CN115456733A - 基于用户反馈的物品推荐方法、装置和电子设备 - Google Patents
基于用户反馈的物品推荐方法、装置和电子设备 Download PDFInfo
- Publication number
- CN115456733A CN115456733A CN202211226305.5A CN202211226305A CN115456733A CN 115456733 A CN115456733 A CN 115456733A CN 202211226305 A CN202211226305 A CN 202211226305A CN 115456733 A CN115456733 A CN 115456733A
- Authority
- CN
- China
- Prior art keywords
- implicit
- user
- feedback
- determining
- score
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
- G06Q30/0629—Directed, with specific intent or strategy for generating comparisons
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种基于用户反馈的物品推荐方法、装置和电子设备,涉及计算机推荐技术领域,该方法包括:基于预先获取的隐式反馈数据确定每种隐式反馈行为的权重以及目标物品的加权隐式评分;隐式反馈行为包括:搜索、浏览、收藏、加购和购买;根据加权隐式评分和预先获取的显式评分,确定预测评分矩阵;基于预测评分矩阵向用户进行物品推荐,通过上述方法可以缓解现有技术中存在的推荐准确度较低的问题,实现了提高物品推荐准确的效果。
Description
技术领域
本发明涉及计算机推荐技术领域,尤其是涉及一种基于用户反馈的物品推荐方法、装置和电子设备。
背景技术
随着大数据的广泛应用,用户的历史行为数据(如浏览、收藏)隐式地包含用户的偏好信息,评分则直接表示了用户对物品的喜恶,很多推荐***都将用户行为作为物品推荐***的重要数据来源之一。根据用户的反馈机制,可以将用户的行为数据分为显式反馈数据和隐式反馈数据,目前对于隐式反馈的研究通常只关注一种隐性反馈数据,如购买。但在现实场景中,隐式反馈行为是多种多样的,只关注一种行为会造成数据浪费,同时依赖单一维度、单一种类的反馈数据进行物品推荐,会对最终推荐结果的准确度产生极大的影响。也就是说,现有反馈数据进行物品推荐的技术中存在推荐准确度较低的问题。
发明内容
本发明的目的在于提供一种基于用户反馈的物品推荐方法、装置和电子设备,以缓解现有技术中存在的推荐准确度较低的技术问题。
第一方面,本发明实施例提供了一种基于用户反馈的物品推荐方法,包括:
基于预先获取的隐式反馈数据确定每种隐式反馈行为的权重以及目标物品的加权隐式评分;上述隐式反馈行为包括:搜索、浏览、收藏、加购和购买;
根据上述加权隐式评分和预先获取的显式评分,确定预测评分矩阵;
基于上述预测评分矩阵向上述用户进行物品推荐。
在一些可能的实施方式中,上述方法还包括:获取用户对目标物品的隐式反馈数据;上述隐式反馈数据包括用户的隐式反馈行为以及执行上述隐式反馈行为的次数。
在一些可能的实施方式中,上述方法还包括:获取用户对目标物品的显示评分;上述显示评分包括上述用户对上述目标物品的评分。
在一些可能的实施方式中,根据上述加权隐式评分和预先获取的显式评分,确定预测评分矩阵,包括:根据时间衰减因子确定上述用户对上述目标物品的实时感兴趣程度;基于上述加权隐式评分和上述兴趣程度权重,确定上述目标物品的隐式评分;根据上述隐式评分和预先获取的显式评分,确定预测评分矩阵。
在一些可能的实施方式中,根据上述隐式评分和预先获取的显式评分,确定预测评分矩阵,包括:根据上述隐式评分确定隐式偏好矩阵;将上述显示评分和上述隐式偏好矩阵结合,生成预测评分矩阵。
第二方面,本发明实施例提供了一种基于用户反馈的物品推荐装置,包括:
加权隐式评分确定模块,用于基于预先获取的隐式反馈数据确定每种隐式反馈行为的权重以及目标物品的加权隐式评分;上述隐式反馈行为包括:搜索、浏览、收藏、加购和购买;
预测评分矩阵确定模块,用于根据上述加权隐式评分和预先获取的显式评分,确定预测评分矩阵;
物品推荐模块,用于基于上述预测评分矩阵向上述用户进行物品推荐。
在一些可能的实施方式中,上述装置还包括:数据获取模块,用于获取用户对目标物品的隐式反馈数据;上述隐式反馈数据包括用户的隐式反馈行为以及执行上述隐式反馈行为的次数。
在一些可能的实施方式中,上述数据获取模块,还用于获取用户对目标物品的显示评分;上述显示评分包括上述用户对上述目标物品的评分。
第三方面,本发明实施例提供了一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
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存储有机器可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行上述第一方面任一项所述的方法。
本发明提供了一种基于用户反馈的物品推荐方法、装置和电子设备,该方法包括:基于预先获取的隐式反馈数据确定每种隐式反馈行为的权重以及目标物品的加权隐式评分;隐式反馈行为包括:搜索、浏览、收藏、加购和购买;根据加权隐式评分和预先获取的显式评分,确定预测评分矩阵;基于预测评分矩阵向用户进行物品推荐,通过上述方法可以缓解现有技术中存在的推荐准确度较低的问题,实现了提高物品推荐准确的效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于用户反馈的物品推荐方法的流程示意图;
