一种物品推荐方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种物品推荐方法和装置。

背景技术

越来越多的用户选择线上购物，随着线上购物平台的不断发展，平台上提供的物品多样化，如何向用户推荐其感兴趣的物品具有重要意义。当前，物品推荐方法为：用户搜索、浏览、购买某物品后，平台上推荐的仍然是该物品的同类型物品。

但是，用户已经下单购买了某物品，如果继续推荐该物品的同类型物品的话，用户的购物欲望不大，造成物品推荐准确率低，并且如果推荐的物品性价比优于用户已下单购买的物品，那么用户可能会重新下单，导致用户体验较差。

发明内容

有鉴于此，本发明实施例提供一种物品推荐方法和装置，能够结合不同的购物场景向用户推荐物品，提高物品推荐的准确率，给用户带来较好的使用体验。

为实现上述目的，根据本发明实施例的一个方面，提供了一种物品推荐方法。

本发明实施例的物品推荐方法，包括：获取用户行为数据、所述用户行为数据对应的目标用户和目标物品；若所述用户行为数据为第一行为数据，则根据预先生成的物品组合，获取所述目标物品对应的关联物品，向所述目标用户推荐所述目标物品对应的关联物品，其中，所述第一行为数据包括：加购数据和订单数据；若所述用户行为数据为第二行为数据，则根据所述物品组合，获取所述目标物品对应的同类物品，向所述目标用户推荐所述目标物品对应的同类物品，其中，所述第二行为数据包括：搜索数据、浏览数据、点击数据和收藏数据。

可选地，所述物品组合包括：关联物品组合和同类物品组合；以及，所述物品组合是按照如下过程生成的：获取历史行为数据和所述历史行为数据对应的至少一个物品；针对所述至少一个物品中的每个物品，根据所述历史行为数据，获取所述每个物品对应的关联物品和同类物品；根据所述每个物品和所述每个物品对应的关联物品，生成所述关联物品组合；根据所述每个物品和所述每个物品对应的同类物品，生成所述同类物品组合。

可选地，所述根据所述历史行为数据，获取所述每个物品对应的关联物品和同类物品，包括：根据所述历史行为数据，获取所述每个物品对应的共现物品，其中，物品对应的共现物品为与该物品在同一个历史行为数据中共同出现的物品；对所述共现物品进行分类，获得所述每个物品对应的可选关联物品和可选同类物品；根据所述每个物品与所述可选关联物品共同出现的次数，从所述可选关联物品中，选择所述每个物品对应的关联物品；根据所述每个物品与所述可选同类物品共同出现的次数，从所述可选同类物品中，选择所述每个物品对应的同类物品。

可选地，对所述共现物品进行分类，获得所述每个物品对应的可选关联物品和可选同类物品，包括：判断所述共现物品所属的物品分类与所述每个物品所属的物品分类是否相同；若是，则确定所述共现物品为所述每个物品对应的可选同类物品；若否，则确定所述共现物品为所述每个物品对应的可选关联物品。

可选地，在获取所述目标物品对应的关联物品之后，所述方法还包括：根据设置的物品关联关系，对所述目标物品对应的关联物品进行调整。

可选地，在获取所述目标物品对应的同类物品之后，所述方法还包括：根据设置的物品相似关系，对所述目标物品对应的同类物品进行调整；以及，确定所述目标物品所属的物品分类，获取所述所属的物品分类对应的热销物品；根据所述热销物品，对所述目标物品对应的同类物品进行调整。

可选地，在向所述目标用户推荐所述目标物品对应的关联物品之后，所述方法还包括：若所述目标用户在预设时间内加购或者购买所述目标物品对应的关联物品，则根据所述物品组合，获取所述关联物品对应的关联物品；从所述目标物品对应的关联物品和所述关联物品对应的关联物品中，选择待推荐物品，向所述目标用户推荐所述待推荐物品。

