一种商品推荐方法、装置、设备和存储介质与流程

本技术涉及商品推荐，具体涉及一种商品推荐方法、装置、设备和存储介质。

背景技术：

1、在用户进行网上购物的过程中，通常可以在购物软件的搜索栏中搜索想要购买的商品名称、商品类型或者商品描述等关键词，购物软件可以据此为用户展示多个对应的商品；还有一种搜索方式是用户进行图片搜索，即在购物软件中上传一张包含有想要购买的商品的图片，购物软件可以根据这张图片中所包含的一个或多个物品为用户展示对应的商品。

2、现有的基于图片搜索进行商品推荐的方法在确定待推荐的商品后，一般只是将销售量高或者好评率高的商品展示在推荐页的前排，但是不同的用户有不同的喜好和行为偏向，因此仅仅只针对推荐商品本身来决定商品展示的并不能很好地和用户进行契合，用户不能快速准确的被推荐到自己想要的商品，影响用户的体验。

技术实现思路

1、有鉴于此，本技术提供了一种商品推荐方法、装置、设备和存储介质，用于解决现有的基于图片搜索进行商品推荐的方法仅仅只针对推荐商品本身来决定商品展示的并不能很好地和用户进行契合，用户不能快速准确的被推荐到自己想要的商品，影响用户的体验的问题。

2、为实现以上目的，现提出的方案如下：

3、第一方面，一种商品推荐方法，包括：

4、对用户在客户端上传的搜索图片进行目标检测，以从所述搜索图片中确定各个目标框供用户选择；

5、识别用户选择的目标框中的目标物品，并在所述商品库中搜索与所述目标物品对应的多个推荐商品；

6、根据所述目标物品确定所述用户的上下文特征；

7、获取所述用户的用户基本特征，并提取每一个所述推荐商品的各个商品特征；

8、将所述用户基本特征、每一个所述推荐商品的各个商品特征以及上下文特征输入至预先训练的相似度预测模型，得到每一个所述推荐商品的综合推荐率；所述相似度预测模型是以由多个历史用户的上下文特征、基本特征和图片样本在商品库对应的多个商品样本的商品特征所组成的数据集合作为训练样本，以各个所述商品样本的真实综合推荐率为训练标签训练得到；

