本技术涉及人工智能,特别是涉及一种物品推荐方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术:
1、随着人工智能技术的发展,出现了基于人工智能的物品推荐技术,利用物品推荐技术可以精准捕捉用户需求,向用户精准推荐用户感兴趣的物品。
2、传统技术中,根据用户的购物数据(例如购买物品的类型、数量等等)来预测用户愿意购买物品的意愿,对于购买意愿高的用户则进行物品推荐,对于购买意愿低的用户则不进行物品推荐。
3、然而,在传统的物品推荐过程中,购买意愿的预测仅仅与用户的购物数据相关,购买意愿预测的准确度不高,很容易遗漏有购买潜力的用户,从而影响物品推荐的准确度。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提升物品推荐准确度的物品推荐方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面,本技术提供了一种物品推荐方法。所述方法包括:
3、获取目标用户在购物转化链路上各购物页面的购物行为数据、生理信号数据以及表情数据;
4、分别对各所述购物页面上的购物行为数据、生理信号数据以及表情数据进行特征提取,得到各所述购物页面对应的页面特征;
5、将各所述页面特征进行融合,得到目标融合特征;
6、根据所述目标融合特征,预测所述目标用户在所述购物转化链路上的购物意愿,得到购物意愿预测结果;
7、根据所述购物意愿预测结果,对所述目标用户进行物品推荐。
8、在其中一个实施例中,所述分别对各所述购物页面上的购物行为数据、生理信号数据以及表情数据进行特征提取,得到各所述购物页面对应的页面特征,包括:
9、分别对所述购物页面上各页面操作区域对应的购物行为数据、生理信号数据和表情数据进行特征提取,得到各所述页面操作区域的区域购物行为特征、区域生理信号特征以及区域表情特征;获取各所述页面操作区域的区域标识,将各所述页面操作区域的区域标识、区域购物行为特征、区域生理信号特征以及区域表情特征分别进行融合,得到各所述页面操作区域对应的区域特征;将各所述区域特征进行融合,得到所述页面特征。
10、在其中一个实施例中,所述根据所述购物意愿预测结果,对所述目标用户进行物品推荐,包括:
11、若所述购物意愿预测结果不为高购物意愿,则通过对所述购物意愿预测结果进行模型解释,确定各所述区域特征对所述购物意愿预测结果的特征贡献度;根据各所述特征贡献度,在各所述区域特征中选取目标区域特征;根据所述目标区域特征,对所述目标用户进行物品推荐。
12、在其中一个实施例中,所述根据所述目标区域特征,对所述目标用户进行物品推荐,包括:
13、获取所述目标区域特征对应的目标页面操作区域的目标区域标识;根据所述目标区域标识,确定所述目标用户对应的目标物品推荐策略;根据所述目标物品推荐策略,对所述目标用户进行物品推荐。
14、在其中一个实施例中,所述根据所述目标区域标识,确定所述目标用户对应的目标物品推荐策略,包括:
15、获取所述目标页面操作区域对应的目标购物行为数据、目标生理信号数据、以及目标表情数据;确定所述目标购物行为数据对应的购物行为类型标签、所述目标生理信号数据对应的生理指标类型标签以及所述目标表情数据对应的表情类型标签;根据所述目标区域标识、所述购物行为类型标签、所述生理指标类型标签以及所述表情类型标签,在各预设物品推荐策略中选取所述目标物品推荐策略。
16、在其中一个实施例中,所述将各所述页面特征进行融合,得到目标融合特征,包括:
17、获取各所述购物页面对应的页面标识,根据各所述页面标识,查询各所述购物页面对应的页面权重;根据各所述页面权重,对各所述页面特征进行加权融合,得到所述目标融合特征。
18、第二方面,本技术还提供了一种物品推荐装置。所述装置包括:
19、获取模块,用于获取目标用户在购物转化链路上各购物页面的购物行为数据、生理信号数据以及表情数据;
20、特征提取模块,用于分别对各所述购物页面上的购物行为数据、生理信号数据以及表情数据进行特征提取,得到各所述购物页面对应的页面特征;
21、特征融合模块,用于将各所述页面特征进行融合,得到目标融合特征;
22、购物意愿预测模块,用于根据所述目标融合特征,预测所述目标用户在所述购物转化链路上的购物意愿,得到购物意愿预测结果;
23、物品推荐模块,用于根据所述购物意愿预测结果,对所述目标用户进行物品推荐。
24、第三方面,本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
25、获取目标用户在购物转化链路上各购物页面的购物行为数据、生理信号数据以及表情数据;分别对各所述购物页面上的购物行为数据、生理信号数据以及表情数据进行特征提取,得到各所述购物页面对应的页面特征;将各所述页面特征进行融合,得到目标融合特征;根据所述目标融合特征,预测所述目标用户在所述购物转化链路上的购物意愿,得到购物意愿预测结果;根据所述购物意愿预测结果,对所述目标用户进行物品推荐。
26、第四方面,本技术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,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以下步骤:
27、获取目标用户在购物转化链路上各购物页面的购物行为数据、生理信号数据以及表情数据;分别对各所述购物页面上的购物行为数据、生理信号数据以及表情数据进行特征提取,得到各所述购物页面对应的页面特征;将各所述页面特征进行融合,得到目标融合特征;根据所述目标融合特征,预测所述目标用户在所述购物转化链路上的购物意愿,得到购物意愿预测结果;根据所述购物意愿预测结果,对所述目标用户进行物品推荐。
28、第五方面,本技术还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
29、获取目标用户在购物转化链路上各购物页面的购物行为数据、生理信号数据以及表情数据;分别对各所述购物页面上的购物行为数据、生理信号数据以及表情数据进行特征提取,得到各所述购物页面对应的页面特征;将各所述页面特征进行融合,得到目标融合特征;根据所述目标融合特征,预测所述目标用户在所述购物转化链路上的购物意愿,得到购物意愿预测结果;根据所述购物意愿预测结果,对所述目标用户进行物品推荐。
30、上述物品推荐方法、装置、计算机设备、存储介质和计算机程序产品,通过获取目标用户在购物转化链路上各购物页面的购物行为数据、生理信号数据以及表情数据;分别对各所述购物页面上的购物行为数据、生理信号数据以及表情数据进行特征提取,得到各所述购物页面对应的页面特征;将各所述页面特征进行融合,得到目标融合特征;根据所述目标融合特征,预测所述目标用户在所述购物转化链路上的购物意愿,得到购物意愿预测结果,这样实现了根据用户的购物行为数据、生理信号数据以及表情数据等多模态数据来预测用户的购物意愿,可以提升用户购买意愿的预测准确度,因此根据所述购物意愿预测结果,对所述目标用户进行物品推荐,可以提升物品推荐的准确度。