数据过滤方法和装置与流程

1.本技术涉及计算机技术领域，具体涉及信息处理技术领域，尤其涉及数据过滤方法和装置。


背景技术：

2.随着互联网技术的高速发展，网络购物已成为人们一种非常重要的购物模式。电商场景下的推荐系统可以帮助用户在海量信息中快速发现其真正感兴趣的商品，节省用户时间，提升购物体验。而商品信息流场景下的推荐系统更加注重个性化和用户体验，既需要帮助用户在商品信息流中“逛”起来，又需要适时地为用户推荐其可能感兴趣的商品。
3.用户的购买历史可以在很大程度上反映其兴趣点，常见推荐算法很容易捕捉到此类兴趣点并向用户推荐和其已购商品功能非常类似的商品(如购买过一款手机，可能会推荐另一款手机)。但由于商品存在着一定的使用周期，不适时的重复推荐不仅会浪费流量资源，而且会给用户造成困扰，使其看到的商品越来越集中，特别是信息流场景下，随着用户下拉深度的加深，重复推荐已购商品会严重影响用户体验。因此针对用户的个性化复购推荐对于提升信息流场景下的用户体验具有非常重要的作用。
4.目前复购体验优化的主要解决方案分为两类：一是已购过滤，即在召回商品集合后通过策略组合过滤掉用户已购买过的商品。另一种是考虑已购信息建模，即在推荐算法建模时考虑用户的已购或复购等特征，避免召回大量的用户已购商品。


技术实现要素：

5.本技术提供了一种数据过滤方法、装置、设备以及存储介质。
6.根据本技术的第一方面，提供了一种数据过滤方法，该方法包括：响应于接收到用户第一商品集的过滤请求，获取用户的第一产品对集合和用户行为信息，其中，产品对包括：产品名称和与产品名称对应的购买时刻；基于用户复购选取模型和用户行为判定模型，对第一产品对集合进行组合过滤，生成已过滤的第一产品对集合和未过滤的第一产品对集合，其中，用户复购选取模型用于表征基于用户的复购周期和购买时刻对第一产品对集合进行选取，用户行为判定模型用于表征基于用户行为信息对第一产品对集合进行判定；根据产品过滤策略，对未过滤的第一产品对集合进行选取，得到第二产品对集合；根据已过滤的第一产品对集合和第二产品对集合，生成用户的第二商品集。
7.在一些实施例中，基于用户复购选取模型，对第一产品对集合进行过滤，包括：对第一产品对集合中的所有产品对进行聚类后，计算得到第一产品对集合中各个产品的复购周期；根据各个产品的复购周期和相应产品的购买时刻，判断第一产品对集合中各个产品是否超过复购时限；若第一产品对集合中的产品超过复购时限，将该产品的产品对存入已过滤的第一产品对集合，若第一产品对集合中的产品未超过复购时限，将该产品的产品对存入未过滤的第一产品对集合。
8.在一些实施例中，基于用户行为判定模型，对第一产品对集合进行过滤，包括：用
户行为判定模型根据用户行为的发生时刻和/或用户行为的发生次数，判断第一产品对集合中的各个产品是否满足豁免条件，其中，豁免条件用于表征对用户行为的发生时刻和/或用户行为的发生次数进行阈值判定，判断基于产品的标准产品单位spu来完成；若第一产品对集合中的产品满足豁免条件，将该产品对应的产品对存入已过滤的第一产品对集合，若第一产品对集合中的产品不满足豁免条件，将该产品对应的产品对存入未过滤的第一产品对集合。
9.在一些实施例中，用户行为信息包括：用户的搜索行为、用户的加购行为、用户的关注行为和用户的点击行为中的至少一项。
10.在一些实施例中，在对第一产品对集合中的所有产品对进行聚类后，计算得到第一产品对集合中各个产品的复购周期之后，还包括：从第一产品对集合中获取第三产品对集合，其中，第三产品对集合用于表征未获得复购周期的各个产品对的集合；基于产品复购选取模型，对第三产品对集合进行过滤，生成与第三产品对集合中各个产品的复购周期，其中，产品复购选取模型用于表征基于产品的复购周期对第三产品对集合进行选取。
11.在一些实施例中，产品过滤策略基于多个维度对未过滤的第一产品对集合进行组合筛选；根据产品过滤策略，对未过滤的第一产品对集合进行选取，得到第二产品对集合，包括：根据产品过滤模型，判断未过滤的第一产品对集合中的各个产品是否为用户的购买商品，其中，产品过滤模型用于表征基于产品的产品词、产品的标准产品单位spu和产品的库存保有单位sku中的至少两项，对未过滤的第一产品对集合中的各个产品进行组合过滤；若未过滤的第一产品对集合中的产品是用户的购买商品，则将该产品对应的产品对从未过滤的第一产品对集合中删除，得到第二产品对集合。
