一种商品推荐方法及装置与流程

1.本技术涉及计算机领域，尤其涉及一种商品推荐方法及装置。


背景技术：

2.随着互联网的快速发展，越来越多的人开始选择在网上购物。
3.目前，用户在电子商务平台通过搜索、目录导航等方式获得自己想要的商品，进而完成购买的步骤。由于电子规模商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品，这种浏览大量无关的信息和产品过程会造成用户的购物效率较低，进而给用户带来不好的购物体验。
4.因此，如何提升用户的购物体验，成为本领域亟需解决的问题。


技术实现要素：

5.本技术提供了一种商品推荐方法及装置，目的在于提升用户的购物体验。
6.为了实现上述目的，本技术提供了以下技术方案：
7.一种商品推荐方法，包括：
8.当接收到展示请求时，通过预设界面向用户展示助手图标；所述展示请求为展示所述助手图标的请求；
9.响应于触发的所述助手图标中询问功能的操作，向所述用户播放询问语音信息；
10.当接收到所述用户的答复语音信息时，将所述答复语音信息输入至预先训练的大语言模型中，得到所述大语言模型输出的购物需求信息；所述购物需求信息至少包括价格和商品；
11.从商品数据库中选取符合所述购物需求信息的一个或多个商品，并标识为待推荐商品；
12.对于每个所述待推荐商品，从信息数据库中获取与所述待推荐商品对应的商品相关知识；所述商品相关知识包括待推荐商品的品牌和待推荐商品的商品销售量；
13.通过所述预设界面向所述用户展示所述待推荐商品，以及所述与待推荐商品对应的商品相关知识。
14.可选的，预先训练大语言模型的过程，包括：
15.获取各个样本语音信息；
16.将各个所述样本语音信息输入至初始模型中，经由所述初始模型的编码器对每个所述样本语音信息进行编码，得到每个特征向量；所述初始模型包括所述编码器和任务损失函数；
17.将各个所述特征向量作为所述初始模型的所述任务损失函数的输入，计算得到购物需求信息，不断调整所述任务损失函数的各项参数，直至所述购物需求信息的正确率大于预设阈值，确认大语言模型训练成功。
18.可选的，所述通过所述预设界面向所述用户展示所述待推荐商品，以及所述与待
推荐商品对应的商品相关知识，包括：
19.根据待推荐商品的商品销售量，对各个所述待推荐商品进行排序，得到待推荐商品序列；所述待推荐商品序列包括待推荐商品的序位；
20.按照所述序位由小到大的顺序，通过所述预设界面向所述用户展示所述待推荐商品，以及所述与待推荐商品对应的商品相关知识。
21.可选的，还包括：
22.接收用户的反馈信息；
23.若所述反馈信息为用户满意待推荐商品的信息，则将所述待推荐商品与所述需求信息存储至所述信息数据库中；
24.若所述反馈信息为用户不满意待推荐商品的信息，则从所述商品数据库中选取与所述购物需求信息对应的一个或多个新的商品，并通过所述预设界面向用户展示各个所述新的商品。
25.可选的，还包括：
26.获取用户的历史购买商品；
27.基于所述历史购买商品，确定用户的购买偏好商品；
28.当接收到所述用户发送的商品展示指令时，通过预设界面向用户展示所述购买偏好商品。
29.一种商品推荐装置，包括：
30.第一展示单元，用于当接收到展示请求时，通过预设界面向用户展示助手图标；所述展示请求为展示所述助手图标的请求；
31.播放单元，用于响应于触发的所述助手图标中询问功能的操作，向所述用户播放询问语音信息；
32.输入单元，用于当接收到所述用户的答复语音信息时，将所述答复语音信息输入至预先训练的大语言模型中，得到所述大语言模型输出的购物需求信息；所述购物需求信息至少包括价格和商品；
33.筛选单元，用于从商品数据库中选取符合所述购物需求信息的一个或多个商品，并标识为待推荐商品；
34.获取单元，用于对于每个所述待推荐商品，从信息数据库中获取与所述待推荐商品对应的商品相关知识；所述商品相关知识包括待推荐商品的品牌和待推荐商品的商品销售量；
35.第二展示单元，用于通过所述预设界面向所述用户展示所述待推荐商品，以及所述与待推荐商品对应的商品相关知识。
36.可选的，所述输入单元具体用于：
37.获取各个样本语音信息；
38.将各个所述样本语音信息输入至初始模型中，经由所述初始模型的编码器对每个所述样本语音信息进行编码，得到每个特征向量；所述初始模型包括所述编码器和任务损失函数；