为实现上述目的，根据本发明实施例的再一个方面，提供了一种物品推荐装置。

本发明实施例的物品推荐装置，包括：获取模块，用于获取用户行为数据、所述用户行为数据对应的目标用户和目标物品；第一推荐模块，用于若所述用户行为数据为第一行为数据，则根据预先生成的物品组合，获取所述目标物品对应的关联物品，向所述目标用户推荐所述目标物品对应的关联物品，其中，所述第一行为数据包括：加购数据和订单数据；第二推荐模块，用于若所述用户行为数据为第二行为数据，则根据所述物品组合，获取所述目标物品对应的同类物品，向所述目标用户推荐所述目标物品对应的同类物品，其中，所述第二行为数据包括：搜索数据、浏览数据、点击数据和收藏数据。

可选地，所述装置还包括生成模块，用于按照如下过程生成所述物品组合：获取历史行为数据和所述历史行为数据对应的至少一个物品；针对所述至少一个物品中的每个物品，根据所述历史行为数据，获取所述每个物品对应的关联物品和同类物品；根据所述每个物品和所述每个物品对应的关联物品，生成所述关联物品组合；根据所述每个物品和所述每个物品对应的同类物品，生成所述同类物品组合。其中，所述物品组合包括：关联物品组合和同类物品组合。

可选地，所述生成模块还用于：根据所述历史行为数据，获取所述每个物品对应的共现物品，其中，物品对应的共现物品为与该物品在同一个历史行为数据中共同出现的物品；对所述共现物品进行分类，获得所述每个物品对应的可选关联物品和可选同类物品；根据所述每个物品与所述可选关联物品共同出现的次数，从所述可选关联物品中，选择所述每个物品对应的关联物品；根据所述每个物品与所述可选同类物品共同出现的次数，从所述可选同类物品中，选择所述每个物品对应的同类物品。

可选地，所述生成模块还用于：判断所述共现物品所属的物品分类与所述每个物品所属的物品分类是否相同；若是，则确定所述共现物品为所述每个物品对应的可选同类物品；若否，则确定所述共现物品为所述每个物品对应的可选关联物品。

可选地，所述第一推荐模块还用于：根据设置的物品关联关系，对所述目标物品对应的关联物品进行调整。

可选地，所述第二推荐模块还用于：根据设置的物品相似关系，对所述目标物品对应的同类物品进行调整；以及，确定所述目标物品所属的物品分类，获取所述所属的物品分类对应的热销物品；根据所述热销物品，对所述目标物品对应的同类物品进行调整。

可选地，所述第一推荐模块还用于：若所述目标用户在预设时间内加购或者购买所述目标物品对应的关联物品，则根据所述物品组合，获取所述关联物品对应的关联物品；从所述目标物品对应的关联物品和所述关联物品对应的关联物品中，选择待推荐物品，向所述目标用户推荐所述待推荐物品。

为实现上述目的，根据本发明实施例的又一个方面，提供了一种电子设备。

本发明实施例的一种电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本发明实施例的物品推荐方法。

为实现上述目的，根据本发明实施例的还一个方面，提供了一种计算机可读介质。

本发明实施例的一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现本发明实施例的物品推荐方法。

上述发明中的一个实施例具有如下优点或有益效果：可以对获取的用户行为数据进行分析，若用户加购或下单物品，则向用户推荐该物品对应的关联物品，若用户搜索、浏览、点击或收藏物品，则向用户推荐该物品对应的同类物品，能够结合不同的购物场景向用户推荐关联物品或同类物品，从而可以提高物品推荐的准确率，给用户带来较好的使用体验。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的物品推荐方法的主要步骤的示意图；

图2是根据本发明实施例的生成物品组合的主要过程的示意图；

图3是根据本发明实施例的物品推荐方法的主要流程的示意图；

图4是根据本发明实施例的物品推荐装置的主要模块的示意图；

图5是本发明实施例可以应用于其中的示例性系统架构图；

图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明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，而不会背离本发明的范围和精神。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。

