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()
【技术实现步骤摘要】
本说明书一个或多个实施例涉及推荐,并且更具体地,涉及人工智能中的一种店铺推荐方法、装置、计算机设备、存储介质及程序产品。
技术介绍
1、内容推荐指通过挖掘和分析用户特征、用户行为特征等个性化信息,为用户推荐符合其需求的内容。目前,在内容推荐过程中引入推荐模型,通过向推荐模型输入已知用户信息或特征,使其根据该用户信息或特征预测用户喜好以及优先顺序。则在内容推荐场景下,如何挖掘和分析用户特征是提高内容推荐准确性的关键。
技术实现思路
1、本说明书一个或多个实施例提供了一种店铺推荐方法、装置、计算机设备、存储介质及程序产品,该方法能够提高店铺的推荐准确性。
2、一方面,提供了一种店铺推荐方法,所述方法包括:
3、在目标对象触发店铺推荐请求的情况下,获取所述目标对象的历史搜索信息,所述历史搜索信息至少包括历史搜索词和所述历史搜索词对应的历史搜索时间;
4、基于所述店铺推荐请求的请求时间对所述历史搜索信息进行时间特征提取,得到所述目标对象对应的搜索行为序列;
5、基于所述搜索行为序列和候选店铺的门店信息,确定各个所述候选店铺的候选评分,所述候选评分用于指示所述目标对象对所述候选店铺对应需求意图的高低;
6、基于所述候选评分从所述候选店铺中选取目标店铺,以及向所述目标对象推荐所述目标店铺。
7、在本说明书的实施例中,提供了一种引入搜索行为序列的店铺推荐方式:在目标对象触发店铺推荐请求时,通过获取目标对象的历史搜索信息,并基
8、结合第一方面,在第一方面的某些实现方式中,所述基于所述店铺推荐请求的请求时间对所述历史搜索信息进行时间特征提取,得到所述目标对象对应的搜索行为序列,包括:基于所述历史搜索时间和所述请求时间,从所述历史搜索信息中提取出搜索词序列,所述搜索词序列中包括的目标搜索词按照所述历史搜索时间排序;基于所述目标搜索词的所述历史搜索时间和所述请求时间之间的时间差,确定时间特征;基于所述时间特征和所述搜索词序列,确定所述目标对象对应的所述搜索行为序列。
9、结合第一方面和上述实现方式,在第一方面的某些实现方式中,所述基于所述目标搜索词的所述历史搜索时间和所述请求时间之间的时间差,确定时间特征,包括:基于所述目标搜索词的所述历史搜索时间和所述请求时间之间的实际时间差,确定第一特征;确定所述目标搜索词对应所述历史搜索时间所在的第一搜索时段,以及所述请求时间所在的第二搜索时段;基于所述第一搜索时段和所述第二搜索时段之间的时段差,确定第二特征;将所述第一特征和所述第二特征,确定为所述时间特征。
10、结合第一方面和上述实现方式,在第一方面的某些实现方式中,所述确定所述目标搜索词对应所述历史搜索时间所在的第一搜索时段,以及所述请求时间所在的第二搜索时段,包括:获取预设搜索时段和所述预设搜索时段对应的预设分钟范围,所述预设搜索时段通过对搜索周期进行分钟维度上的划分后得到;确定所述历史搜索时间在所述搜索周期中的第一时间戳,以及基于所述第一时间戳和所述预设分钟范围,确定所述目标搜索词对应所述历史搜索时间所在的第一搜索时段;确定所述请求时间在所述搜索周期中的第二时间戳,以及基于所述第二时间戳和所述预设分钟范围,确定所述请求时间所在的第二搜索时段。
11、在本说明书的实施例中,考虑到搜索行为的时间距离推荐请求越近,搜索行为对应的搜索词越能体现用户近期的搜索意图,以及搜索行为所处的时间段与推荐请求对应请求时间所处的时间段越接近,搜索行为对应的搜索词越能体现用户同时段的搜索意图。对应提供了两种提取时间特征的方式,根据目标搜索词的历史搜索时间与请求时间之间的实际时间差,确定第一特征,以及根据目标搜索词对应历史搜索时间所处的搜索时段,与请求时间所在的搜索时段之间的时段差,确定第二特征。使得可以从多个时间维度上提取用户近期搜索行为所代表的需求意图,以提高构建的搜索行为序列的准确性,进而提高后续店铺推荐的准确性。
12、结合第一方面和上述实现方式,在第一方面的某些实现方式中,所述基于所述历史搜索时间和所述请求时间,从所述历史搜索信息中提取出搜索词序列,包括:确定所述历史搜索时间在目标时间属性上的第一属性值,以及所述请求时间在所述目标时间属性上的第二属性值,所述目标时间属性的属性值包括工作日或休息日;基于所述第一属性值和所述第二属性值,从所述历史搜索信息中筛选出与所述第二属性值相同的候选搜索词;基于所述候选搜索词和所述历史搜索时间,确定所述搜索词序列。