12.在一些实施例中，在根据产品过滤策略，对未过滤的第一产品对集合进行选取，得到第二产品对集合之后，还包括：基于产品的类目，对第二产品对集合进行选取，得到选取后的第二产品对集合。
13.在一些实施例中，方法还包括：根据商品展示策略，对用户的第二商品集进行排序，生成用户的商品列表。
14.根据本技术的第二方面，提供了一种数据过滤装置，装置包括：获取单元，被配置成响应于接收到用户第一商品集的过滤请求，获取用户的第一产品对集合和用户行为信息，其中，产品对包括：产品名称和与产品名称对应的购买时刻；过滤单元，被配置成基于用户复购选取模型和用户行为判定模型，对第一产品对集合进行组合过滤，生成已过滤的第一产品对集合和未过滤的第一产品对集合，其中，用户复购选取模型用于表征基于用户的复购周期和购买时刻对第一产品对集合进行选取，用户行为判定模型用于表征基于用户行为信息对第一产品对集合进行判定；第一选取单元，被配置成根据产品过滤策略，对未过滤的第一产品对集合进行选取，得到第二产品对集合；生成单元，被配置成根据已过滤的第一产品对集合和第二产品对集合，生成用户的第二商品集。
15.在一些实施例中，过滤单元，包括：聚类模块，被配置成对第一产品对集合中的所有产品对进行聚类后，计算得到第一产品对集合中各个产品的复购周期；第一判断模块，被配置成根据各个产品的复购周期和相应产品的购买时刻，判断第一产品对集合中各个产品是否超过复购时限；第一存储模块，被配置成若第一产品对集合中的产品超过复购时限，将该产品的产品对存入已过滤的第一产品对集合，若第一产品对集合中的产品未超过复购时
限，将该产品的产品对存入未过滤的第一产品对集合。
16.在一些实施例中，过滤单元，还包括：第二判断模块，被配置成根据用户行为的发生时刻和/或用户行为的发生次数，判断第一产品对集合中的各个产品是否满足豁免条件，其中，豁免条件用于表征对用户行为的发生时刻和/或用户行为的发生次数进行阈值判定，判断基于产品的标准产品单位spu来完成；第二存储模块，被配置成若第一产品对集合中的产品满足豁免条件，将该产品对应的产品对存入已过滤的第一产品对集合，若第一产品对集合中的产品不满足豁免条件，将该产品对应的产品对存入未过滤的第一产品对集合。
17.在一些实施例中，过滤单元，还包括：获取模块，被配置成从第一产品对集合中获取第三产品对集合，其中，第三产品对集合用于表征未获得复购周期的各个产品对的集合；过滤模块，被配置成基于产品复购选取模型，对第三产品对集合进行过滤，生成与第三产品对集合中各个产品的复购周期，其中，产品复购选取模型用于表征基于产品的复购周期对第三产品对集合进行选取。
18.在一些实施例中，第一选取单元中的产品过滤策略基于多个维度对未过滤的第一产品对集合进行组合筛选；第一选取单元，包括：判断模块，被配置成根据产品过滤模型，判断未过滤的第一产品对集合中的各个产品是否为用户的购买商品，其中，产品过滤模型用于表征基于产品的产品词、产品的标准产品单位spu和产品的库存保有单位sku中的至少两项，对未过滤的第一产品对集合中的各个产品进行组合过滤；删除模块，被配置成若未过滤的第一产品对集合中的产品是用户的购买商品，则将该产品对应的产品对从未过滤的第一产品对集合中删除，得到第二产品对集合。
19.在一些实施例中，装置还包括：第二选取单元，被配置成基于产品的类目，对第二产品对集合进行选取，得到选取后的第二产品对集合。
20.在一些实施例中，装置还包括：生成单元，被配置成根据商品展示策略，对用户的第二商品集进行排序，生成用户的商品列表。
21.根据本技术的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
22.根据本技术的第四方面，本技术提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
23.根据本技术的技术采用响应于接收到用户第一商品集的过滤请求，获取用户的第一产品对集合和用户行为信息，基于用户复购选取模型和用户行为判定模型，对第一产品对集合进行组合过滤，生成已过滤的第一产品对集合和未过滤的第一产品对集合，其中，用户复购选取模型用于表征基于用户的复购周期和购买时刻对第一产品对集合进行选取，用户行为判定模型用于表征基于用户行为信息对第一产品对集合进行判定，根据产品过滤策略，对未过滤的第一产品对集合进行选取，得到第二产品对集合，根据已过滤的第一产品对集合和第二产品对集合，生成用户的第二商品集，避免了现有技术中因某个商品类目的划分错误导致过滤结果出错和仅通过类目或品牌等静态属性无法准确描述用户已购买的商品，造成一定程度上的漏过滤或者误过滤的问题，避免了现有技术中过滤策略无法做到个
