商品推荐方法、装置、设备、介质及程序产品与流程
本公开涉及互联网,尤其涉及一种商品推荐方法、装置、设备、介质及程序产品。
背景技术:
1、电商推荐系统(recommend system,recsys)是一种基于用户历史行为和兴趣偏好的个性化系统,能够为用户提供精准、个性化的商品推荐,促进用户的购物体验和消费满意度。
2、在相关技术中,在商品进行预测推荐时,处理特征的架构是一个整体,灵活性较差,不利于扩展和维护,并且开发和再开发的成本较高。
3、需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本公开的目的在于提供一种,至少在一定程度上解决现有技术中灵活性较差,不利于扩展和维护,开发成本高的问题。
2、本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
3、根据本公开的第一方面,提供了一种商品推荐方法,包括:
4、预测推荐服务接收商品推荐请求,生成请求参数;
5、预测器组件根据请求参数调用模型注册器,获取对应的特征元信息;特征元信息为解析模型的特征配置文件,并预先注册在模型注册器中的信息;
6、调用特征元信息中聚合的特征管理器,并调用特征管理器聚合的特征加载器加载明文特征;特征管理器作为属性或字段聚合在特征元信息中;
7、以及,调用特征管理器聚合的特征处理器,根据明文特征生成商品推荐特征;特征加载器和特征处理器作为属性或字段聚合在特征管理器中;
8、根据请求参数调用算法服务中的商品推荐模型,将商品推荐特征输入至商品推荐模型,得到商品推荐结果。
9、在一种可能的实施例中,特征管理器至少包括不同特征类别的特征管理器;明文特征至少包括:用户特征、商品特征;
10、调用特征元信息中聚合的特征管理器,以调用特征管理器聚合的特征加载器加载明文特征,包括:
11、调用特征元信息中聚合的不同特征类别的特征管理器,以调用特征管理器聚合的特征加载器加载用户特征、商品特征。
12、在一种可能的实施例中,特征管理器包括上下文特征管理器;明文特征还包括:上下文特征;方法还包括:
13、调用特征元信息中聚合的上下文特征管理器,从商品推荐请求的上下文中透传获取上下文特征。
14、在一种可能的实施例中,调用特征管理器聚合的特征处理器,根据明文特征生成商品推荐特征,包括:
15、不同特征类别的特征管理器分别调用聚合的特征处理器,根据用户特征、商品特征和上下文特征生成商品推荐特征。
16、在一种可能的实施例中,特征元信息中还包括:特征定义;特征定义中包括处理明文特征的处理函数;
17、调用特征处理器,根据明文特征生成商品推荐特征,包括:
18、特征处理器获取特征元信息中的特征定义;
19、特征处理器根据明文特征、特征定义和处理函数,生成模型特征数据;
20、预测器组件根据特征配置文件对模型特征数据进行处理,得到商品推荐特征。
21、在一种可能的实施例中,方法还包括:
22、预测推荐服务启动模型监听器,订阅模型发布消息;
23、当模型监听器监听到模型发布消息,将模型发布消息解析为模型元信息,并保存至缓存。
24、在一种可能的实施例中,方法还包括:
25、模型监听器在监听到模型发布消息后,调用聚合的特征解析器,并将模型元信息发送至特征解析器;
26、特征解析器获取特征配置文件,并解析特征配置文件得到特征定义;
27、特征解析器根据特征定义创建不同特征类别的特征管理器,将特征管理器和模型元信息封装为特征元信息;
28、特征解析器将特征元信息注册至模型监听器聚合的模型注册器中。
29、在一种可能的实施例中,模型注册器中按照预设映射关系保存多个模型,每个模型多个版本的特征元信息;其中,预设映射关系为模型名称为键,多个版本的特征元信息为值的键值对结构;
30、请求参数至少包括:模型名称和模型版本。
31、在一种可能的实施例中,特征配置文件由算法服务进行配置并保存,明文特征采用本地缓存进行存储。
32、根据本公开的再一方面,提供了一种商品推荐装置,包括:
33、第一生成单元,被配置为预测推荐服务接收商品推荐请求,生成请求参数;
34、获取单元,被配置为预测器组件根据请求参数调用模型注册器,获取对应的特征元信息;特征元信息为解析模型的特征配置文件,并预先注册在模型注册器中的信息;
35、第二生成单元,被配置为调用特征元信息中聚合的特征管理器,以调用特征管理器聚合的特征加载器加载明文特征;特征管理器作为属性或字段聚合在特征元信息中;
36、第二生成单元,还被配置为调用特征管理器聚合的特征处理器,根据明文特征生成商品推荐特征;特征加载器和特征处理器作为属性或字段聚合在特征管理器中;
37、输出单元,被配置为根据请求参数调用算法服务中的商品推荐模型,将商品推荐特征输入至商品推荐模型,得到商品推荐结果。
38、在一种可能的实施例中,商品推荐装置,还包括:
39、模型缓存单元,被配置为预测推荐服务启动模型监听器,订阅模型发布消息;当模型监听器监听到模型发布消息,将模型发布消息解析为模型元信息,并保存至缓存。
40、在一种可能的实施例中,商品推荐装置,还包括:
41、解析单元,被配置为模型监听器在监听到模型发布消息后,调用聚合的特征解析器,并将模型元信息发送至特征解析器;
42、特征解析器获取特征配置文件,并解析特征配置文件得到特征定义;
43、特征解析器根据特征定义创建不同特征类别的特征管理器,将特征管理器和模型元信息封装为特征元信息;
44、特征解析器将特征元信息注册至模型监听器聚合的模型注册器中。
45、根据本公开的再一方面,提供一种电子设备,包括:处理器;以及管理器,用于存储处理器的可执行指令;其中,处理器配置为经由执行可执行指令来执行第一方面中任意一项的方法。
46、根据本公开的再一方面,提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现第一方面中任意一项的方法。
47、根据本公开的再一个方面,还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述第一方面中的方法。
48、本公开的实施例所提供的一种商品推荐方法、装置、设备、介质及程序产品,该方法包括:预测推荐服务接收商品推荐请求,生成请求参数;预测器组件根据请求参数调用模型注册器,获取对应的特征元信息;特征元信息为解析模型的特征配置文件,并预先注册在模型注册器中的信息;调用特征元信息中聚合的特征管理器,并调用特征管理器聚合的特征加载器加载明文特征;特征管理器作为属性或字段聚合在特征元信息中;以及,调用特征管理器聚合的特征处理器,根据明文特征生成商品推荐特征;特征加载器和特征处理器作为属性或字段聚合在特征管理器中;根据请求参数调用算法服务中的商品推荐模型,将商品推荐特征输入至商品推荐模型,得到商品推荐结果。通过聚合的方式对特征处理过程中的架构和处理逻辑进行解耦,可以提高扩展能力,以及使得数据内容更加规范,逻辑清晰,便于维护。
49、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com