图1是根据本发明实施例的物品推荐方法的主要步骤的示意图。

如图1所示，物品推荐方法的主要步骤可以包括：

步骤S101，获取用户行为数据、用户行为数据对应的目标用户和目标物品；

步骤S102，若用户行为数据为第一行为数据，则根据预先生成的物品组合，获取目标物品对应的关联物品，向目标用户推荐目标物品对应的关联物品；

步骤S103，若用户行为数据为第二行为数据，则根据物品组合，获取目标物品对应的同类物品，向目标用户推荐目标物品对应的同类物品。

用户行为数据是用户在线上购物平台的操作数据，如用户搜索数据。在获取到用户行为数据之后，对用户行为数据进行分析，获取该用户行为数据对应的目标用户和目标物品，如用户行为数据为用户A搜索某物品，则用户A为目标用户，该物品为目标物品。

通过步骤S101获取到用户行为数据、目标用户和目标物品之后，可以对用户行为数据进行分析，获取到需要向目标用户推荐的物品。本发明实施例中，主要从用户行为数据为第一行为数据和第二行为数据这两个方面进行分析。其中，第一行为数据可以包括：加购数据和订单数据；第二行为数据可以包括：搜索数据、浏览数据、点击数据和收藏数据。加购数据是指用户将物品加入购物车，订单数据是指用户提交订单。当然，第一行为数据和第二行为数据也可以包括用户的其他操作数据，本发明实施例对此不在限定。

需要注意的是，本发明实施例中的用户行为数据为用户当前操作数据，也即对用户当前操作数据进行分析，然后进行物品推荐。

在步骤S102中，若用户行为数据为第一行为数据，即如果用户行为数据为加购数据或者订单数据，则根据预先生成的物品组合，获取目标物品对应的关联物品，然后向目标用户推荐目标物品对应的关联物品。

其中，物品组合可以包括：关联物品组合和同类物品组合。若两个物品之间有关联关系并且这两个物品不属于同一个物品分类，则可以认为这两个物品互为关联物品。比如，鞋和袜子、鞋和鞋垫、鞋和擦鞋油，它们之间有关联关系，且它们属于不同的物品分类，所以袜子、鞋垫、擦鞋油均为鞋的关联物品。关联物品组合是指每个物品对应的关联物品组合，如袜子、鞋垫、擦鞋油均为鞋的关联物品，那么鞋对应的关联物品组合为袜子、鞋垫、擦鞋油。若两个物品所属的物品分类是相同的，那么可以认为这两个物品为同类物品。同类物品组合是指每个物品对应的同类物品组合，如苹果、香蕉、桃子为同类物品，苹果对应的同类物品组合为香蕉和桃子，香蕉对应的同类物品组合为苹果和桃子。

步骤S102中，如果目标用户将目标物品加入购物车或者用户下单购买了目标物品，那么向目标用户推荐目标物品对应的关联物品。因此，可以根据关联物品组合，查询到目标物品对应的关联物品，以向目标用户推荐。

在步骤S103中，若用户行为数据为第二行为数据，即如果用户行为数据为搜索数据、浏览数据、点击数据或者收藏数据，也就是说，如果目标用户搜索、浏览、点击或者收藏目标物品，那么向目标用户推荐目标物品对应的同类物品。具体地，可以根据同类物品组合，查询到目标物品对应的同类物品，然后推荐至目标用户。

为了便于理解，以下提供具体的例子进行说明。如果用户A搜索男士商务皮鞋，则可以向用户A推荐不同品牌、款式的男士商务皮鞋，如按销量或者综合推荐靠前的方式推荐。如果用户A已经将男士商务皮鞋加入了购物车或者直接下单购买了，此时可以向用户A推荐男士商务皮鞋的关联物品，如鞋垫、袜子、商务腰带、商务手提包等。