图2为本发明实施例提供的另一种基于用户反馈的物品推荐方法的流程示意图;
图3为本发明实施例提供的一种基于用户反馈的物品推荐装置的结构示意图;
图4为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。下面结合附图,对本发明的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
随着大数据的广泛应用,用户的历史行为数据(如浏览、收藏)隐式地包含用户的偏好信息,评分则直接表示了用户对产品的喜恶,很多推荐***都将用户反馈作为物品推荐***的重要数据来源之一。根据用户的反馈机制,可以将用户的行为数据分为显式反馈数据和隐式反馈数据,目前对于隐式反馈的研究通常只关注一种隐式反馈数据,如购买。但在现实场景中,隐式反馈行为是多种多样的,只关注一种行为会造成数据浪费,同时依赖单一维度、单一种类的反馈数据进行物品推荐,会对最终推荐结果的准确度产生极大的影响。也就是说,现有反馈数据进行物品推荐的技术中存在推荐准确度较低的问题。
基于此,本发明实施例提供了一种基于用户反馈的物品推荐方法、装置和电子设备,以缓解现有技术中存在的推荐准确度较低的技术问题。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种基于用户反馈的物品推荐方法进行详细介绍,参见图1所示的一种基于用户反馈的物品推荐方法的流程示意图,该方法可以由电子设备执行,主要包括以下步骤S110至步骤S130:
S110:基于预先获取的隐式反馈数据确定每种隐式反馈行为的权重以及目标物品的加权隐式评分;隐式反馈行为包括:搜索、浏览、收藏、加购和购买;
S120:根据加权隐式评分和预先获取的显式评分,确定预测评分矩阵;S130:基于预测评分矩阵向用户进行物品推荐。
在一种实施例中,该方法还包括:获取用户对目标物品的隐式反馈数据;隐式反馈数据包括用户的隐式反馈行为以及执行隐式反馈行为的次数。
在一种实施例中,该方法还包括:获取用户对目标物品的显示评分;显示评分包括用户对目标物品的评分。
在一种实施例中,根据加权隐式评分和预先获取的显式评分,确定预测评分矩阵,包括:根据时间衰减因子确定用户对目标物品的实时感兴趣程度;基于加权隐式评分和实时感兴趣兴趣程度,确定目标物品的隐式评分;根据隐式评分和预先获取的显式评分,确定预测评分矩阵。
在一种实施例中,根据隐式评分和预先获取的显式评分,确定预测评分矩阵,包括:根据隐式评分确定隐式偏好矩阵;将显示评分和隐式偏好矩阵结合利用,生成预测评分矩阵。
作为一个具体的示例,本申请实施例提供了一种基于用户反馈的物品推荐方法,参见图2,该方法包括以下步骤S21至S25:
S21:获取用户隐式反馈数据和显式反馈数据;
S22:将多个隐式反馈数据结合;
给每个隐式反馈行为(浏览、收藏、购买、加入购物车)添加权重wk,对每一对用户-物品,计算加权隐式评分wrui,见公式(1):
其中,bfuik代表用户u对物品i执行k行为的次数。
S23:利用时间衰减因子对隐式反馈的评分进行衰减,计算隐式评分;
引入时间衰减因子,用户对物品的兴趣会随着记忆的遗忘而逐渐衰退,利用衰减衰减因子来表示用户对物品实时感兴趣程度。利用指数衰减函数(如:y=ax),对S22的隐式评分进行衰减,得到衰减后的隐式评分tdf-wrui,记为rui。
其中,β为指数函数的a,设置为0.5,tdf-wrui为名称(time decay factor-weighted rating),tbui:代表用户u对物品i产生行为的时间,tn代表产生推荐的时间,wbui代表用户u对物品i行为的权重,与用户行为类型有关。
对隐式评分rui进行转换,利用pui形式化评分rui变量,如果rui>0,则pui=1,表示用户u对物品i有偏好。如果rui=0,则pui=0,表示用户u对物品i没有偏好。由此计算得到pui隐式偏好矩阵N(U)。
S24:将隐式评分与显式评分结合,并作出预测,获得用户-项目预测评分;
利用Asymmetric-SVD模型,将预先获取的用户对物品的评分矩阵(即显示评分)与隐式偏好矩阵结合利用,用于评分预测,预测公式如(4)。通过损失函数即最小化平方误差函数来寻求最优的参数,公式如(5),采用一种简单的梯度下降法来求解参数qi,xi,xj,bu,bi,yj,简单梯度下降法如公式(6)。其中θ是模型的参数,η是学习率(设为=0.002),为损失函数对参数θ的导数。通过迭代计算得到最优参数,之后将参数带入公式(4),进行评分预测。
其中,qi代表物品的潜在因子向量;λ5代表正则化系数,设为0.04;μ为每个用户对同类物品的平均评分(预先获取的用户对物品的显式评分,比如用户u在电影网站所有电影评分的平均值),bu表示用户u的属性值(即:用户u与平均评分μ的偏差值),bi表示物品i的属性值(即:物品i与同类物品平均评分的偏差值)。R(u)表示用户u评过分的物品集合,N(u)表示用户u浏览过但没有评过分的物品集合,Xj,Yj是物品的属性。
例如:预测电影网站上用户joe对电影《泰坦尼克号》的评分,假设该电影网站上的某用户所有电影评分的平均分为3.7(即μ=3.7),该电影《泰坦尼克号》在该电影网站上的历史评分的均值比其他电影的平均分高0.5(即bi=0.5),但该用户joe在电影网站上对其他电影的评分比平均分低0.3(即bu=-0.3),则用户joe对该电影《泰坦尼克号》的预测评分为3.7-0.3+0.5=3.9。
S25:根据评分进行物品推荐;
通过上述步骤S24,获得用户-物品的预测评分矩阵,利用完全的用户-物品评分矩阵,对用户进行推荐,推荐时筛除用户已经评分过的物品,选取最高分。
本发明提供了一种基于用户反馈的物品推荐方法,该方法包括:基于预先获取的隐式反馈数据确定每种隐式反馈行为的权重以及目标物品的加权隐式评分;隐式反馈行为包括:搜索、浏览、收藏、加购和购买;根据加权隐式评分和预先获取的显式评分,确定预测评分矩阵;基于预测评分矩阵向用户进行物品推荐。