性化，导致不能充分利用流量，造成流量资源浪费的问题，同时解决了现有技术中建模难度大，模型复杂度较高，预测结果存在一定的不确定性的问题，本技术充分考虑了用户行为和商品属性，针对用户个性化的复购习惯进行分析，并且对用户行为信息进行判定，使得过滤更加精细和准确，获得了更好的用户体验效果。
24.应当理解，本部分所描述的内容并非旨在标识本技术的实施例的关键或重要特征，也不用于限制本技术的范围。本技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
25.附图用于更好地理解本方案，不构成对本技术的限定。
26.图1是根据本技术的数据过滤方法的第一实施例的示意图；
27.图2是可以实现本技术实施例的数据过滤方法的场景图；
28.图3是根据本技术的数据过滤方法的第二实施例的示意图；
29.图4是根据本技术的数据过滤装置的一个实施例的结构示意图；
30.图5是用来实现本技术实施例的数据过滤方法的电子设备的框图。
具体实施方式
31.以下结合附图对本技术的示范性实施例做出说明，其中包括本技术实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本技术的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
32.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
33.图1示出了根据本技术的数据过滤方法的第一实施例的示意图100。该数据过滤方法，包括以下步骤：
34.步骤101，响应于接收到用户第一商品集的过滤请求，获取用户的第一产品对集合和用户行为信息。
35.在本实施例中，当执行主体接收到用户第一商品集的过滤请求，执行主体可以通过有线连接方式或者无线连接方式从其他电子设备或者本地获取用户的第一产品对集合和用户行为信息，也可以通过对过滤请求进行解析得到用户的第一产品对集合和用户行为信息。其中，产品对包括：产品名称和与产品名称对应的购买时刻，例如<手机，20200510 1030>。需要指出的是，上述无线连接方式可以包括但不限于3g、4g、5g连接、wifi连接、蓝牙连接、wimax连接、zigbee连接、uwb(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
36.步骤102，基于用户复购选取模型和用户行为判定模型，对第一产品对集合进行组合过滤，生成已过滤的第一产品对集合和未过滤的第一产品对集合。
37.在本实施例中，执行主体可以基于用户复购选取模型和用户行为判定模型，对第一产品对集合进行组合过滤，将同时满足用户复购选取模型和用户行为判定模型的第一产品对作为已过滤的第一产品对，生成已过滤的第一产品对集合，将未同时满足用户复购选取模型和用户行为判定模型的第一产品对作为未过滤的第一产品对，生成未过滤的第一产
品对集合。用户复购选取模型用于表征基于用户的复购周期和购买时刻对第一产品对集合进行选取，用户行为判定模型用于表征基于用户行为信息对第一产品对集合进行判定。用户行为信息可以包括：用户的搜索行为、用户的加购行为、用户的关注行为和用户的点击行为中的至少一项。
38.步骤103，根据产品过滤策略，对未过滤的第一产品对集合进行选取，得到第二产品对集合。
39.在本实施例中，执行主体可以根据业务需求，选取适合的产品过滤方法，对未过滤的第一产品对集合进行选取，得到第二产品对集合。
40.在本实施例的一些可选的实现方式中，产品过滤策略基于多个维度对未过滤的第一产品对集合进行组合筛选。多个维度可以包括：商品的不同属性特征、用户的不同行为特征和不同的产品过滤方法。商品的不同属性特征可以包括：商品的品牌类别、商品的类目等，用户的不同行为特征可以包括：停留时长、访问次数、喜好程度等，不同的产品过滤方法可以包括：从粗到细，依次为基于产品的类目、基于产品的产品词、基于产品的标准产品单位spu和基于库存保有单位sku的过滤方法。避免漏过滤的情况，提高了过滤的精准度。
