电商平台商品推荐方法、装置、计算机设备及存储介质与流程

本技术属于人工智能，基于涉及一种电商平台商品推荐方法、装置、计算机设备及存储介质。

背景技术：

1、现在很多的汽配店的价格不够透明，车主在购买汽配物件的时候经常会遇到价格上的劣势，所以实现车主一体化供销的汽配电商平台越来越受到人们的青睐，并且通过一个正规的透明的平台展示汽配商品会有助于行业的健康发展。汽配行业商家通过汽配电商平台实现线上+线下资源和渠道的结合，加速汽配销售模式转型。随着汽车的使用寿命的增长，在保养车的时候对于汽配的需求也是有增无减，汽配电商平台的出现可以在一定很大程度上促进这个行业发展。

2、目前汽配电商平台主要通过用户的历史浏览记录来识别用户的需求，并以此来推荐相应的汽配商品，但目前通过用户的历史浏览记录来预测用户是否存在购买意愿的准确度并不高，难以发掘出用户真正想要购买的汽配产品，导致汽配电商平台真实成交量较低，且严重影响用户使用体验。

技术实现思路

1、本技术实施例的目的在于提出一种电商平台商品推荐方法、装置、计算机设备及存储介质，以解决现有汽配电商平台的商品推荐方案存在的预测用户购买意愿的准确度并不高，导致平台真实成交量较低，且严重影响用户使用体验的技术问题。

2、为了解决上述技术问题，本技术实施例提供一种电商平台商品推荐方法，采用了如下所述的技术方案：

3、一种电商平台商品推荐方法，包括：

4、接收商品推荐指令，并基于所述商品推荐指令获取意向用户的用户信息，得到第一用户信息；

5、确定与所述意向用户具有关联关系的关联用户，并获取所述关联用户的用户信息，得到第二用户信息；

6、基于预设的权重算法分别计算所述第一用户信息和所述第二用户信息的权重，得到第一权重和第二权重；

7、利用所述第一权重对所述第一用户信息进行赋权，以及利用所述第二权重对所述第二用户信息进行赋权；

8、将赋权后的所述第一用户信息和所述第二用户信息输入到预先训练好的商品推荐模型，输出所述意向用户的商品推荐结果。

9、进一步地，所述确定与所述意向用户具有关联关系的关联用户，并获取所述关联用户的用户信息，得到第二用户信息，具体包括：

10、从所述第一用户信息中提取所述意向用户的用户特征，得到第一用户特征；

11、在预设的特征数据库中查找与所述第一用户特征匹配的关联用户特征；

12、将与所述关联用户特征对应的用户确定为与所述意向用户具有关联关系的关联用户；

13、获取所述关联用户的用户信息，得到第二用户信息。

14、进一步地，所述在预设的特征数据库中查找与所述第一用户特征匹配的关联用户特征，具体包括：

15、计算所述第一用户特征与所述特征数据库中存储的用户特征的相似度，得到用户特征相似度；

16、将所述用户特征相似度大于或等于预设相似度阈值的用户特征确定为与所述第一用户特征匹配的关联用户特征。

17、进一步地，所述预设的权重算法为特征权重算法，所述基于预设的权重算法分别计算所述第一用户信息和所述第二用户信息的权重，得到第一权重和第二权重，具体包括：

18、从所述第一用户信息中提取所述意向用户的用户特征，得到第一用户特征；

19、从所述第二用户信息中提取所述关联用户的用户特征，得到第二用户特征；

20、对所述第一用户特征进行分类，得到若干个第一特征组合，以及对所述第二用户特征进行分类，得到若干个第二特征组合；

21、分别为每一个所述第一特征组合和每一个所述第二特征组合赋予相同的初始权重；

22、基于所述特征权重算法，对每一个所述第一特征组合和每一个所述第二特征组合的初始权重进行调整；

23、组合权重调整后每一个所述第一特征组合的权重，得到第一权重，以及组合权重调整后每一个所述第二特征组合的权重，得到第二权重。

24、进一步地，基于所述特征权重算法，对每一个所述第一特征组合和每一个所述第二特征组合的初始权重进行调整，具体包括：

25、计算所述第一特征组合中的用户特征相似度，得到第一相似度；

26、计算所述第二特征组合中的用户特征相似度，得到第二相似度；

27、计算所述第一特征组合和所述第二特征组合之间的用户特征相似度，得到第三相似度；

28、基于所述第一相似度和所述第三相似度对每一个所述第一特征组合的初始权重进行调整，以及基于所述第二相似度和所述第二相似度对每一个所述第二特征组合的初始权重进行调整。