现有的物品推荐方法，如果用户已经下单购买了某物品，会继续推荐该物品的同类型物品的话，用户的购物欲望不大，造成物品推荐准确率低，并且如果推荐的物品性价比优于用户已下单购买的物品，那么用户可能会重新下单，导致用户体验较差。但是，根据本发明实施例的物品推荐方法，可以对获取的用户行为数据进行分析，若用户加购或下单物品，则向用户推荐该物品对应的关联物品，若用户搜索、浏览、点击或收藏物品，则向用户推荐该物品对应的同类物品，能够结合不同的购物场景向用户推荐关联物品或同类物品，从而可以提高物品推荐的准确率，给用户带来较好的使用体验。

物品组合是本发明实施例的物品推荐方法的重要部分。图2是根据本发明实施例的生成物品组合的主要过程的示意图。如图2所示，生成物品组合的主要过程可以包括步骤S201至步骤S204。

步骤S201：获取历史行为数据和历史行为数据对应的至少一个物品。

其中，历史行为数据是指所有用户在线上购物平台上进行操作产生的数据，如搜索数据、浏览数据、点击数据、收藏数据、加购数据和订单数据等。历史行为数据对应的至少一个物品是指数据中包含的具体物品，如搜索的物品、浏览的物品、点击的物品、收藏的物品、加购的物品和下单的物品。如，对最近一段时间的用户行为数据进行分析，得到至少一个物品，确定至少一个物品之间的同类关系及关联关系，以生成同类物品组合和关联物品组合。

步骤S202：针对至少一个物品中的每个物品，根据历史行为数据，获取每个物品对应的关联物品和同类物品。

在获取历史行为数据中的至少一个物品之后，可以对每个物品进行分析，获得该物品对应的关联物品和同类物品。具体方法可以为：

(1)根据历史行为数据，获取每个物品对应的共现物品。

历史行为数据的数量为多个，某物品对应的共现物品为与该物品在同一个历史行为数据中共同出现的物品。比如，某个历史行为数据为订单数据，且该订单数据中包含物品W1、W2、W3，那么W1、W2、W3为共同出现的物品，或者说，W2和W3为W1对应的共现物品，W1和W3为W2对应的共现物品，W1和W2为W3对应的共现物品。再如，某用户在一段时间内浏览、搜索、收藏或者点击了多个物品，生成历史行为数据，那么这些物品为共同出现的物品。另外，可以将浏览数据、搜索数据、收藏数据和点击数据划分为一类数据，然后进行分析，如用户A在半小时内浏览了物品W4、收藏了物品W5、搜索了物品W6，则可以认为W4、W5和W6为共同出现的物品；也可以对浏览数据、搜索数据、收藏数据和点击数据分别进行分析。

获取到历史行为数据之后，可以对每个历史行为数据进行分析，得到每个物品对应的至少一个共现物品。

(2)对共现物品进行分类，获得每个物品对应的可选关联物品和可选同类物品。

在上文中已经说明，若两个物品之间有关联关系并且这两个物品不属于同一个物品分类，则可以认为这两个物品互为关联物品。本技术方案中，若两个物品共同出现在同一个历史行为数据中、并且这两个物品不属于同一个物品分类，那么可以认为这两个物品互为关联物品。在对历史行为数据进行分析，得到每个物品对应的至少一个共现物品之后，可以对该物品对应的每个共现物品进行判断。若某共现物品与该物品不属于同一个物品分类，则可以认为该共现物品为该物品对应的可选关联物品。比如，W2和W3为W1对应的共现物品，W2与W1对应的物品分类是不同的，那么W2为W1对应的可选关联物品。

另外，上文提到若两个物品所属的物品分类是相同的，那么可以认为这两个物品为同类物品。考虑到，直接根据物品分类确定物品对应的可选同类物品，然后进行物品推荐，会降低物品推荐的准确性。所以，可以结合共现物品进行分析。具体地，在通过对历史行为数据进行分析，得到每个物品对应的至少一个共现物品之后，可以对该物品对应的每个共现物品进行判断。若某共现物品与该物品属于同一个物品分类，则可以认为该共现物品为该物品对应的可选同类物品。比如，W2和W3为W1对应的共现物品，W3与W1对应的物品分类是相同的，那么W3为W1对应的可选同类物品。

