1 .一种商品推荐方法,其特征在于,所述方法包括:
根据每个商品预设的各个属性分别对应的特征向量,确定多个商品中两两商品之间的
相似度;
根据所述两两商品之间的相似度和预设的相似度阈值,将所述多个商品聚类为若干个
商品群,其中,每个所述商品群中包括多个商品,所述商品群中与其他商品的相似度均大于
所述相似度阈值的商品为中心商品;
确定待推荐的商品群,并将所述待推荐的商品群作为目标商品群;
获取所述目标商品群的中心商品对应的用户行为信息;
将用户行为信息对应的次数大于预设行为阈值的用户作为待推荐用户,并将所述目标
商品群中所述待推荐用户未购买过的商品推荐给所述待推荐用户。
2.根据权利要求1所述的商品推荐方法,其特征在于,所述根据所述两两商品之间的相
似度和预设的相似度阈值,将所述多个商品聚类为若干个商品群,包括:
分别针对每个商品,将该商品和与该商品的相似度大于相似度阈值的、所述多个商品
中非该商品的其他商品划分为同一商品群,其中,所述其他商品的数量大于预设的群数量
阈值。
3 .根据权利要求1所述的商品推荐方法,其特征在于,所述根据每个商品预设的各个属
性分别对应的特征向量,确定多个商品中两两商品之间的相似度,包括:
根据每个商品预设的各个属性分别对应的特征向量,分别确定每两个商品之间的每个
属性之间的相似度;
根据每两个商品之间的每个属性之间的相似度和每个属性对应的预设权重,确定每两
个商品之间的所有属性对应的相似度。
4 .根据权利要求1所述的商品推荐方法,其特征在于,所述确定待推荐的商品群,并将
所述待推荐的商品群作为目标商品群,包括:
获取待推荐商品的类型指令;
根据待推荐商品的类型指令确定待推荐的商品群,并将所述待推荐的商品群作为目标
商品群。
5 .根据权利要求1所述的商品推荐方法,其特征在于,所述将用户行为信息对应的次数
大于预设行为阈值的用户作为待推荐用户,并将所述目标商品群中所述待推荐用户未购买
过的商品推荐给所述待推荐用户之前,所述方法还包括:
将所述商品群中与所述中心商品的相似度排序在预设的第一数量阈值内的商品作为
待推荐商品。
6 .根据权利要求1所述的商品推荐方法,其特征在于,所述获取所述目标商品群的中心
商品对应的用户行为信息,包括:
获取所述商品群的中心商品及次中心商品分别对应的用户行为信息,所述次中心商品
为所述商品群中与所述中心商品的相似度排序在预设的第二数量阈值内的商品。
7 .根据权利要求1所述的商品推荐方法,其特征在于,所述用户行为信息包括浏览信
息、点赞信息、分享信息、收藏信息和购买信息中的至少一项。
8.一种商品推荐装置,其特征在于,包括:
相似度计算模块,用于根据每个商品预设的各个属性分别对应的特征向量,确定多个
权 利 要 求 书
1/2 页
2
评论