41.进一步说明，在电商场景下，一般从粗到细对商品进行组织，便于从不同维度进行描述认识。例如一部iphone 11手机，从粗到细的维度可以描述为：类目：手机通讯，产品词：智能手机，spu：apple iphone 11，sku:apple iphone 11(深空灰色，256g)，apple iphone 11(深空灰色，512g)，apple iphone 11(金色，256g)
……
。类目，产品词，spu,sku的维度范围依次细化，所包含的商品集合越来越小，sku为商品的最小描述单位。在实际应用中，当用户已经购买了某个商品后(如，iphone 11手机)，我们需要对与该商品类似的商品进行屏蔽，避免重复推荐。因此需要寻找一个合适的维度对商品进行描述。
42.举例说明，某用户购买了一款apple iphone 11(深空灰色，256g)手机，如果从sku维度进行过滤，则系统依然会为用户推荐同款其他颜色配置的手机；从spu维度进行过滤，虽然不会推荐苹果手机，但依然会推荐华为、oppo等其他品牌的手机；从产品的类目维度进行过滤，则对于该用户，手机通讯类产品都不会推荐，涵盖范围过于广泛。产品词是一个比较合适的维度选择，对于该用户不会推荐智能手机产品，其他类型的产品依然可以进行推荐，来保证用户体验。
43.步骤104，根据已过滤的第一产品对集合和第二产品对集合，生成用户的第二商品集。
44.在本实施例中，执行主体可以将已过滤的第一产品对集合和第二产品对集合合并，生成用户的第二商品集。
45.继续参见图2，本实施例的数据过滤方法200运行于电子设备201中。当电子设备201接收到用户第一商品集的过滤请求后，电子设备201首先获取用户的第一产品对集合和用户行为信息202，接着电子设备201基于用户复购选取模型和用户行为判定模型，对第一产品对集合进行组合过滤，生成已过滤的第一产品对集合和未过滤的第一产品对集合203，然后电子设备201根据产品过滤策略，对未过滤的第一产品对集合进行选取，得到第二产品对集合204，最后电子设备201根据已过滤的第一产品对集合和第二产品对集合，生成用户的第二商品集205。
46.本技术的上述实施例提供的数据过滤方法采用响应于接收到用户第一商品集的
过滤请求，获取用户的第一产品对集合和用户行为信息，基于用户复购选取模型和用户行为判定模型，对第一产品对集合进行组合过滤，生成已过滤的第一产品对集合和未过滤的第一产品对集合，其中，用户复购选取模型用于表征基于用户的复购周期和购买时刻对第一产品对集合进行选取，用户行为判定模型用于表征基于用户行为信息对第一产品对集合进行判定，根据产品过滤策略，对未过滤的第一产品对集合进行选取，得到第二产品对集合，根据已过滤的第一产品对集合和第二产品对集合，生成用户的第二商品集，避免了现有技术中因某个商品类目的划分错误导致过滤结果出错和仅通过类目或品牌等静态属性无法准确描述用户已购买的商品，造成一定程度上的漏过滤或者误过滤的问题，避免了现有技术中过滤策略无法做到个性化，导致不能充分利用流量，造成流量资源浪费的问题，同时解决了现有技术中建模难度大，模型复杂度较高，预测结果存在一定的不确定性的问题，本技术充分考虑了用户行为和商品属性，针对用户个性化的复购习惯进行分析，并且对用户行为信息进行判定，使得过滤更加精细和准确，获得了更好的用户体验效果。
47.进一步参考图3，其示出了数据过滤方法的第二实施例的示意图300。该方法的流程包括以下步骤：
48.步骤301，响应于接收到用户第一商品集的过滤请求，获取用户的第一产品对集合和用户行为信息。
49.步骤302，基于用户复购选取模型和用户行为判定模型，对第一产品对集合进行组合过滤，生成已过滤的第一产品对集合和未过滤的第一产品对集合。
50.在本实施例的一些可选的实现方式中，基于用户复购选取模型，对第一产品对集合进行过滤，包括：对第一产品对集合中的所有产品对进行聚类后，计算得到第一产品对集合中各个产品的复购周期；根据各个产品的复购周期和相应产品的购买时刻，判断第一产品对集合中各个产品是否超过复购时限；若第一产品对集合中的产品超过复购时限，将该产品的产品对存入已过滤的第一产品对集合，若第一产品对集合中的产品未超过复购时限，将该产品的产品对存入未过滤的第一产品对集合。针对用户个性化的复购习惯进行分析，生成针对用户的个性化的复购周期，使过滤更加具有针对性，获得更好的用户体验。
