(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210841228.8 (22)申请日 2022.07.18 (71)申请人 创优数字科技 （广东） 有限公司 地址 516000 广东省广州市海珠区新港东 路2429号首层自编01 1房(仅限办公) (72)发明人 杨德升　 (74)专利代理 机构 北京市万慧达律师事务所 11111 专利代理师 侯岳 (51)Int.Cl. G06Q 30/06(2012.01) G06Q 30/02(2012.01) (54)发明名称 商品推荐方法、 装置、 计算机设备和存储介 质 (57)摘要 本申请涉及一种商品推荐方法、 装置、 计算 机设备和存储介质。 所述方法包括： 获取用户画 像标签， 根据用户画像标签确定目标用户群； 根 据目标用户群中各用户对应的商品画像标签生 成目标用户群的商品召回池， 商品召回池中包括 至少一个待推荐商品； 利用预先训练的商品点击 率预测模型对各个待推荐商品的点击率进行预 测， 得到各个待推荐商品对应的点击率分值； 其 中， 商品点击率预测模型根据样 本用户的历史点 击行为数据进行训练， 历史点击行为数据为样本 用户在历史的任意一个或多个时间段内对商品 触发点击 行为而生成的行为数据； 根据各个待推 荐商品的点击率分值进行商品推荐。 采用本方法 能够提高商品推荐的准确性。 权利要求书2页 说明书12页 附图2页 CN 115311042 A 2022.11.08 CN 115311042 A 1.一种商品推荐方法， 所述方法包括： 获取用户画像标签， 根据所述用户画像标签确定目标用户群； 根据所述目标用户群中各用户对应的商品画像标签生成所述目标用户群的商品召回 池， 所述商品召回池中包括至少一个待推荐 商品； 利用预先训练 的商品点击率预测模型对各所述待推荐商品的点击率进行预测， 得到各 所述待推荐商品对应的点击率分值； 其中， 所述商品点击率预测模型根据样本用户的历史 点击行为数据进 行训练， 所述历史点击行为数据为所述样本用户在历史的任意一个 或多个 时间段内对商品触发点击行为而生成的行为数据； 根据各所述待推荐 商品的点击率分值进行商品推荐。 2.根据权利要求1所述的方法， 其特征在于， 所述根据各所述待推荐商品的点击率分值 进行商品推荐， 包括： 采集各所述待推荐商品对应的用户行为信 息， 根据各所述用户行为信 息确定用户行为 分值； 根据各所述点击率分值以及各所述用户行为分值对各所述待推荐商 品进行综合评分， 根据综合评分的结果进行商品推荐。 3.根据权利要求1所述的方法， 其特征在于， 所述商 品画像标签包括价格标签和销量标 签， 所述根据所述目标用户群中各用户对应的商品画像标签生成所述目标用户群的商品召 回池， 包括： 分别获取 所述目标用户群中各用户的商品数据集； 根据所述价格标签从各所述商品数据集中筛选价格符合预设区间的商品以生成商品 备选池； 根据所述销量标签对所述商品备选池中的商 品按照销量的高低进行排序， 从排序后的 商品中筛 选预设数量的商品以生成所述商品召回池。 4.根据权利要求1或2或3所述的方法， 其特征在于， 所述商 品点击率预测模型的训练方 法包括： 获取样本用户的历史点击行为数据； 根据所述历史点击行为数据从所述样本用户对应的已点击商品中筛 选特征商品； 根据各所述特征商品的编码信息生成特 征数据； 根据多个所述样本用户的特征数据组成的特征数据集对所述商品点击率预测模型进 行训练。 5.根据权利要求4所述的方法， 其特征在于， 所述根据所述历史点击行为数据从所述样 本用户对应的已点击商品中筛 选特征商品， 包括： 将相同的已点击商品对应的点击频次进行合并处 理； 根据合并处理后的已点击商品的点击频次进行第 一排序处理， 筛选点击频次大于预设 阈值的已点击商品作为备选已点击商品； 将所述备选已点击商品按照点击时间进行第 二排序处理， 筛选点击时间在预设时间范 围内的备选已点击商品作为所述特 征商品。 6.根据权利要求4所述的方法， 其特征在于， 所述根据各所述特征商 品的编码信 息生成 特征数据， 包括：权　利　要　求　书 1/2 页 2 CN 115311042 A 2确定模型输出商品 并获取所述模型输出商品的编码信息和类别标识； 根据各所述特征商品的编码信息为所述模型输出商品添加点击标签； 根据各所述特征商品的编码信息为各 所述特征商品添加类别标识； 根据各所述特征商 品的编码信 息和类别标识、 所述模型输出商品的编码信 息和类别标 识以及所述 点击标签生成所述样本用户的特 征数据。 7.根据权利要求2所述的方法， 其特征在于， 所述根据各所述用户行为信 息确定用户行 为分值， 包括： 根据各所述用户行为信息分别对各用户行为进行 赋值； 对各所述用户行为所 赋的分值分别进行归一 化处理； 对归一化处理后的各所述分值进行求和处理或加权求和处理， 得到所述用户行为分 值。 8.一种商品推荐装置， 其特 征在于， 所述装置包括： 目标用户确定模块， 用于获取用户画像标签， 根据所述用户画像标签确定目标用户群； 待推荐商 品筛选模块， 用于根据所述目标用户群中各用户对应的商 品画像标签生成所 述目标用户群的商品召回池， 所述商品召回池中包括至少一个待推荐 商品； 点击率分值预测模块， 用于利用预先训练 的商品点击率预测模型对各所述待推荐商品 的点击率进 行预测， 得到各所述待推荐商品对应的点击率分值； 其中， 所述商品点击率预测 模型根据样本用户的历史点击行为数据进 行训练， 所述历史点击行为数据为所述样本用户 在历史的任意 一个或多个时间段内对商品进行点击行为而生成的行为数据； 商品推荐模块， 用于根据各 所述待推荐 商品的点击率分值进行商品推荐。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至7中任一项所 述方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115311042 A 3