29、进一步地，所述基于所述第一相似度和所述第三相似度对每一个所述第一特征组合的初始权重进行调整，以及基于所述第二相似度和所述第二相似度对每一个所述第二特征组合的初始权重进行调整，具体包括：

30、比对所述第一相似度和所述第三相似度的大小；

31、若所述第一相似度大于或等于所述第三相似度，则在所述初始权重的基础上上调所述第一特征组合的权重值，否则，在所述初始权重的基础上下调所述第一特征组合的权重值；

32、比对所述第二相似度和所述第三相似度的大小；

33、若所述第二相似度大于或等于所述第三相似度，则在所述初始权重的基础上上调所述第二特征组合的权重值，否则，在所述初始权重的基础上下调所述第二特征组合的权重值。

34、进一步地，所述商品推荐模型基于深度卷积网络cnn训练得到，所述商品推荐模型包括输入层、隐藏层和输出层，所述将赋权后的所述第一用户信息和所述第二用户信息输入到预先训练好的商品推荐模型，输出所述意向用户的商品推荐结果，具体包括：

35、在所述输入层分别对赋权后的所述第一用户信息和所述第二用户信息进行向量转化，得到第一向量和第二向量，并对第一向量和第二向量进行拼接，得到拼接向量；

36、在所述隐藏层对所述拼接向量进行卷积运算，并对运算结果中的卷积特征进行筛选和组合，得到目标特征组合，以及根据所述目标特征组合确定所述意向用户的商品推荐结果；

37、在所述输出层对所述意向用户的商品推荐结果进行归一化输出。

38、为了解决上述技术问题，本技术实施例还提供一种电商平台商品推荐装置，采用了如下所述的技术方案：

39、一种电商平台商品推荐装置，包括：

40、第一获取模块，用于接收商品推荐指令，并基于所述商品推荐指令获取意向用户的用户信息，得到第一用户信息；

41、第二获取模块，用于确定与所述意向用户具有关联关系的关联用户，并获取所述关联用户的用户信息，得到第二用户信息；

42、权重计算模块，用于基于预设的权重算法分别计算所述第一用户信息和所述第二用户信息的权重，得到第一权重和第二权重；

43、权重赋权模块，用于利用所述第一权重对所述第一用户信息进行赋权，以及利用所述第二权重对所述第二用户信息进行赋权；

44、商品推荐模块，用于将赋权后的所述第一用户信息和所述第二用户信息输入到预先训练好的商品推荐模型，输出所述意向用户的商品推荐结果。

45、为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：

46、一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上述任一项所述的电商平台商品推荐方法的步骤。

47、为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

48、一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上述中任一项所述的电商平台商品推荐方法的步骤。

49、与现有技术相比，本技术实施例主要有以下有益效果：

50、本技术公开一种电商平台商品推荐方法、装置、计算机设备及存储介质，属于人工智能技术领域。本技术通过接收商品推荐指令，并基于商品推荐指令获取意向用户的用户信息，得到第一用户信息；确定与意向用户具有关联关系的关联用户，并获取关联用户的用户信息，得到第二用户信息；基于预设的权重算法分别计算第一用户信息和第二用户信息的权重，得到第一权重和第二权重；利用第一权重对第一用户信息进行赋权，以及利用第二权重对第二用户信息进行赋权；将赋权后的第一用户信息和第二用户信息输入到预先训练好的商品推荐模型，输出意向用户的商品推荐结果。本技术通过为意向用户和关联用户赋予不同权重，并在预先训练好的商品推荐模型的基础上，结合赋权后的意向用户数据和关联用户数据来进行用户购买意愿预测，提高电商平台商品推荐的预测准确度和用户使用体验。