51.在本实施例的一些可选的实现方式中，在对第一产品对集合中的所有产品对进行聚类后，计算得到第一产品对集合中各个产品的复购周期之后，还包括：从第一产品对集合中获取第三产品对集合，其中，第三产品对集合用于表征未获得复购周期的各个产品对的集合；基于产品复购选取模型，对第三产品对集合进行过滤，生成与第三产品对集合中各个产品的复购周期，其中，产品复购选取模型用于表征基于产品的复购周期对第三产品对集合进行选取。为基于用户维度未生成复购周期的产品对进行了补充，提高了过滤的精度和准确性。
52.在本实施例的一些可选的实现方式中，基于用户行为判定模型，对第一产品对集合进行过滤，包括：用户行为判定模型根据用户行为的发生时刻和/或用户行为的发生次数，判断第一产品对集合中的各个产品是否满足豁免条件，其中，豁免条件用于表征对用户行为的发生时刻和/或用户行为的发生次数进行阈值判定，判断基于产品的标准产品单位spu来完成；若第一产品对集合中的产品满足豁免条件，将该产品对应的产品对存入已过滤的第一产品对集合，若第一产品对集合中的产品不满足豁免条件，将该产品对应的产品对存入未过滤的第一产品对集合。避免用户误操作带来的干扰，避免重复推荐出已购商品，对
购后产生的主动行为进行建模，最大程度理解用户行为，使得过滤更加精细和准确。
53.例如，设置时间窗t1、t2。当用户行为发生时刻距离购买时刻大于t1，且用户行为时刻距离当前时刻小于t2，则将该产品对应的产品对从产品对集合中删除。由于搜索和高质量点击行为可能会多次发生，实际使用中可以对符合条件的行为次数进行统计，满足一定频次阈值，则将该产品对应的产品对从产品对集合中删除。
54.步骤303，根据产品过滤模型，判断未过滤的第一产品对集合中的各个产品是否为用户的购买商品。
55.在本实施例中，执行主体可以根据产品过滤模型，对未过滤的第一产品对集合中的各个产品进行判断，确定未过滤的第一产品对集合中的各个产品是否为用户的购买商品。产品过滤模型用于表征基于产品的产品词、产品的标准产品单位spu和产品的库存保有单位sku中的至少两项，对未过滤的第一产品对集合中的各个产品进行组合过滤。
56.步骤304，若未过滤的第一产品对集合中的产品是用户的购买商品，则将该产品对应的产品对从未过滤的第一产品对集合中删除，得到第二产品对集合。
57.在本实施例中，当执行主体判断未过滤的第一产品对集合中的产品是用户的购买商品，则将该产品对应的产品对从未过滤的第一产品对集合中删除，当对所有产品判断完成后，得到第二产品对集合。
58.步骤305，基于产品的类目，对第二产品对集合进行选取，得到选取后的第二产品对集合。
59.在本实施例中，执行主体可以基于产品的类目，对第二产品对集合进行选取，得到选取后的第二产品对集合。
60.步骤306，根据已过滤的第一产品对集合和第二产品对集合，生成用户的第二商品集。
61.在本实施例的一些可选的实现方式中，方法还包括：根据商品展示策略，对用户的第二商品集进行排序，生成用户的商品列表，为用户推荐符合用户需求的各种商品。比如，对于符合过滤条件的商品，经过点击率预估模型进行排序打分，选取排名靠前的几个商品进行展示。
62.在本实施例中，步骤301、302和306的具体操作与图1所示的实施例中的步骤101、102和104的操作基本相同，在此不再赘述。
63.从图3中可以看出，与图1对应的实施例相比，本实施例中的数据过滤方法的示意图300采用根据产品过滤模型，判断未过滤的第一产品对集合中的各个产品是否为用户的购买商品，其中，产品过滤模型用于表征基于产品的产品词、产品的标准产品单位spu和产品的库存保有单位sku中的至少两项，对未过滤的第一产品对集合中的各个产品进行组合过滤，若未过滤的第一产品对集合中的产品是用户的购买商品，则将该产品对应的产品对从未过滤的第一产品对集合中删除，得到第二产品对集合，考虑多种粒度的策略组合，基于产品的多个维度进行筛选，根据具体业务情况进行选择，可以充分地从不同维度描述用户的已购商品，最大程度避免漏过率和误过滤情况，获得了更好的用户体验效果；采用基于产品的类目，对第二产品对集合进行选取，得到选取后的第二产品对集合，作为托底过滤，保证了过滤的完备性。
64.进一步参考图4，作为对上述各图所示方法的实现，本技术提供了一种数据过滤装
