商品组合推荐方法及其装置、设备、介质与流程

本技术涉及电商，尤其涉及一种商品组合推荐方法及其相应的装置、计算机设备、计算机可读存储介质。

背景技术：

1、商品组合促销是指多个商品捆绑销售，以提供更大的价值和吸引力给消费者，使得消费者可以以更低的价格或者更多的附加价值来购买多个商品，从而鼓励消费者购买更多的商品，进而增加销售金额和销售商品数量。

2、传统技术中，通常基于线上店铺自身的用户采购数据，分析得出密切相关的商品进行组合，将所得的商品组合向消费者用户推荐，然而，对于刚成立的线上店铺和成立不久的线上店铺严重缺乏用户采购数据，以至于无法分析得出相应的商品组合，其次，即便是线上店铺具有一定量的用户采购数据，所得的商品组合也并未考察将其用于推荐的效果，容易导致效果达不到预期。

3、鉴于传统技术的不足，本技术人长期从事相关领域的研究，为解决电商领域业内难题，故另辟蹊径。

技术实现思路

1、本技术的首要目的在于解决上述问题至少之一而提供一种商品组合推荐方法及其相应的装置、计算机设备、计算机可读存储介质。

2、为满足本技术的各个目的，本技术采用如下技术方案：

3、适应本技术的目的之一而提供的一种商品组合推荐方法，包括如下步骤：

4、根据每个线上店铺对应的用户采购数据集，采用关联分析算法构造出每个线上店铺对应的商品组合集、品类组合集、品牌组合集，所述用户采购数据集包含用户采购相应线上店铺商品产生的用户采购数据，其中包括用户标识、商品标识、商品品类、商品品牌；

5、根据目标线上店铺内目标商品的商品标识、商品品类、商品品牌，从目标线上店铺的商品组合集中召回候选商品组合，以及从所有线上店铺的品类组合集、品牌组合集中召回目标品类组合、目标品牌组合；

6、根据所述目标品类组合、目标品牌组合召回与所述目标商品的商品品类组合的商品品类对应的第一商品，与目标商品构成候选商品组合，以及召回与所述目标商品的商品品牌组合的商品品牌对应的第二商品，与目标商品构成候选商品组合；

7、采用预设的购买预测模型对包含目标商品的所有候选商品组合进行预测，确定出每个候选商品组合对应的购买率，筛选出购买率满足预设条件的推荐商品组合。

8、进一步的实施例中，根据每个线上店铺对应的用户采购数据集，采用关联分析算法构造出每个线上店铺对应的商品组合集、品类组合集、品牌组合集，包括如下步骤：

9、获取每个线上店铺的用户采购数据集，以用户为聚类单位，分别对商品标识、商品品类、商品品牌进行相应维度的聚类，确定出各个维度相对应的各个数据集；

10、基于所述各个数据集采用关联分析算法分别确定出相应维度的组合集，包括商品组合集、品类组合集、品牌组合集；

11、确定出商品组合集、品类组合集、品牌组合集中每个组合的支持度和置信度，所述支持度表示相应组合出现的频率，所述置信度表示相应组合的关系紧密程度；

12、剔除商品组合集、品类组合集、品牌组合集中支持度和/或置信度不符合预设条件的组合。

13、进一步的实施例中，根据目标线上店铺内目标商品的商品标识、商品品类、商品品牌，从目标线上店铺的商品组合集中召回候选商品组合，以及从所有线上店铺的品类组合集、品牌组合集中召回目标品类组合、目标品牌组合，包括如下步骤：

14、根据目标线上店铺内目标商品的商品标识从目标线上店铺的商品组合集中召回包含该商品标识的候选商品组合；

15、从所有线上店铺的品类组合集中召回包含所述目标商品的商品品类的候选品类组合，根据候选品类组合在相应品类组合集对应的支持度和/或置信度匹配权重计算出每个候选品类组合对应的排序评分，筛选出排序评分满足预设条件的目标品类组合，所述权重为候选品类组合所在品类组合集对应的线上店铺与目标线上店铺之间的相似度；

16、从所有线上店铺的品牌组合集中召回包含所述目标商品的商品品牌的候选品类组合，根据候选品牌组合在相应品牌组合集对应的支持度和/或置信度匹配权重计算出每个候选品牌组合对应的排序评分，筛选出排序评分满足预设条件的目标品牌组合，所述权重为候选品牌组合所在品牌组合集对应的线上店铺与目标线上店铺之间的相似度。

17、进一步的实施例中，根据目标线上店铺内目标商品的商品标识从目标线上店铺的商品组合集中召回包含该商品标识的候选商品组合之前，包括如下步骤：

18、获取每个线上店铺对应的所有商品品类，构造出相应的品类分布；

19、根据每个线上店铺对应的品类分布，计算出线上店铺之间的相似度。

20、进一步的实施例中，采用预设的购买预测模型对包含目标商品的所有候选商品组合进行预测，确定出每个候选商品组合对应的购买率，包括如下步骤：

21、获取包含目标商品的所有候选商品组合中，每个候选商品组合包含的各个商品的商品信息，所述商品信息包括商品描述文本和商品图片；

22、采用预设的购买预测模型提取出候选商品组合包含的各个商品的商品信息对应的图文融合信息进行拼接，构成组合特征表示；

23、基于所述组合特征表示确定出候选商品组合的购买率。

24、进一步的实施例中，根据所述目标品类组合、目标品牌组合召回与所述目标商品的商品品类组合的商品品类对应的第一商品，与目标商品构成候选商品组合，以及召回与所述目标商品的商品品牌组合的商品品牌对应的第二商品，与目标商品构成候选商品组合，包括如下步骤：

25、根据所述目标品类组合召回与所述目标商品的商品品类组合的商品品类对应的多个第一候选商品，确定出每个第一候选商品对应的销售成效，筛选出销售成效满足预设条件的第一商品，与目标商品构成候选商品组合，所述销售成效根据第一候选商品的点击率、转化率、销量中任意一项或任意多项确定；

26、根据所述目标品牌组合召回与所述目标商品的商品品牌组合的商品品牌对应的多个第二候选商品，确定出每个第二候选商品对应的销售成效，筛选出销售成效满足预设条件的第二商品，与目标商品构成候选商品组合，所述销售成效根据第二候选商品的点击率、转化率、销量中任意一项或任意多项确定。

27、进一步的实施例中，采用预设的购买预测模型对包含目标商品的所有候选商品组合进行预测，确定出每个候选商品组合对应的购买率之前，包括如下步骤：

28、从预备的训练集中获取单个训练样本及其监督标签，所述训练样本是商品组合所包含所有商品的商品信息，所述监督标签表征训练样本的商品组合是否被用户购买；

29、采用预设的购买预测模型提取出训练样本中各个商品对应的图文融合信息进行拼接，构成组合特征表示；

30、基于所述组合特征表示确定出候选商品组合的预测结果；

31、采用所述训练样本的监督标签，确定所述预测购买率的损失值，在所述损失值未达到预设阈值时，对购买预测模型实施权重更新，并继续调用其他训练样本实施迭代训练直至购买预测模型收敛。

32、另一方面，适应本技术的目的之一而提供的一种商品组合推荐装置，包括组合集构造模块、组合召回模块、候选召回模块以及购买率预测模块，其中，组合集构造模块，用于根据每个线上店铺对应的用户采购数据集，采用关联分析算法构造出每个线上店铺对应的商品组合集、品类组合集、品牌组合集，所述用户采购数据集包含用户采购相应线上店铺商品产生的用户采购数据，其中包括用户标识、商品标识、商品品类、商品品牌；组合召回模块，用于根据目标线上店铺内目标商品的商品标识、商品品类、商品品牌，从目标线上店铺的商品组合集中召回候选商品组合，以及从所有线上店铺的品类组合集、品牌组合集中召回目标品类组合、目标品牌组合；候选召回模块，用于根据所述目标品类组合、目标品牌组合召回与所述目标商品的商品品类组合的商品品类对应的第一商品，与目标商品构成候选商品组合，以及召回与所述目标商品的商品品牌组合的商品品牌对应的第二商品，与目标商品构成候选商品组合；购买率预测模块，用于采用预设的购买预测模型对包含目标商品的所有候选商品组合进行预测，确定出每个候选商品组合对应的购买率，筛选出购买率满足预设条件的推荐商品组合。

33、进一步的实施例中，所述组合集构造模块，包括：多维度聚类子模块，用于获取每个线上店铺的用户采购数据集，以用户为聚类单位，分别对商品标识、商品品类、商品品牌进行相应维度的聚类，确定出各个维度相对应的各个数据集；关联分析子模块，用于基于所述各个数据集采用关联分析算法分别确定出相应维度的组合集，包括商品组合集、品类组合集、品牌组合集；数值确定子模块，用于确定出商品组合集、品类组合集、品牌组合集中每个组合的支持度和置信度，所述支持度表示相应组合出现的频率，所述置信度表示相应组合的关系紧密程度；组合剔除子模块，用于剔除商品组合集、品类组合集、品牌组合集中支持度和/或置信度不符合预设条件的组合。