所以，对每个物品对应的至少一个共现物品进行分类，可以获得每个物品对应的可选关联物品和可选同类物品。具体地，判断每个物品对应的每个共现物品所属的物品分类与该物品所属的物品分类是否相同；若是，则确定该共现物品为该物品对应的可选同类物品；若否，则确定该共现物品为该物品对应的可选关联物品。

(3)根据每个物品与可选关联物品共同出现的次数，从可选关联物品中，选择每个物品对应的关联物品；根据每个物品与可选同类物品共同出现的次数，从可选同类物品中，选择每个物品对应的同类物品。

若某物品与该物品对应的某可选关联物品共同出现的次数越多，则说明该物品与该可选关联物品之间有较强的关联性，即用户在加购或者购买该物品的情况下，对该可选关联物品的感兴趣程度较高。因此，在确定每个物品对应的可选关联物品之后，可以统计该物品与该物品对应的每个可选关联物品共同出现的次数。然后，选择共同出现的次数排名靠前的可选关联物品为该物品对应的关联物品。比如，设置物品对应的关联物品数量为5，从物品W1对应的可选关联物品中，选择共同出现次数前5的物品W2、W4、W5、W6、W7作为物品W1对应的关联物品。当然，可以根据实际需求，设置物品对应的关联物品数量，本发明实施例对此不作限定。

同理，若某物品与该物品对应的某可选同类物品共同出现的次数越多，则说明该物品与该可选同类物品之间有较强的关联性，即用户在浏览、搜索、收藏或者点击该物品的情况下，对该可选同类物品的感兴趣程度较高。因此，在确定每个物品对应的可选同类物品之后，可以统计该物品与该物品对应的每个可选同类物品共同出现的次数。然后，选择共同出现的次数排名靠前的可选同类物品为该物品对应的同类物品。比如，设置物品对应的同类物品数量为4，从物品W1对应的可选同类物品中，选择共同出现次数前4的物品W3、W8、W9、W10作为物品W1对应的同类物品。当然，可以根据实际需求，设置物品对应的同类物品数量，本发明实施例对此不作限定。

步骤S203：根据每个物品和每个物品对应的关联物品，生成关联物品组合；步骤S204：根据每个物品和每个物品对应的同类物品，生成同类物品组合。

在通过上述步骤S201至步骤S202得到每个物品对应的关联物品之后，可以生成每个物品对应的关联物品组合。同样地，得到每个物品对应的同类物品之后，可以生成每个物品对应的同类物品组合。

此外，本发明实施例中，可以定期获取历史行为数据，然后对关联物品组合和同类物品组合进行更新。还有，本发明实施例中，还可以预先设置物品之间的关联关系，比如设置运动鞋和运动袜有较强关联性，并且运动鞋和运动袜属于不同的物品分类，则认为运动鞋所属的物品分类下的所有物品与运动袜所属的物品分类下的所有物品之间存在关联关系，进而运动袜所属的物品分类下的所有物品均可以看成运动鞋对应的关联物品。

步骤S201至步骤S204，通过对历史行为数据进行分析，得到关联物品组合和同类物品组合，以便在获取到用户行为数据、目标用户和目标物品之后，可以在用户行为数据为第一行为数据的情况下，根据关联物品组合获取目标物品对应的关联物品，进而向目标用户推荐；在用户行为数据为第二行为数据的情况下，根据同类物品组合获取目标物品对应的同类物品，进而向目标用户推荐。