置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置以独立lib(静态链接库)的形式，可以供任意工业级推荐系统调用，该装置具体可以应用于各种电子设备中。
65.如图4所示，本实施例的数据过滤装置400包括：获取单元401、过滤单元402、第一选取单元403和生成单元404，其中，获取单元，被配置成响应于接收到用户第一商品集的过滤请求，获取用户的第一产品对集合和用户行为信息，其中，产品对包括：产品名称和与产品名称对应的购买时刻；过滤单元，被配置成基于用户复购选取模型和用户行为判定模型，对第一产品对集合进行组合过滤，生成已过滤的第一产品对集合和未过滤的第一产品对集合，其中，用户复购选取模型用于表征基于用户的复购周期和购买时刻对第一产品对集合进行选取，用户行为判定模型用于表征基于用户行为信息对第一产品对集合进行判定；第一选取单元，被配置成根据产品过滤策略，对未过滤的第一产品对集合进行选取，得到第二产品对集合；生成单元，被配置成根据已过滤的第一产品对集合和第二产品对集合，生成用户的第二商品集。
66.在本实施例中，数据过滤装置400的获取单元401、过滤单元402、第一选取单元403和生成单元404的具体处理及其所带来的技术效果可分别参考图1对应的实施例中的步骤101到步骤104的相关说明，在此不再赘述。
67.在本实施例的一些可选的实现方式中，过滤单元，包括：聚类模块，被配置成对第一产品对集合中的所有产品对进行聚类后，计算得到第一产品对集合中各个产品的复购周期；第一判断模块，被配置成根据各个产品的复购周期和相应产品的购买时刻，判断第一产品对集合中各个产品是否超过复购时限；第一存储模块，被配置成若第一产品对集合中的产品超过复购时限，将该产品的产品对存入已过滤的第一产品对集合，若第一产品对集合中的产品未超过复购时限，将该产品的产品对存入未过滤的第一产品对集合。
68.在本实施例的一些可选的实现方式中，过滤单元，还包括：第二判断模块，被配置成根据用户行为的发生时刻和/或用户行为的发生次数，判断第一产品对集合中的各个产品是否满足豁免条件，其中，豁免条件用于表征对用户行为的发生时刻和/或用户行为的发生次数进行阈值判定，判断基于产品的标准产品单位spu来完成；第二存储模块，被配置成若第一产品对集合中的产品满足豁免条件，将该产品对应的产品对存入已过滤的第一产品对集合，若第一产品对集合中的产品不满足豁免条件，将该产品对应的产品对存入未过滤的第一产品对集合。
69.在本实施例的一些可选的实现方式中，过滤单元，还包括：获取模块，被配置成从第一产品对集合中获取第三产品对集合，其中，第三产品对集合用于表征未获得复购周期的各个产品对的集合；过滤模块，被配置成基于产品复购选取模型，对第三产品对集合进行过滤，生成与第三产品对集合中各个产品的复购周期，其中，产品复购选取模型用于表征基于产品的复购周期对第三产品对集合进行选取。
70.在本实施例的一些可选的实现方式中，第一选取单元中的产品过滤策略基于多个维度对未过滤的第一产品对集合进行组合筛选；第一选取单元，包括：判断模块，被配置成根据产品过滤模型，判断未过滤的第一产品对集合中的各个产品是否为用户的购买商品，其中，产品过滤模型用于表征基于产品的产品词、产品的标准产品单位spu和产品的库存保有单位sku中的至少两项，对未过滤的第一产品对集合中的各个产品进行组合过滤；删除模块，被配置成若未过滤的第一产品对集合中的产品是用户的购买商品，则将该产品对应的
产品对从未过滤的第一产品对集合中删除，得到第二产品对集合。
71.在本实施例的一些可选的实现方式中，装置还包括：第二选取单元，被配置成基于产品的类目，对第二产品对集合进行选取，得到选取后的第二产品对集合。
72.在本实施例的一些可选的实现方式中，装置还包括：生成单元，被配置成根据商品展示策略，对用户的第二商品集进行排序，生成用户的商品列表。
73.根据本技术的实施例，本技术还提供了一种电子设备和一种可读存储介质。
74.如图5所示，是根据本技术实施例的数据过滤方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本技术的实现。
75.如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