通过上述方法结合了多个隐式反馈数据,同时根据不同的场景,对各个隐式反馈赋予不同的权重;并且引入时间衰减因子,对项目进行一定的衰减;利用Asymmetric-SVD分解技术,将隐式反馈数据与显式反馈数据进行结合后进行评分预测,可以缓解现有技术中存在的推荐准确度较低的问题,实现提高物品推荐准确的效果。
本发明实施例还提供了一种基于用户反馈的物品推荐装置,参见图3,该装置包括:
加权隐式评分确定模块310,用于基于预先获取的隐式反馈数据确定每种隐式反馈行为的权重以及目标物品的加权隐式评分;隐式反馈行为包括:搜索、浏览、收藏、加购和购买;
预测评分矩阵确定模块320,用于根据加权隐式评分和预先获取的显式评分,确定预测评分矩阵;
物品推荐模块330,用于基于预测评分矩阵向用户进行物品推荐。
在一种实施例中,该装置还包括:数据获取模块,用于获取用户对目标物品的隐式反馈数据;隐式反馈数据包括用户的隐式反馈行为以及执行隐式反馈行为的次数。
在一种实施例中,该数据获取模块,还用于获取用户对目标物品的显示评分;显示评分包括用户对目标物品的评分。
本申请实施例所提供的基于用户反馈的物品推荐装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的***、装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。本申请实施例提供的基于用户反馈的物品推荐装置与上述实施例提供的基于用户反馈的物品推荐方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本申请实施例还提供了一种电子设备,具体的,该电子设备包括处理器和存储装置;存储装置上存储有计算机程序,计算机程序在被所述处理器运行时执行如上所述实施方式的任一项所述的方法。
图4为本申请实施例提供的一种电子设备的结构示意图,该电子设备400包括:处理器40,存储器41,总线42和通信接口43,所述处理器40、通信接口43和存储器41通过总线42连接;处理器40用于执行存储器41中存储的可执行模块,例如计算机程序。
其中,存储器41可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该***网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线42可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器41用于存储程序,所述处理器40在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器40中,或者由处理器40实现。
处理器40可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器40中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器40可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41,处理器40读取存储器41中的信息,结合其硬件完成上述方法的步骤。
对应于上述方法,本申请实施例还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存储有机器可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行上述方法的步骤。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于用户反馈的物品推荐方法,其特征在于,包括:
基于预先获取的隐式反馈数据确定每种隐式反馈行为的权重以及目标物品的加权隐式评分;所述隐式反馈行为包括:搜索、浏览、收藏、加购和购买;
根据所述加权隐式评分和预先获取的显式评分,确定预测评分矩阵;
基于所述预测评分矩阵向所述用户进行物品推荐。
2.根据权利要求1所述的基于用户反馈的物品推荐方法,其特征在于,还包括:
获取用户对目标物品的隐式反馈数据;所述隐式反馈数据包括用户的隐式反馈行为以及执行所述隐式反馈行为的次数。
3.根据权利要求2所述的基于用户反馈的物品推荐方法,其特征在于,还包括:
获取用户对目标物品的显示评分;所述显示评分包括所述用户对所述目标物品的评分。
4.根据权利要求3所述的基于用户反馈的物品推荐方法,其特征在于,根据所述加权隐式评分和预先获取的显式评分,确定预测评分矩阵,包括:
根据时间衰减因子确定所述用户对所述目标物品的实时兴趣程度;
基于所述加权隐式评分和所述实时兴趣程度,确定所述目标物品的隐式评分;
根据所述隐式评分和预先获取的显式评分,确定预测评分矩阵。
5.根据权利要求4所述的基于用户反馈的物品推荐方法,其特征在于,根据所述隐式评分和预先获取的显式评分,确定预测评分矩阵,包括:
根据所述隐式评分确定隐式偏好矩阵;
将所述显示评分和所述隐式偏好矩阵结合,生成预测评分矩阵。
6.一种基于用户反馈的物品推荐装置,其特征在于,包括:
加权隐式评分确定模块,用于基于预先获取的隐式反馈数据确定每种隐式反馈行为的权重以及目标物品的加权隐式评分;所述隐式反馈行为包括:搜索、浏览、收藏、加购和购买;
预测评分矩阵确定模块,用于根据所述加权隐式评分和预先获取的显式评分,确定预测评分矩阵;
物品推荐模块,用于基于所述预测评分矩阵向所述用户进行物品推荐。
7.根据权利要求6所述的基于用户反馈的物品推荐装置,其特征在于,还包括:数据获取模块,用于获取用户对目标物品的隐式反馈数据;所述隐式反馈数据包括用户的隐式反馈行为以及执行所述隐式反馈行为的次数。
8.根据权利要求7所述的基于用户反馈的物品推荐装置,其特征在于,所述数据获取模块,还用于获取用户对目标物品的显示评分;所述显示评分包括所述用户对所述目标物品的评分。