作为本发明的实施例，在获取目标物品对应的关联物品之后，物品推荐方法还可以包括：根据设置的物品关联关系，对目标物品对应的关联物品进行调整。

上文中提到，可以预先设置物品之间的关联关系，然后根据设置的物品关联关系，对目标物品对应的关联物品进行调整。这样做的好处是，若有新品出现，历史行为数据中关于新品的数据较少，也就是说，物品关联组合中可能不存在新品，进而会影响新品的推广。若利用预先设置物品之间的关联关系，对目标物品的关联物品进行调整，避免了仅根据历史行为数据进行物品推荐，有利于新品推广，也能给用户带来较好的体验。另外，设置的物品关联关系可以理解为指定物品之间的较强关联性，所以利用设置的物品关联关系，对目标物品对应的关联物品进行调整，能够进一步提高物品推荐准确率。

作为本发明的实施例，在获取目标物品对应的同类物品之后，物品推荐方法还可以包括：根据设置的物品相似关系，对目标物品对应的同类物品进行调整；以及，确定目标物品所属的物品分类，获取所属的物品分类对应的热销物品；根据热销物品，对目标物品对应的同类物品进行调整。

具体地，还可以预先设置物品相似关系，比如苹果、橘子和橙子所属物品分类是相同的，但是可以设置橘子和橙子有较强的相似性，然后根据设置的物品相似关系，对目标物品对应的同类物品进行调整。这样做的好处是，若有新品出现，历史行为数据中关于新品的数据较少，也就是说，物品同类组合中可能不存在新品，进而会影响新品的推广。若利用预先设置物品同类关系，对目标物品的同类物品进行调整，避免了仅根据历史行为数据进行物品推荐，有利于新品推广，也能给用户带来较好的体验。另外，设置的物品相似关系可以理解为指定物品之间的较强相似性，所以利用设置的物品相似关系，对目标物品对应的同类物品进行调整，能够进一步提高物品推荐准确率。

另外，在获取目标物品对应的同类物品之后，还可以确定目标物品所属的物品分类，获取所属的物品分类对应的热销物品，然后根据热销物品，对目标物品对应的同类物品进行调整。比如，用户A搜索男士商务皮鞋，向用户A推荐不同品牌、款式的男士商务皮鞋，则可以结合男士商务皮鞋对应的同类物品组合和男士商务皮鞋销量进行推荐。当然，除了可以结合销量进行推荐之外，还可以结合物品的综合排序进行推荐，本发明实施例对此不作限定。

作为本发明的实施例，在向目标用户推荐目标物品对应的关联物品之后，物品推荐方法还可以包括：若目标用户在预设时间内加购或者购买目标物品对应的关联物品，则根据物品组合，获取关联物品对应的关联物品；从目标物品对应的关联物品和关联物品对应的关联物品中，选择待推荐物品，向目标用户推荐待推荐物品。

目标用户将目标物品加购或者购买之后，会向目标用户推荐目标物品对应的关联物品。为了便于理解，假设目标物品对应的关联物品为B1、B2、B3、B4、B5。如果目标用户在预设时间内(可以但不限于是半小时，具体可以根据实际需求设置)加购或者购买了推荐的关联物品B1，则接下来继续向目标用户推荐待推荐物品。该待推荐物品是从目标物品对应的关联物品B2、B3、B4、B5和关联物品B1对应的关联物品C1、C2、C3、C4之中选择的。具体地，可以选择B2、B3、B4、B5的一半、以及C1、C2、C3、C4的一半为待推荐物品，当然也可以根据实际需求设置具体的选择数量及选择规则。依次类推，如果目标用户加购或者购买了推荐的关联物品B1之后，继续向目标用户推荐物品B2、B3、C1、C2，目标用户在预设时间内(可以但不限于是半小时，具体可以根据实际需求设置)加购或者购买了物品B2，那么接下来从目标物品、B1和B2这三个对应的关联物品之中，选择继续向目标用户推荐的物品，直至目标用户离开该线上购物平台。