76.存储器502即为本技术所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本技术所提供的数据过滤方法。本技术的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本技术所提供的数据过滤方法。
77.存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本技术实施例中的数据过滤方法对应的程序指令/模块(例如，附图4所示的获取单元401、过滤单元402、第一选取单元403和生成单元404)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的数据过滤方法。
78.存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据数据过滤电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至数据过滤电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
79.数据过滤方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。
80.输入装置503可接收输入的数字或字符信息，以及产生与数据过滤电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
81.此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用asic(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
82.这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
83.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
84.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前侧部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前侧部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
85.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
86.根据本技术实施例的技术方案，采用响应于接收到用户第一商品集的过滤请求，获取用户的第一产品对集合和用户行为信息，基于用户复购选取模型和用户行为判定模型，对第一产品对集合进行组合过滤，生成已过滤的第一产品对集合和未过滤的第一产品
对集合，其中，用户复购选取模型用于表征基于用户的复购周期和购买时刻对第一产品对集合进行选取，用户行为判定模型用于表征基于用户行为信息对第一产品对集合进行判定，根据产品过滤策略，对未过滤的第一产品对集合进行选取，得到第二产品对集合，根据已过滤的第一产品对集合和第二产品对集合，生成用户的第二商品集，避免了现有技术中因某个商品类目的划分错误导致过滤结果出错和仅通过类目或品牌等静态属性无法准确描述用户已购买的商品，造成一定程度上的漏过滤或者误过滤的问题，避免了现有技术中过滤策略无法做到个性化，导致不能充分利用流量，造成流量资源浪费的问题，同时解决了现有技术中建模难度大，模型复杂度较高，预测结果存在一定的不确定性的问题，本技术充分考虑了用户行为和商品属性，针对用户个性化的复购习惯进行分析，并且对用户行为信息进行判定，使得过滤更加精细和准确，获得了更好的用户体验效果。
87.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本技术中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本技术公开的技术方案所期望的结果，本文在此不进行限制。
88.上述具体实施方式，并不构成对本技术保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本技术的精神和原则之内所作的修改、等同替换和改进等，均应包含在本技术保护范围之内。