39.将各个所述特征向量作为所述初始模型的所述任务损失函数的输入，计算得到购物需求信息，不断调整所述任务损失函数的各项参数，直至所述购物需求信息的正确率大
于预设阈值，确认大语言模型训练成功。
40.可选的，所述第二展示单元具体用于：
41.根据待推荐商品的商品销售量，对各个所述待推荐商品进行排序，得到待推荐商品序列；所述待推荐商品序列包括待推荐商品的序位；
42.按照所述序位由小到大的顺序，通过所述预设界面向所述用户展示所述待推荐商品，以及所述与待推荐商品对应的商品相关知识。
43.可选的，还包括：
44.接收单元，用于接收用户的反馈信息；
45.存储单元，用于若所述反馈信息为用户满意待推荐商品的信息，则将所述待推荐商品与所述需求信息存储至所述信息数据库中；
46.选取单元，用于若所述反馈信息为用户不满意待推荐商品的信息，则从所述商品数据库中选取与所述购物需求信息对应的一个或多个新的商品，并通过所述预设界面向用户展示各个所述新的商品。
47.可选的，还包括：
48.商品获取单元，用于获取用户的历史购买商品；
49.确定单元，用于基于所述历史购买商品，确定用户的购买偏好商品；
50.第三展示单元，用于当接收到所述用户发送的商品展示指令时，通过预设界面向用户展示所述购买偏好商品。
51.本技术提供的技术方案，当接收到展示请求时，通过预设界面向用户展示助手图标；响应于触发的助手图标中询问功能的操作，向用户播放询问语音信息；当接收到用户的答复语音信息时，将答复语音信息输入至预先训练的大语言模型中，得到大语言模型输出的购物需求信息；从商品数据库中选取符合购物需求信息的一个或多个商品，并标识为待推荐商品；对于每个待推荐商品，从信息数据库中获取与待推荐商品对应的商品相关知识；通过预设界面向用户展示待推荐商品，与待推荐商品对应的商品相关知识。用户将购物需求告知虚拟助手，虚拟助手根据购物需求筛选商品并推荐给用户，通过与虚拟助手之间的交互就能完成购物，提升了用户的购物体验。
附图说明
52.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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技术的一些实施例，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。
53.图1为本技术实施例提供的一种商品推荐方法的流程图；
54.图2为本技术实施例提供的一种大语言模型的训练方法的流程图；
55.图3为本技术实施例提供的一种购买偏好商品的展示方法的流程图；
56.图4为本技术实施例提供的一种商品推荐装置的架构示意图。
具体实施方式
57.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
58.如图1所示，为本技术实施例提供的一种商品推荐方法的流程图，包括如下步骤：
59.s101：当接收到展示请求时，通过预设界面向用户展示助手图标。
60.其中，展示请求为展示助手图标的请求。助手图标指示虚拟助手的图标。
61.可选的，助手图标可以为卡通形象或小动物形象。
62.需要说明的是，通过预设界面向用户展示助手图标，以便后续用户使用助手图标中的功能。
63.需要说明的是，当用户进入电子商务平台后，用户可以通过某些操作(点击预设按钮)，进而发送展示助手图标的请求，当助手图标通过预设界面向用户展示后，用户可以与助手图标进行交互，进而完成购物。
64.可选的，虚拟助手可以与各种电子商务平台进行集成，提供统一和一致的用户体验。
65.s102：响应于触发的助手图标中询问功能的操作，向用户播放询问语音信息。
66.其中，询问语音信息指示询问用户需求的信息。
67.可选的，询问语音信息的形式包括但不限于为：“您好，我是您的购物助手，我可以帮您找到你想要的商品，您只需要告诉我您的需求”、“您今天想要购买什么呢”、“您对这个商品有什么疑问呢”，具体的语音表达形式可根据实际情况进行设置，在此不做任何限制。
68.需要说明的是，当用户触发助手图标中的询问功能时，说明此时用户可以通过与助手图标交互，进而完成购物的操作。
69.s103：当接收到用户的答复语音信息时，将答复语音信息输入至预先训练的大语言模型中，得到大语言模型输出的购物需求信息。