这样做的好处是，如果继续向目标用户推荐目标物品对应的关联物品，则推荐的物品类目不更新，给用户带来不好的购物体验；如果继续向目标用户推荐关联物品对应的关联物品，则目标物品对应的关联物品会被忽略，也会影响用户的购物体验。因此，在目标用户加购或者购买了推荐的关联物品之后，可以结合目标物品对应的关联物品和关联物品对应的关联物品，继续向目标用户进行物品推荐。还有，用户下次登录线上购物平台时，界面上可以显示该用户上次离开时推荐的物品，给用户带来较好的使用体验。

图3是根据本发明实施例的物品推荐方法的主要流程的示意图。

如图3所示，物品推荐方法的主要流程可以包括：

步骤S301，获取用户行为数据、用户行为数据对应的目标用户和目标物品；

步骤S302，判断用户行为数据是否为第一行为数据，若是，则执行步骤S303，若否，则执行步骤S307；

步骤S303，根据预先生成的关联物品组合，获取目标物品对应的关联物品，然后根据设置的物品关联关系，对目标物品对应的关联物品进行调整；

步骤S304，向目标用户推荐目标物品对应的关联物品；

步骤S305，若目标用户在预设时间内加购或者购买目标物品对应的关联物品，则根据关联物品组合，获取关联物品对应的关联物品；

步骤S306，从目标物品对应的关联物品和关联物品对应的关联物品中，选择待推荐物品，向目标用户推荐该待推荐物品；

步骤S307，判断用户行为数据是否为第二行为数据，若是，则执行步骤S308；

步骤S308，根据预先生成的同类物品组合，获取目标物品对应的同类物品，向目标用户推荐目标物品对应的同类物品；

步骤S309，根据设置的物品相似关系，对目标物品对应的同类物品进行调整；

步骤S310，确定目标物品所属的物品分类，获取所属的物品分类对应的热销物品，然后根据热销物品，对目标物品对应的同类物品进行调整。

其中，第一行为数据可以包括：加购数据和订单数据；第二行为数据可以包括：搜索数据、浏览数据、点击数据和收藏数据。还有，上文已经通过步骤S201至步骤S204说明关联物品组合和同类物品组合的生成过程，此处不再累述。以及，在步骤S306向目标用户推荐待推荐物品之后，若目标用户加购或购买了待推荐物品，则可以继续向目标用户进行物品推荐，直至目标用户离开该线上购物平台，此处在上文已经详细说明，此处也不再累述。步骤S309和步骤S310的执行顺序，可以根据实际情况调整，本发明实施例对此不作限定。需要注意的是，用户行为数据还可能是用户注册数据或者其他与用户购物不相关的数据，因此在判断用户行为数据不是第一行为数据和第二行为数据的情况下，可以结束。

根据本发明实施例的物品推荐方法，可以对获取的用户行为数据进行分析，若用户加购或下单物品，则向用户推荐该物品对应的关联物品，若用户搜索、浏览、点击或收藏物品，则向用户推荐该物品对应的同类物品，能够结合不同的购物场景向用户推荐关联物品或同类物品，从而可以提高物品推荐的准确率，给用户带来较好的使用体验。

图4是根据本发明实施例的物品推荐装置的主要模块的示意图。如图4所示，物品推荐装置400的主要模块可以包括：获取模块401、第一推荐模块402和第二推荐模块403。

其中，获取模块401可用于：获取用户行为数据、用户行为数据对应的目标用户和目标物品；第一推荐模块402可用于：若用户行为数据为第一行为数据，则根据预先生成的物品组合，获取目标物品对应的关联物品，向目标用户推荐目标物品对应的关联物品；第二推荐模块403可用于：若用户行为数据为第二行为数据，则根据物品组合，获取目标物品对应的同类物品，向目标用户推荐目标物品对应的同类物品。其中，第一行为数据可以包括：加购数据和订单数据；第二行为数据可以包括：搜索数据、浏览数据、点击数据和收藏数据。