9.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述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上述权利要求1至5任一项所述的基于用户反馈的物品推荐方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有机器可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行所述权利要求1至5任一项所述的基于用户反馈的物品推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211226305.5A CN115456733A (zh) | 2022-10-09 | 2022-10-09 | 基于用户反馈的物品推荐方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211226305.5A CN115456733A (zh) | 2022-10-09 | 2022-10-09 | 基于用户反馈的物品推荐方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115456733A true CN115456733A (zh) | 2022-12-09 |
Family
ID=84309581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211226305.5A Pending CN115456733A (zh) | 2022-10-09 | 2022-10-09 | 基于用户反馈的物品推荐方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115456733A (zh) |
-
2022
- 2022-10-09 CN CN202211226305.5A patent/CN115456733A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135915B (zh) | 商品推荐方法和*** | |
US8484099B1 (en) | Method, medium, and system for behavior-based recommendations of product upgrades | |
CN109102127B (zh) | 商品推荐方法及装置 | |
US20150339759A1 (en) | Detecting product attributes associated with product upgrades based on behaviors of users | |
US9460463B2 (en) | Method, web server and web browser of providing information | |
CN108460618B (zh) | 一种资源配置方法及装置,电子设备 | |
JP6325745B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
US20080021771A1 (en) | Systems and methods for defining pricing conditions in electronic sales application environments | |
CN106649681B (zh) | 一种数据处理方法、装置及设备 | |
US20150363873A1 (en) | Method and system for monitoring and recommending relevant products | |
EP2737445A1 (en) | Providing social product recommendations | |
US10306320B2 (en) | Providing service based on user operation behavior | |
WO2016157423A1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
US20150154685A1 (en) | Automated detection of new item features by analysis of item attribute data | |
US9684927B2 (en) | Consumer purchase decision scoring tool | |
CN111415216A (zh) | 一种商品推荐方法、装置、服务器及存储介质 | |
CN111310038B (zh) | 信息推荐方法、装置、电子设备及计算机可读存储介质 | |
CN108335131B (zh) | 一种预估用户年龄段的方法、装置及电子设备 | |
CN110599307A (zh) | 一种商品推荐的方法及装置 | |
CN111931045A (zh) | 一种基于元学习的异质信息网络冷启动推荐方法及装置 | |
CN112308662A (zh) | 评价晒单推荐方法和装置 | |
CN107133811A (zh) | 一种目标用户的识别方法和装置 | |
US10282474B2 (en) | Category constrained queries | |
CN111080401A (zh) | 一种年龄估计方法及装置 | |
CN114861783A (zh) | 推荐模型训练方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |