一种商品推荐方法、装置、电子设备及存储介质与流程

本发明涉及人工智能，更具体的，涉及一种商品推荐方法、装置、电子设备及存储介质。

背景技术：

1、为了回馈用户、吸引用户消费，很多企业都会在系统中记录用户的消费累计值，例如，用户使用信用卡进行消费时会获得信用卡消费累计值，用户在购物时会获得购物消费累计值。用户可以使用消费累计值进行商品交易。

2、为了满足用户各种各样的交易需求，消费累计值可交易的商品种类越来越多，用户需要在海量商品中寻找自己所需的目标商品，费时费力。

技术实现思路

1、有鉴于此，本发明提供了一种商品推荐方法、装置、电子设备及存储介质，根据用户画像数据以及历史购物数据，为用户精准的推荐符合用户需求的目标商品，有效提升用户体验。

2、为了实现上述发明目的，本发明提供的具体技术方案如下：

3、第一方面，本发明实施例提供了一种商品推荐方法，包括：

4、获取用户画像数据，所述用户画像数据至少包括消费累计值；

5、将所述用户画像数据输入预先训练的神经网络模型，得到用户的消费累计值交易方式，所述神经网络模型是预先利用标注有消费累计值交易方式的样本数据训练得到的；

6、根据用户的消费累计值交易方式以及用户消费累计值，在目标范围内确定多个候选商品；

7、获取用户的历史购物数据；

8、分别根据所述历史购物数据与每个所述候选商品的相关性，确定每个所述候选商品的交易概率；

9、基于每个所述候选商品的交易概率向用户推荐候选商品。

10、在一些实施例中，所述根据用户的消费累计值交易方式以及用户消费累计值，在目标范围内确定多个候选商品，包括：

11、当用户的消费累计值交易方式为纯消费累计值交易时，将所述目标范围内所需消费累计值不大于用户消费累计值的纯消费累计值交易商品，确定为所述候选商品；

12、当用户的消费累计值交易方式为组合消费累计值交易时，将所述目标范围内消费累计值部分不大于用户消费累计值的组合消费累计值交易商品，确定为所述候选商品，所述组合消费累计值交易包括使用消费累计值和货币组合交易的交易方式。

13、在一些实施例中，所述分别根据所述历史购物数据与每个所述候选商品的相关性，确定每个所述候选商品的交易概率，包括：

14、针对每个所述候选商品，在所述历史购物数据中提取与所述候选商品存在相关性的商品，与所述候选商品存在相关性的商品类型包括：与所述候选商品属于同类型消耗品的商品、与所述候选商品属于同类型非消耗品的商品、与所述候选商品属于相同消耗品的商品以及与所述候选商品属于相同非消耗品的商品；

15、对每种与所述候选商品存在相关性的商品类型对应的商品数量进行加权求和，得到所述候选商品的分数，其中，同类型消耗品与相同消耗品的权重为正数，且同类型消耗品的权重小于相同消耗品的权重，同类型非消耗品与相同非消耗品的权重为负数，且同类型非消耗品的权重大于相同非消耗品的权重；

16、对每个所述候选商品的分数进行归一化处理，得到每个所述候选商品的交易概率。

17、在一些实施例中，在基于每个所述候选商品的交易概率向用户推荐候选商品之后，所述方法还包括：

18、获取用户的消费累计值交易商品；

19、若用户的消费累计值交易商品与向用户推荐的商品不一致，根据所述历史购物数据中每种与用户的消费累计值交易商品存在相关性的商品类型对应的商品数量，调整其对应的权重。

20、第二方面，本发明实施例提供了一种消费累计值商品推荐装置，包括：

21、用户画像获取单元，用于获取用户画像数据，所述用户画像数据至少包括消费累计值；

22、交易方式预测单元，用于将所述用户画像数据输入预先训练的神经网络模型，得到用户的消费累计值交易方式，所述神经网络模型是预先利用标注有消费累计值交易方式的样本数据训练得到的；

23、候选商品确定单元，用于根据用户的消费累计值交易方式以及用户消费累计值，在目标范围内确定多个候选商品；

24、购物数据获取单元，用于获取用户的历史购物数据；

25、交易概率确定单元，用于分别根据所述历史购物数据与每个所述候选商品的相关性，确定每个所述候选商品的交易概率；

26、候选商品推荐单元，用于基于每个所述候选商品的交易概率向用户推荐候选商品。

27、在一些实施例中，所述候选商品确定单元，具体用于：

28、当用户的消费累计值交易方式为纯消费累计值交易时，将所述目标范围内所需消费累计值不大于用户消费累计值的纯消费累计值交易商品，确定为所述候选商品；

29、当用户的消费累计值交易方式为组合消费累计值交易时，将所述目标范围内消费累计值部分不大于用户消费累计值的组合消费累计值交易商品，确定为所述候选商品，所述组合消费累计值交易包括使用消费累计值和货币组合交易的交易方式。

30、在一些实施例中，所述交易概率确定单元，具体用于：

31、针对每个所述候选商品，在所述历史购物数据中提取与所述候选商品存在相关性的商品，与所述候选商品存在相关性的商品类型包括：与所述候选商品属于同类型消耗品的商品、与所述候选商品属于同类型非消耗品的商品、与所述候选商品属于相同消耗品的商品以及与所述候选商品属于相同非消耗品的商品；

32、对每种与所述候选商品存在相关性的商品类型对应的商品数量进行加权求和，得到所述候选商品的分数，其中，同类型消耗品与相同消耗品的权重为正数，且同类型消耗品的权重小于相同消耗品的权重，同类型非消耗品与相同非消耗品的权重为负数，且同类型非消耗品的权重大于相同非消耗品的权重；

33、对每个所述候选商品的分数进行归一化处理，得到每个所述候选商品的交易概率。

34、在一些实施例中，所述装置还包括：

35、权重更新单元，用于获取用户的消费累计值交易商品；若用户的消费累计值交易商品与向用户推荐的商品不一致，根据所述历史购物数据中每种与用户的消费累计值交易商品存在相关性的商品类型对应的商品数量，调整其对应的权重。

36、第三方面，本发明实施例提供了一种电子设备，所述电子设备包括处理器以及存储器；

37、所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

38、所述处理器用于根据所述程序代码中的指令执行如第一方面中任意一种实现方式描述的商品推荐方法。

39、第四方面，本发明实施例提供了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程序，所述计算机程序被处理器执行时实现如第一方面中任意一种实现方式描述的商品推荐方法。

40、相对于现有技术，本发明的有益效果如下：

41、本发明公开的一种商品推荐方法、装置、电子设备及存储介质，通过将用户画像数据输入预先训练的神经网络模型预测用户的消费累计值交易方式，根据用户的消费累计值交易方式以及用户消费累计值，在目标范围内确定多个候选商品，并根据用户的历史购物数据与每个候选商品的相关性，确定每个候选商品的交易概率，从而基于每个候选商品的交易概率为用户精准的推荐符合用户需求的候选商品，避免用户在大量商品中费时费力的寻找自己所需的目标商品，有效提升用户体验。