品排序的准确性。

2、根据本申请实施例的第一方面,提供了一种商品推荐方法,包括:

3、根据目标用户的用户特征和商品集合中各个商品的商品特征预测所述目标用户点击所述各个商品后的收藏率、收藏后的下单率以及未收藏的下单率;

4、根据所述收藏率确定所述各个商品对应的未收藏率;

5、至少根据所述各个商品对应的收藏率、未收藏率、收藏后的下单率以及未收藏的下单率,预测所述目标用户对各个商品的转化率;

6、根据所述商品集合中各个商品的转化率确定所述商品集合中各个商品的推荐顺序。

7、根据本申请实施例的第二方面,提供了一种商品推荐装置,包括:

8、第一预测模块,用于根据目标用户的用户特征和商品集合中各个商品的商品特征预测所述目标用户点击所述各个商品后的收藏率、收藏后的下单率以及未收藏的下单率;

9、计算模块,用于根据所述收藏率确定所述各个商品对应的未收藏率;

10、第二预测模块,用于至少根据所述各个商品对应的收藏率、未收藏率、收藏后的下单率以及未收藏的下单率,预测所述目标用户对各个商品的转化率;

11、推荐模块,用于根据所述商品集合中各个商品的转化率确定所述商品集合中各个商品的推荐顺序。

12、本申请第三方面提供了一种电子设备,包括:

13、存储器和处理器;

14、所述存储器与所述处理器连接,用于存储程序;

15、所述处理器,通过运行所述存储器中的程序,实现上述的商品推荐方法。

16、本申请第四方面提供了一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时,实现上述的商品推荐方法。

17、本申请第五方面提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述的商品推荐方法。

18、上述申请中的一个实施例具有如下优点或有益效果:

19、根据目标用户的用户特征和商品集合中各个商品的商品特征预测目标用户点击各个商品后的收藏率、收藏后的下单率以及未收藏的下单率;根据收藏率确定各个商品对应的未收藏率;至少根据各个商品对应的收藏率、未收藏率、收藏后的下单率以及未收藏的下单率,预测目标用户对各个商品的转化率;根据商品集合中各个商品的转化率确定商品集合中各个商品的推荐顺序。这样,通过各个商品的收藏率和未收藏率结合收藏后的下单率和未收藏的下单率能够更准确地反应下单环节的下单情况,从而能够更准确地预测各个商品的转化率,以提升商品排序的准确性。进而在面对不同的用户时均能够采用个性化的商品排序,实现商品的个性化推送。

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,包括:

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

3.根据权利要求1或2所述的方法,其特征在于,所述至少根据所述各个商品对应的收藏率、未收藏率、收藏后的下单率以及未收藏的下单率,预测所述目标用户对各个商品的转化率,包括:

4.根据权利要求3所述的方法,其特征在于,在预测所述目标用户下单后的支付率的情况下,所述至少根据所述各个商品对应的收藏率、未收藏率、收藏后的下单率以及未收藏的下单率,预测所述目标用户对各个商品的转化率,包括:

5.根据权利要求2所述的方法,其特征在于,所述根据目标用户的用户特征和商品集合中各个商品的商品特征预测所述目标用户点击所述各个商品后的收藏率、收藏后的下单率以及未收藏的下单率,包括:

6.根据权利要求5所述的方法,其特征在于,所述根据目标用户的用户特征和商品集合中各个商品的商品特征预测所述目标用户下单各个商品后的支付率,包括:

7.根据权利要求6所述的方法,其特征在于,所述第二商品下单预测模型的训练方法还包括:

8.根据权利要求7所述的方法,其特征在于,所述商品支付预测模型的训练方法还包括:

9.一种商品推荐装置,其特征在于,包括:

10.一种电子设备,其特征在于,包括:

11.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时,实现如权利要求1至8中任意一项商品推荐方法。

12.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如权利要求1至8中任意一项商品推荐方法。

...

【技术特征摘要】

1.一种商品推荐方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

3.根据权利要求1或2所述的方法,其特征在于,所述至少根据所述各个商品对应的收藏率、未收藏率、收藏后的下单率以及未收藏的下单率,预测所述目标用户对各个商品的转化率,包括:

4.根据权利要求3所述的方法,其特征在于,在预测所述目标用户下单后的支付率的情况下,所述至少根据所述各个商品对应的收藏率、未收藏率、收藏后的下单率以及未收藏的下单率,预测所述目标用户对各个商品的转化率,包括:

5.根据权利要求2所述的方法,其特征在于,所述根据目标用户的用户特征和商品集合中各个商品的商品特征预测所述目标用户点击所述各个商品后的收藏率、收藏后的下单率以及未收藏的下单率,包括:

【专利技术属性】
技术研发人员:徐劲夫刘备李光明
申请(专利权)人:转转一零二四北京科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1