34、进一步的实施例中，所述组合召回模块，包括：商品组合召回子模块，用于根据目标线上店铺内目标商品的商品标识从目标线上店铺的商品组合集中召回包含该商品标识的候选商品组合；第一排序召回子模块，用于从所有线上店铺的品类组合集中召回包含所述目标商品的商品品类的候选品类组合，根据候选品类组合在相应品类组合集对应的支持度和/或置信度匹配权重计算出每个候选品类组合对应的排序评分，筛选出排序评分满足预设条件的目标品类组合，所述权重为候选品类组合所在品类组合集对应的线上店铺与目标线上店铺之间的相似度；第二排序召回子模块，用于从所有线上店铺的品牌组合集中召回包含所述目标商品的商品品牌的候选品类组合，根据候选品牌组合在相应品牌组合集对应的支持度和/或置信度匹配权重计算出每个候选品牌组合对应的排序评分，筛选出排序评分满足预设条件的目标品牌组合，所述权重为候选品牌组合所在品牌组合集对应的线上店铺与目标线上店铺之间的相似度。

35、进一步的实施例中，商品组合召回子模块之前，包括：品类分布构造子模块，用于获取每个线上店铺对应的所有商品品类，构造出相应的品类分布；相似度计算子模块，用于根据每个线上店铺对应的品类分布，计算出线上店铺之间的相似度。

36、进一步的实施例中，所述购买率预测模块，包括：信息获取子模块，用于获取包含目标商品的所有候选商品组合中，每个候选商品组合包含的各个商品的商品信息，所述商品信息包括商品描述文本和商品图片；第一特征提取子模块，用于采用预设的购买预测模型提取出候选商品组合包含的各个商品的商品信息对应的图文融合信息进行拼接，构成组合特征表示；购买率确定子模块，用于基于所述组合特征表示确定出候选商品组合的购买率。

37、进一步的实施例中，所述候选召回模块，包括：第一候选召回子模块，用于根据所述目标品类组合召回与所述目标商品的商品品类组合的商品品类对应的多个第一候选商品，确定出每个第一候选商品对应的销售成效，筛选出销售成效满足预设条件的第一商品，与目标商品构成候选商品组合，所述销售成效根据第一候选商品的点击率、转化率、销量中任意一项或任意多项确定；第二候选召回子模块，用于根据所述目标品牌组合召回与所述目标商品的商品品牌组合的商品品牌对应的多个第二候选商品，确定出每个第二候选商品对应的销售成效，筛选出销售成效满足预设条件的第二商品，与目标商品构成候选商品组合，所述销售成效根据第二候选商品的点击率、转化率、销量中任意一项或任意多项确定。

38、进一步的实施例中，所述购买率预测模块之前，包括：训练预备子模块，用于从预备的训练集中获取单个训练样本及其监督标签，所述训练样本是商品组合所包含所有商品的商品信息，所述监督标签表征训练样本的商品组合是否被用户购买；第二特征提取子模块，用于采用预设的购买预测模型提取出训练样本中各个商品对应的图文融合信息进行拼接，构成组合特征表示；模型预测子模块，用于基于所述组合特征表示确定出候选商品组合的预测结果；迭代训练子模块，用于采用所述训练样本的监督标签，确定所述预测购买率的损失值，在所述损失值未达到预设阈值时，对购买预测模型实施权重更新，并继续调用其他训练样本实施迭代训练直至购买预测模型收敛。

39、又一方面，适应本技术的目的之一而提供的一种计算机设备，包括中央处理器和存储器，所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行本技术所述的商品组合推荐方法的步骤。

40、又一方面，适应本技术的另一目的而提供的一种计算机可读存储介质，其以计算机可读指令的形式存储有依据所述的商品组合推荐方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行该方法所包括的步骤。

41、本技术的技术方案存在多方面优势，包括但不限于如下各方面：

42、本技术通过采用关联分析算法基于每个线上店铺对应的用户采购数据集构造出相对应的商品组合集、品类组合集、品牌组合集，根据目标线上店铺内目标商品的商品标识、商品品类、商品品牌，召回目标线上店铺的商品组合集中的候选商品组合，召回所有线上店铺的品类组合集、品牌组合集中的目标品类组合、目标品牌组合，根据这些组合中与目标商品的商品品类、商品品牌对应组合的商品品类、商品品牌，对应召回第一商品、第二商品分别与目标商品构成候选商品组合，采用购买预测模型预测出包含目标商品的候选商品组合对应的购买率，据此优选出推荐商品组合。一方面，能够解决商品组合推荐的冷启动问题，使得对于严重缺乏用户采购数据的线上店铺能够推荐丰富的商品组合，包括关于商品品类、商品品牌各个维度组合的商品组合。对于有一定量用户采购数据的线上店铺能够推荐更丰富的商品组合，包括关于商品品类、商品品牌、商品本身各个维度组合的商品组合。另一方面，依据候选商品组合的购买率优选出推荐商品组合，能够保障推荐商品组合有望吸引用户，激发用户购买欲，促进商品组合销售。