13、结合第一方面和上述实现方式,在第一方面的某些实现方式中,所述基于所述候选搜索词和所述历史搜索时间,确定所述搜索词序列,包括:在所述候选搜索词中存在相同搜索词的情况下,对所述相同搜索词进行去重处理,得到所述目标搜索词;基于所述历史搜索时间对所述目标搜索词进行排序,得到所述搜索词序列;所述方法还包括:获取所述候选搜索词中相同搜索词的搜索次数;所述基于所述时间特征和所述搜索词序列,确定所述目标对象对应的所述搜索行为序列,还包括:基于所述搜索次数、所述时间特征和所述搜索词序列,确定所述目标对象对应的所述搜索行为序列。
14、在本说明书的实施例中,考虑到用户的历史搜索行为较多,为了避免引入无效信息以增加模型数据处理量,对应还提供了根据请求时间在目标时间属性上的属性值,从历史搜索词中筛选与请求时间对应属性值相同的搜索词,以用于后续提取时间特征和生成搜搜行为序列。可以根据目标时间属性的属性值过滤掉参考意义不大的历史搜索词,提高后续构建的搜索行为序列中搜索词与推荐请求之间的关联性,进而提高后续店铺推荐的准确性。此外,为了避免引入重复搜索词,且能够兼顾重复搜索词所带来的用户意图,还在搜索行为序列中引入搜索次数这一特征,使得搜索行为序列更能反映出用户近期的搜索行为意图。
15、结合第一方面和上述实现方式,在第一方面的某些实现方式中,所述方法还包括:获取多个样本对象的样本搜索词序列以及样本店铺的样本门店信息;将所述样本搜索词序列和所述样本门店信息输入店铺推荐模型,得到所述店铺推荐模型输出的样本评分,所述样本评分用于指示所述样本对象对所述样本店铺对应需求意图的高低;基于所述样本评分和所述样本对象对所述样本店铺的实际评分,训练所述店铺推荐模型;所述基于所述搜索行为序列和候选店铺的门店信息,确定各个所述候选店铺的候选评分,包括:将所述搜索行为序列和所述候选店铺的所述门店信息输入所述店铺推荐模型,得到各个所述候选店铺的所述候选评分。
<本文档来自技高网...【技术保护点】
1.一种店铺推荐方法,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,所述基于所述店铺推荐请求的请求时间对所述历史搜索信息进行时间特征提取,得到所述目标对象对应的搜索行为序列,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于所述目标搜索词的所述历史搜索时间和所述请求时间之间的时间差,确定时间特征,包括:
4.根据权利要求3所述的方法,其特征在于,所述确定所述目标搜索词对应所述历史搜索时间所在的第一搜索时段,以及所述请求时间所在的第二搜索时段,包括:
5.根据权利要求2所述的方法,其特征在于,所述基于所述历史搜索时间和所述请求时间,从所述历史搜索信息中提取出搜索词序列,包括:
6.根据权利要求5所述的方法,其特征在于,所述基于所述候选搜索词和所述历史搜索时间,确定所述搜索词序列,包括:
7.一种店铺推荐装置,其特征在于,所述装置包括:
8.一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一段程序,所述至少一段程序由所述处理器加载并执行以实现如权
9.一种计算机可读存储介质,所述可读存储介质中存储有至少一段程序,所述至少一段程序由处理器加载并执行以实现如权利要求1至6任一所述的店铺推荐方法。
10.一种包含指令的计算机程序产品,当所述计算机程序产品在所述计算机设备或处理器上运行时,使得所述计算机设备或处理器执行如权利要求1至6任一所述的店铺推荐方法。
...【技术特征摘要】
1.一种店铺推荐方法,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,所述基于所述店铺推荐请求的请求时间对所述历史搜索信息进行时间特征提取,得到所述目标对象对应的搜索行为序列,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于所述目标搜索词的所述历史搜索时间和所述请求时间之间的时间差,确定时间特征,包括:
4.根据权利要求3所述的方法,其特征在于,所述确定所述目标搜索词对应所述历史搜索时间所在的第一搜索时段,以及所述请求时间所在的第二搜索时段,包括:
5.根据权利要求2所述的方法,其特征在于,所述基于所述历史搜索时间和所述请求时间,从所述历史搜索信息中提取出搜索词序列,包括:
6.根据...
【专利技术属性】
技术研发人员:李军,张葛,史峰,
申请(专利权)人:拉扎斯网络科技上海有限公司,
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。