技术摘要：
本发明公开了一种商品推荐数据生成方法、装置及系统。所述方法包括：对商品集作非用户个性化排序和用户个性化排序，获得所述商品集的非用户个性化排序结果和用户个性化排序结果；按照所述非用户个性化排序结果和所述用户个性化排序结果的权重值计算二者的加权和值；根  全部
背景技术：
在电商服务行业中，为满足不同用户的搜索需求，提高商品销售量，服务商通常会 通过用户的历史操作行为记录挖掘用户的偏好，针对每个用户的偏好为商品打分，按照商 品得分对商品排序，生成商品推荐数据向用户推荐。此方法虽然能够按照用户的喜好实现 商品的个性化推荐，但是却导致推荐的商品趋同化严重，推荐排序靠前的商品往往只是用 户偏好的商品，其商品类别、功能均相近，将用户封闭在充满相近信息的空间中，产生“信息 茧房”效应，从而导致其他类别的商品很难被用户看到，使得拓展用户新需求的难度加大。
技术实现要素：
为了解决现有技术的问题，本发明实施例提供了一种商品推荐数据生成方法、装 置及系统。所述技术方案如下： 第一方面，提供了一种商品推荐数据生成方法，所述方法包括： 对商品集作非用户个性化排序和用户个性化排序，获得所述商品集的非用户个性 化排序结果和用户个性化排序结果； 按照所述非用户个性化排序结果和所述用户个性化排序结果的权重值计算二者 的加权和值； 根据所述非用户个性化排序结果和所述用户个性化排序结果的加权和值对所述 商品集排序，生成商品推荐数据。 进一步地，所述非用户个性化排序包括：商品搜索热度排序、商品购买热度排序、 商品库存数量排序、商品优惠力度排序、商品好评率排序中的任意一种或多种。 进一步地，利用排序模型对商品集作非用户个性化排序和用户个性化排序，所述 排序模型为至少包含非用户个性化排序任务和用户个性化排序任务的多任务融合排序模 型。 进一步地，所述多任务融合排序模型的训练方法包括： 以非用户的因素为维度对商品数据打上相应的因素标签得到第一样本商品，以用 户为维度对所述商品数据打上相应的用户个性化标签得到第二样本商品； 以第一样本商品为训练样本训练原始模型得到第一排序模型； 用第二样本商品训练所述第一排序模型得到第二排序模型； 利用权重值将所述第一排序模型和所述第二排序模型结合，形成所述多任务融合 排序模型。 进一步地，所述商品集根据所述用户输入的关键词查找获得。 进一步地，所述商品集根据所述用户输入的关键词查找获得包括： 根据所述关键词召回相应的搜索商品； 4 CN 111582973 A 说　明　书 2/8 页 整理过滤所述搜索商品组成所述商品集。 第二方面，提供了一种商品推荐数据生成装置，所述装置包括： 排序模块，用于对商品集作非用户个性化排序和用户个性化排序，获得所述商品 集的非用户个性化排序结果和用户个性化排序结果，并按照所述非用户个性化排序结果和 所述用户个性化排序结果的权重值计算二者的加权和值； 推荐数据生成模块，用于根据所述非用户个性化排序结果和所述用户个性化排序 结果的加权和值对所述商品集排序，生成商品推荐数据。 进一步地，所述非用户个性化排序包括：商品搜索热度排序、商品购买热度排序、 商品库存数量排序、商品好评率排序中的任意一种或多种。 进一步地，所述排序模块中设置有排序模型，所述排序模型为至少包含非用户个 性化排序任务和用户个性化排序任务的多任务融合排序模型。 进一步地，所述装置还包括： 排序模型训练模块，用于以第一样本商品为训练样本训练原始模型得到第一排序 模型，以及用第二样本商品训练所述第一排序模型得到第二排序模型，利用权重值将所述 第一排序模型和所述第二排序模型结合，形成所述多任务融合排序模型，其中所述第一样 本商品由以非用户的因素为维度对商品数据打上相应的因素标签获得的商品数据，第二样 本商品由以用户为维度对所述商品数据打上相应的用户个性化标签获得的商品数据。 进一步地，所述装置还包括： 检索模块，用于根据所述用户输入的关键词查找获得搜索商品。 进一步地，所述装置还包括： 商品过滤模块，用于整理过滤所述搜索商品组成所述商品集。 第三方面，本发明还提供一种计算机系统，包括： 一个或多个处理器；以及 与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程 序指令在被所述一个或多个处理器读取执行时，执行如第一方面所述方法的操作。 本发明实施例提供的技术方案带来的有益效果是： 本发明公开的技术方案在用户个性化推荐的基础上结合非用户个性化推荐，打破 仅采用用户个性化排序生成商品推荐数据导致的“信息茧房”效应，丰富用户可以接触到的 推荐商品的类型，有利于服务运营商拓展用户的多样化需求。 附图说明 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使 用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于 本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他 的附图。 图1是本发明实施例1提供的一种商品推荐数据生成方法流程图； 图2是本发明实施例2提供的一种商品推荐数据生成装置结构示意图； 图3是本发明实施例3提供的一种商品推荐数据生成方法流程图； 图4是本发明实施例4提供的一种商品推荐数据生成装置结构示意图； 5 CN 111582973 A 说　明　书 3/8 页 图5是本发明实施例5提供的一种计算机系统结构示意图。