本技術涉及數(shù)據(jù)處理,尤其涉及一種交易項目推薦方法、裝置、設備及存儲介質。
背景技術:
1、項目推薦(如交易項目推薦、娛樂項目推薦等),是指基于預先得到授權的歷史數(shù)據(jù),通過數(shù)據(jù)挖掘和分析數(shù)據(jù),識別出與用戶畫像相匹配的項目并向用戶推薦。
2、其中,現(xiàn)有的交易項目推薦方法主要是基于用戶的歷史交易數(shù)據(jù),分析確定交易成功次數(shù)較高的交易項目,并向用戶推薦。
3、然而,上述方法的交易項目推薦結果與用戶需求的匹配度不高,導致推薦成功率較低,從而無法提高交易項目的交易量。
技術實現(xiàn)思路
1、本技術提供一種交易項目推薦方法、裝置、設備及存儲介質,用以解決現(xiàn)有技術中交易項目推薦結果與用戶需求的匹配度不高,導致推薦成功率較低的問題。
2、第一方面,本技術提供一種交易項目推薦方法,包括:
3、獲取各用戶的歷史交易信息,根據(jù)各所述用戶的所述歷史交易信息確定每個所述用戶的用戶標簽;
4、根據(jù)各所述歷史交易信息確定至少一個用戶群體;其中,所述用戶群體包括位于相同區(qū)域內(nèi)的一個或多個用戶;
5、根據(jù)各所述用戶群體中各用戶的歷史交易信息,分別確定與各所述用戶群體對應的項目群體;其中,所述項目群體包括多個關聯(lián)交易項目;
6、根據(jù)各所述歷史交易信息、各所述用戶標簽以及各所述項目群體建立項目推薦模型;
7、響應于接收到項目交易申請,將所述項目交易申請輸入所述項目推薦模型,得到所述項目推薦模型輸出的項目推薦列表;其中,所述項目推薦列表包括在目標用戶所對應的項目群體中,與所述項目交易申請相匹配的一個或多個關聯(lián)交易項目。
8、在一種可能的設計中,所述歷史交易信息包括至少一個歷史交易項目;
9、所述根據(jù)各所述用戶群體中各用戶的歷史交易信息,分別確定與各所述用戶群體對應的項目群體,包括:
10、分別確定每個所述用戶群體中每兩個所述歷史交易項目之間的相關度;
11、針對每個所述用戶群體,確定出大于或等于第一閾值的相關度為目標相關度,并以與所述目標相關度對應的各歷史交易項目為所述用戶群體對應關聯(lián)交易項目,得到各所述用戶群體的項目群體;
12、為各所述用戶群體的項目群體中的各關聯(lián)交易項目添加對應的群體標簽,并為各所述用戶群體中的各用戶添加對應的群體標簽。
13、在一種可能的設計中,所述根據(jù)各所述歷史交易信息、各所述用戶標簽以及各所述項目群體建立項目推薦模型,包括:
14、根據(jù)各項目群體對應的各用戶的用戶標簽和歷史交易記錄,分別構建與各所述項目群體對應的用戶與交易項目聯(lián)合關系;
15、通過分析算法對與各所述項目群體對應的用戶與交易項目聯(lián)合關系進行處理,得到項目推薦模型;其中,所述分析算法包括協(xié)同過濾算法或回歸分析算法。
16、在一種可能的設計中,所述項目交易申請包括目標用戶id;
17、所述響應于接收到項目交易申請,將所述項目交易申請輸入所述項目推薦模型,得到所述項目推薦模型輸出的項目推薦列表,包括:
18、響應于接收到所述項目交易申請,根據(jù)所述項目交易申請攜帶的目標用戶id確定目標用戶的群體標簽;
19、根據(jù)所述目標用戶的群體標簽確定目標項目群體,并確定所述目標項目群體中的各關聯(lián)交易項目;
20、將所述項目交易申請及所述目標項目群體中各關聯(lián)交易項目輸入所述項目推薦模型中,得到所述項目推薦模型輸出的項目推薦列表。
21、在一種可能的設計中,所述歷史交易信息包括至少一個歷史交易項目、每個所述歷史交易項目所屬城市中的至少一種;
22、所述根據(jù)各所述歷史交易信息確定至少一個用戶群體,包括:
23、根據(jù)各所述用戶的歷史交易信息中各歷史交易項目的所屬城市,確定每個所述用戶的城市標簽;
24、確定具有相同城市標簽的用戶屬于同一用戶群體。
25、在一種可能的設計中,所述根據(jù)各所述用戶的歷史交易信息中各歷史交易項目的所屬城市,確定每個所述用戶的城市標簽,包括:
26、對各所述用戶的歷史交易信息中各所述歷史交易項目所屬城市進行連續(xù)化處理,得到各所述用戶的連續(xù)性城市信息數(shù)據(jù);
27、基于線性優(yōu)化算法對各所述用戶的連續(xù)性城市信息數(shù)據(jù)進行線性優(yōu)化,得到每個所述用戶的城市標簽;其中,所述線性優(yōu)化算法包括邏輯回歸模型。