70.其中，购物需求信息至少包括价格和商品。
71.其中，回复语音信息至少包括用户需要购买的商品、以及对这个商品的预算。
72.可选的，大语言模型可以为gpt-4。
73.具体的，假设回复语音信息为：我想购买一款防晒霜，预算为100元左右，将答复语音信息输入至预先训练的大语言模型中，得到大语言模型输出的购物需求信息为：防晒霜、100元。
74.可选的，本技术实施例提供了一种大语言模型的训练方法，如图2所示，包括如下步骤：
75.s201：获取各个样本语音信息。
76.s202：将各个样本语音信息输入至初始模型中，经由初始模型的编码器对每个样本语音信息进行编码，得到每个特征向量。
77.其中，初始模型包括编码器和任务损失函数。
78.需要说明的是，本实施例中所采用的初始模型的类型可以为大语言模型。
79.s203：将各个特征向量作为初始模型的任务损失函数的输入，计算得到购物需求信息，不断调整任务损失函数的各项参数，直至购物需求信息的正确率大于预设阈值，确认大语言模型训练成功。
80.其中，正确率指示样本语音信息中的购物需求信息与样本语音信息中的实际购物需求信息之间的差距。正确率的计算原理，为本领域人员所公知的常识，这里不再赘述。
81.需要说明的是，在训练得到大语言模型之后，还需要对大语言模型进行验证和测试，当然，大语言模型的验证过程与测试过程的具体实现方式，与训练过程一致，这里不再赘述。
82.综上所述，利用本实施例所示的方案，可以有效训练得到大语言模型。
83.s104：从商品数据库中选取符合购物需求信息的一个或多个商品，并标识为待推荐商品。
84.可以理解的是，由于多个商品预先存储在商品数据库中，因此，可以从商品数据库中选取符合购物需求信息的商品。
85.具体的，假设购物需求信息为价格区间100元至200元的防晒霜，从商品数据库中选取符合购物需求信息的商品为：xx防晒霜、xxx防晒霜以及xxxx防晒霜，将xx防晒霜、xxx防晒霜以及xxxx防晒霜标识为待推荐防晒霜。
86.具体的，假设购物需求信息为价格区间100元至200元的防晒用品，则从商品数据库中选取符合购物需求信息的商品为太阳帽、防晒霜、防晒衣以及防晒雨伞，将太阳帽、防晒霜、防晒衣以及防晒雨伞标识为待推荐商品。
87.从上述过程可以看出，不同的购物需求信息所选取的商品不同，可以根据不同的购物需求信息向用户推荐不同的商品。
88.s105：对于每个待推荐商品，从信息数据库中获取与待推荐商品对应的商品相关知识。
89.其中，商品相关知识包括但不限于为：待推荐商品的品牌、待推荐商品的使用方法、待推荐商品的注意事项、待推荐商品的商品销售量。
90.例如，待推荐商品为防晒霜，有两个待推荐商品，分别为第一待推荐商品、第二待推荐商品，对于两个防晒霜，从信息数据库中获取与第一待推荐商品对应的商品相关知识为：xx品牌的防晒霜、防晒霜要出门前30分钟涂抹才会在出门那一刻就有效果，从信息数据库中获取与第二待推荐商品对应的商品相关知识为：xxx品牌的防晒霜、该防晒霜不防水。
91.s106：通过预设界面向用户展示待推荐商品，以及与待推荐商品对应的商品相关知识。
92.可以理解的是，在通过预设界面向用户展示待推荐商品的同时，展示与待推荐商品对应的商品相关知识，用户不仅能够获得想要购买的商品，还能了解该商品的相关知识，当用户想要获得该商品的相关知识时，用户不需要手动搜索该商品的相关知识，给用户带来便利。
93.可选的，当用户购物完成后，可通过安全措施来保护用户的购物数据。
94.可选的，在本技术的另一实施例中，步骤s106的一种具体实施方式，包括以下步骤：
95.根据待推荐商品的商品销售量，对各个待推荐商品进行排序，得到待推荐商品序列。
96.其中，待推荐商品序列包括待推荐商品的序位。
97.可选的，可根据待推荐商品的商品销售量由多到少的顺序，对各个待推荐商品进
行排序，也可以根据待推荐的商品销售量由少到多的顺序，对各个待推荐商品进行排序，具体的排序方式，可根据实际情况进行选择，在此不做具体限制。
98.具体的，假设有三个待推荐商品，分别为第一待推荐商品、第二待推荐商品以及第三待推荐商品，第一待推荐商品的商品销售量为5000，第二待推荐商品的商品销售量为10000，第三待推荐商品的商品销售量为1000，按照待推荐商品的商品销售量由多到少的顺序，对三个待推荐商品进行排序，得到待推荐商品序列为1、第二待推荐商品，2、第一待推荐商品，3、第三待推荐商品；按照待推荐商品的商品销售量由少到多的顺序，对三个待推荐商品进行排序，得到待推荐商品序列为1、第三待推荐商品，2、第一待推荐商品，3、第二待推荐商品。