从图4可以看出，物品推荐装置400还可以包括生成模块404。生成模块404可用于按照如下过程生成物品组合：获取历史行为数据和历史行为数据对应的至少一个物品；针对至少一个物品中的每个物品，根据历史行为数据，获取每个物品对应的关联物品和同类物品；根据每个物品和每个物品对应的关联物品，生成关联物品组合；根据每个物品和每个物品对应的同类物品，生成同类物品组合。其中，物品组合可以包括：关联物品组合和同类物品组合。

作为本发明的实施例，生成模块404还可用于：根据历史行为数据，获取每个物品对应的共现物品，其中，物品对应的共现物品为与该物品在同一个历史行为数据中共同出现的物品；对共现物品进行分类，获得每个物品对应的可选关联物品和可选同类物品；根据每个物品与可选关联物品共同出现的次数，从可选关联物品中，选择每个物品对应的关联物品；根据每个物品与可选同类物品共同出现的次数，从可选同类物品中，选择每个物品对应的同类物品。

作为本发明的实施例，生成模块404还可用于：判断共现物品所属的物品分类与每个物品所属的物品分类是否相同；若是，则确定共现物品为每个物品对应的可选同类物品；若否，则确定共现物品为每个物品对应的可选关联物品。

作为本发明的实施例，第一推荐模块402还可用于：根据设置的物品关联关系，对目标物品对应的关联物品进行调整。

作为本发明的实施例，第二推荐模块403还可用于：根据设置的物品相似关系，对目标物品对应的同类物品进行调整；以及，确定目标物品所属的物品分类，获取所属的物品分类对应的热销物品；根据热销物品，对目标物品对应的同类物品进行调整。

作为本发明的实施例，第一推荐模块402还可用于：若目标用户在预设时间内加购或者购买目标物品对应的关联物品，则根据物品组合，获取关联物品对应的关联物品；从目标物品对应的关联物品和关联物品对应的关联物品中，选择待推荐物品，向目标用户推荐待推荐物品。

根据本发明实施例的物品推荐装置，可以对获取的用户行为数据进行分析，若用户加购或下单物品，则向用户推荐该物品对应的关联物品，若用户搜索、浏览、点击或收藏物品，则向用户推荐该物品对应的同类物品，能够结合不同的购物场景向用户推荐关联物品或同类物品，从而可以提高物品推荐的准确率，给用户带来较好的使用体验。

图5示出了可以应用本发明实施例的物品推荐方法或物品推荐装置的示例性系统架构500。

如图5所示，系统架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器505可以是提供各种服务的服务器，例如作为用户利用终端设备501、502、503进行物品推荐的过程中，提供支持的后台管理服务器(仅为示例)；再例如，服务器505可以完成本发明实施例的物品推荐。

需要说明的是，本发明实施例所提供的物品推荐方法一般由服务器505执行，相应地，物品推荐装置一般设置于服务器505中。

应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图6，其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、第一推荐模块和第二推荐模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“获取用户行为数据、用户行为数据对应的目标用户和目标物品的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：获取用户行为数据、用户行为数据对应的目标用户和目标物品；若用户行为数据为第一行为数据，则根据预先生成的物品组合，获取目标物品对应的关联物品，向目标用户推荐目标物品对应的关联物品，其中，第一行为数据包括：加购数据和订单数据；若用户行为数据为第二行为数据，则根据物品组合，获取目标物品对应的同类物品，向目标用户推荐目标物品对应的同类物品，其中，第二行为数据包括：搜索数据、浏览数据、点击数据和收藏数据。

根据本发明实施例的技术方案，可以对获取的用户行为数据进行分析，若用户加购或下单物品，则向用户推荐该物品对应的关联物品，若用户搜索、浏览、点击或收藏物品，则向用户推荐该物品对应的同类物品，能够结合不同的购物场景向用户推荐关联物品或同类物品，从而可以提高物品推荐的准确率，给用户带来较好的使用体验。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。