28、在一種可能的設計中,所述獲取各用戶的歷史交易信息,根據(jù)各所述用戶的所述歷史交易信息確定每個所述用戶的用戶標簽,包括:
29、獲取各所述用戶的歷史交易信息;
30、基于精細化運營模型對各所述用戶的歷史交易信息進行處理,得到每個所述用戶的用戶級別;其中,所述用戶級別包括第一類用戶和第二類用戶;
31、分別根據(jù)每個所述用戶的用戶級別為每個所述用戶添加對應的用戶標簽;其中,所述用戶標簽包括第一用戶標簽和第二用戶標簽。
32、在一種可能的設計中,所述響應于接收到項目交易申請,將所述項目交易申請輸入所述項目推薦模型,得到所述項目推薦模型輸出的項目推薦列表,還包括:
33、響應于接收到項目交易申請,根據(jù)所述項目交易申請攜帶的目標用戶id確定目標用戶標簽;
34、在所述目標用戶標簽為第一用戶標簽時,根據(jù)所述目標用戶id確定目標用戶對應的目標項目群體,并確定所述目標項目群體中的各關聯(lián)交易項目;
35、將所述目標用戶id、所述目標用戶標簽以及所述目標項目群體中的各關聯(lián)交易項目輸入所述項目推薦模型中,得到所述項目推薦模型輸出的項目推薦列表。
36、在一種可能的設計中,所述方法,還包括:
37、根據(jù)所述項目推薦列表中各關聯(lián)交易項目與所述項目交易申請的匹配度,對所述項目推薦列表中各關聯(lián)交易項目排序,并顯示所述項目推薦列表;
38、接收與所述項目推薦列表相對應的請求;
39、基于與所述項目推薦列表相對應的請求對所述項目推薦模型進行優(yōu)化訓練,得到優(yōu)化訓練后的項目推薦模型。
40、第二方面,本技術提供一種交易項目推薦裝置,包括:
41、獲取模塊,用于獲取各用戶的歷史交易信息,根據(jù)各所述用戶的所述歷史交易信息確定每個所述用戶的用戶標簽;
42、用戶群體確定模塊,用于根據(jù)各所述歷史交易信息確定至少一個用戶群體;其中,所述用戶群體包括位于相同區(qū)域內(nèi)的一個或多個用戶;
43、項目群體確定模塊,用于根據(jù)各所述用戶群體中各用戶的歷史交易信息,分別確定與各所述用戶群體對應的項目群體;其中,所述項目群體包括多個關聯(lián)交易項目;
44、模型構建模塊,用于根據(jù)各所述歷史交易信息、各所述用戶標簽以及各所述項目群體建立項目推薦模型;
45、項目推薦模塊,用于響應于接收到項目交易申請,將所述項目交易申請輸入所述項目推薦模型,得到所述項目推薦模型輸出的項目推薦列表;其中,所述項目推薦列表包括在目標用戶所對應的項目群體中,與所述項目交易申請相匹配的一個或多個關聯(lián)交易項目。
46、第三方面,本技術實施例提供一種電子設備,包括:至少一個處理器和存儲器;所述存儲器存儲計算機執(zhí)行指令;所述至少一個處理器執(zhí)行所述存儲器存儲的計算機執(zhí)行指令,使得所述至少一個處理器執(zhí)行如上第一方面以及第一方面各種可能的設計所述的交易項目推薦方法。
47、第四方面,本技術實施例提供一種計算機可讀存儲介質,所述計算機可讀存儲介質中存儲有計算機執(zhí)行指令,當處理器執(zhí)行所述計算機執(zhí)行指令時,實現(xiàn)如上第一方面以及第一方面各種可能的設計所述的交易項目推薦方法。
48、第五方面,本技術實施例提供一種計算機程序產(chǎn)品,包括計算機程序,所述計算機程序被處理器執(zhí)行時,實現(xiàn)如上第一方面以及第一方面各種可能的設計所述的交易項目推薦方法。
49、本技術提供的交易項目推薦方法、裝置、設備及存儲介質,通過獲取各用戶的歷史交易信息,根據(jù)各用戶的所述歷史交易信息確定每個用戶的用戶標簽,根據(jù)各歷史交易信息確定至少一個用戶群體,根據(jù)各用戶群體中各用戶的歷史交易信息,分別確定與各用戶群體對應的項目群體,根據(jù)各歷史交易信息、各用戶標簽以及各項目群體建立項目推薦模型。響應于接收到項目交易申請,將項目交易申請輸入項目推薦模型,得到項目推薦模型輸出的項目推薦列表,得到在項目交易申請對應的目標用戶所屬的項目群體中,與項目交易申請相匹配的一個或多個關聯(lián)交易項目。也就是說,可以通過項目推薦模型在具有同一城市標簽的同一用戶群體所對應的項目群體中,確定出與當前時刻下項目交易申請相匹配的關聯(lián)交易項目,提高了項目推薦列表與當前時刻的項目交易申請之間的匹配度。因此,能夠解決現(xiàn)有技術中交易項目推薦結果與用戶需求的匹配度不高,推薦成功率較低的問題。