9、按照所述综合推荐率对各个所述推荐商品进行排序，并基于所述排序将各个所述推荐商品展示在所述客户端。

10、优选地，所述根据所述目标物品确定所述用户的上下文特征，包括：

11、确定所述目标物品的标识信息；

12、确定所述目标物品所在目标框中的区域信息；

13、识别所述目标物品所包含的各个品牌信息；

14、根据所述标识信息、区域信息和品牌信息，抽取所述目标物品的各个目标图向量；

15、将各个所述目标图向量作为所述用户的上下文特征。

16、优选地，根据所述标识信息、区域信息和品牌信息，抽取所述目标物品的各个目标图向量，包括：

17、确定所述相似度预测模型在训练过程中所应用的图向量算法；

18、根据所述标识信息、区域信息和品牌信息，采用所述图向量算法抽取所述目标物品的各个目标图向量。

19、优选地，所述根据所述标识信息、区域信息和品牌信息，采用所述图向量算法抽取所述目标物品的各个目标图向量，包括：

20、对所述区域信息进行特征的提取，得到特征数据；

21、对所述特征数据进行向量转化，得到与所述区域信息对应的特征向量；

22、从预设的向量引擎中查找与所述特征向量对应的各个标准商品图向量；

23、分别将每一个所述标准商品图向量与所述特征向量进行匹配，并确定匹配度；

24、将匹配度大于第一预设阈值的各个标准商品图向量作为所述目标物品的各个目标图向量。

25、优选地，所述按照所述综合推荐率对各个所述推荐商品进行排序，并基于所述排序将各个所述推荐商品展示在所述客户端，包括：

26、获取所述综合推荐率中的点击率、加购率和购买率；

27、分别为所述点击率、加购率和购买率设置对应的权重；其中，所述点击率的权重、加购率的权重和购买率的权重之和为第二预设阈值；

28、分别将所述点击率、加购率和购买率与各自对应的权重相乘，相乘后进行求和计算，得到平均推荐率；

29、按照所述平均推荐率从高到低的顺序对各个所述推荐商品进行排序，基于所述排序将各个所述推荐商品展示在所述客户端。

30、优选地，所述基于所述排序将各个所述推荐商品展示在所述客户端，包括：

31、确定各个所述推荐商品的商品id；

32、获取每一个所述商品id所对应的商品信息，并将每一个所述商品id对应的商品信息分别进行组装；

33、按照所述排序将组装后的商品信息汇总为列表，将所述列表展示在所述客户端。

34、优选地，所述对用户在客户端上传的搜索图片进行目标检测，以从所述搜索图片中确定各个目标框供用户选择，包括：

35、对用户在客户端上传的搜索图片进行目标检测，以确定所述搜索图片中的每一个目标对象；

36、对每一个所述目标对象进行补齐操作，以确定各个完整物品；

37、针对每一个所述完整物品，从预设的基本框图集合中确定与该完整物品所对应的基本框图，并将所述基本框图作为该完整物品的目标框。

38、第二方面，一种商品推荐装置，包括：

39、目标检测模块，用于对用户在客户端上传的搜索图片进行目标检测，以从所述搜索图片中确定各个目标框供用户选择；

40、推荐商品搜索模块，用于识别用户选择的目标框中的目标物品，并在所述商品库中搜索与所述目标物品对应的多个推荐商品；

41、上下文特征确定模块，用于获取所述用户的用户基本特征，并提取每一个所述推荐商品的各个商品特征；

42、模型处理模块，用于将所述用户基本特征、每一个所述推荐商品的各个商品特征以及上下文特征输入至预先训练的相似度预测模型，得到每一个所述推荐商品的综合推荐率；所述相似度预测模型是以由多个历史用户的上下文特征、基本特征和图片样本在商品库对应的多个商品样本的商品特征所组成的数据集合作为训练样本，以各个所述商品样本的真实综合推荐率为训练标签训练得到；

43、排序模块，用于按照所述综合推荐率对各个所述推荐商品进行排序，并基于所述排序将各个所述推荐商品展示在所述客户端。

44、第三方面，一种商品推荐设备，包括存储器和处理器；

45、所述存储器，用于存储程序；

46、所述处理器，用于执行所述程序，实现如第一方面任一项的商品推荐方法的各个步骤。

47、第四方面，一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如第一方面任一项的商品推荐方法的各个步骤。

48、从上述技术方案可以看出，本技术对用户在客户端上传的搜索图片进行目标检测，以从所述搜索图片中确定各个目标框供用户选择；识别用户选择的目标框中的目标物品，并在所述商品库中搜索与所述目标物品对应的多个推荐商品；根据所述目标物品确定所述用户的上下文特征；获取所述用户的用户基本特征，并提取每一个所述推荐商品的各个商品特征；将所述用户基本特征、每一个所述推荐商品的各个商品特征以及上下文特征输入至预先训练的相似度预测模型，得到每一个所述推荐商品的综合推荐率；所述相似度预测模型是以由多个历史用户的上下文特征、基本特征和图片样本在商品库对应的多个商品样本的商品特征所组成的数据集合作为训练样本，以各个所述商品样本的真实综合推荐率为训练标签训练得到；按照所述综合推荐率对各个所述推荐商品进行排序，并基于所述排序将各个所述推荐商品展示在所述客户端。本方案通过确定搜索图片的目标框让用户选择，首先就可以确定用户的真正搜索目的，然后确定出各个推荐商品，并需要对这些推荐商品进行排序，排序依据用户的信息，其中包括用户的上下文特征、基本特征，并利用预先训练的相似度预测模型同时处理用户的信息和推荐商品的商品特征，从而可以得到与该用户所对应的、合适的每一个推荐商品的综合推荐率，并根据这个综合推荐率对各个推荐商品信息排序，以进行展示，这样就可以从用户本身出发，将与用户更匹配的推荐商品靠前展示，使其更快的进入用户的视野，方便用户查找想要的商品，提升用户的体验。