99.按照序位由小到大的顺序，通过预设界面向用户展示待推荐商品，以及与待推荐商品对应的商品相关知识。
100.具体的，假设待推荐商品序列为1、第三待推荐商品，2、第一待推荐商品，3、第二待推荐商品，按照序位由小到大的顺序，通过预设界面展示第三待推荐商品，以及与第三待推荐商品对应的商品相关知识、第一待推荐商品，以及与第一待推荐商品对应的商品相关知识、第二待推荐商品，以及与第二待推荐商品对应的商品相关知识。
101.可选的，通过预设界面向用户展示待推荐商品，以及与待推荐商品对应的商品相关知识之后，还需要知道用户对待推荐商品是否满意，以便后续根据用户的满意程度调整待推荐商品，所以本技术另一实施例中提供了一种待推荐商品的调整方法，包括如下步骤：
102.接收用户的反馈信息。
103.其中，反馈信息指示用户对待推荐商品是否满意的信息。
104.若反馈信息为用户满意待推荐商品的信息，则将待推荐商品与需求信息存储至信息数据库中。
105.可以理解的是，若反馈信息为用户满意待推荐商品的信息，则将待推荐商品与需求信息存储至信息数据库中，以便后续接收到用户的同样购物需求信息时，从信息数据库中获取与购物需求信息对应的商品，以便快速的向用户推荐该商品。
106.若反馈信息为用户不满意待推荐商品的信息，则从商品数据库中选取与购物需求信息对应的一个或多个新的商品，并通过预设界面向用户展示各个新的商品。
107.可以理解的是，若反馈信息为用户不满意待推荐商品的信息，说明此时用户对待推荐商品不满意，此时需要对待推荐商品进行调整，选取新的商品推荐给用户，因此，从商品数据库中选取与购物需求信息对应的一个或多个新的商品，并通过预设界面向用户展示各个新的商品。
108.可选的，预设界面可能还会展示用户比较感兴趣的商品，为了能在预设界面上展示用户比较感兴趣的商品，因此，本技术另一实施例提供一种购买偏好商品的展示方法，如图3所示，包括以下步骤：
109.s301：获取用户的历史购买商品。
110.可选的，可以从历史数据库获取历史购买商品。
111.s302：基于历史购买商品，确定用户的购买偏好商品。
112.其中，根据历史购买商品，确定用户的购买偏好商品，若用户在某一时间段所购买的某一类商品比较频繁，可以推测出用户可能还要继续购买该类商品，例如，在某一时间段
用户购买的儿童用品比较频繁，那么确定用户的购买偏好商品为儿童用品。
113.s303：当接收到用户发送的商品展示指令时，通过预设界面向用户展示购买偏好商品。
114.其中，商品展示指令指示展示购买偏好商品的指令。
115.综上所述，将答复语音信息输入至预先训练的大语言模型中，得到大语言模型输出的购物需求信息，从商品数据库中选取符合购物需求信息的一个或多个商品，并标识为待推荐商品，对于每个待推荐商品，从信息数据库中获取与待推荐商品对应的商品相关知识，通过预设界面向用户展示待推荐商品，以及与待推荐商品对应的商品相关知识，在本技术实施例中，只需将购物需求告知虚拟助手，虚拟助手根据购物需求筛选商品并推荐给用户，通过与虚拟助手之间的交互就能直接完成购物，因此，提升了用户的购物体验。
116.如图4所示，为本技术实施例提供的一种商品推荐装置的架构示意图，该商品推荐装置包括：第一展示单元100、播放单元200、输入单元300、筛选单元400、获取单元500以及第二展示单元600。
117.第一展示单元100，用于当接收到展示请求时，通过预设界面向用户展示助手图标；展示请求为展示助手图标的请求。
118.播放单元200，用于响应于触发的助手图标中询问功能的操作，向用户播放询问语音信息。
119.输入单元300，用于当接收到用户的答复语音信息时，将答复语音信息输入至预先训练的大语言模型中，得到大语言模型输出的购物需求信息；购物需求信息至少包括价格和商品。
120.输入单元300具体用于：获取各个样本语音信息；将各个样本语音信息输入至初始模型中，经由初始模型的编码器对每个样本语音信息进行编码，得到每个特征向量；初始模型包括编码器和任务损失函数；将各个特征向量作为初始模型的任务损失函数的输入，计算得到购物需求信息，不断调整任务损失函数的各项参数，直至购物需求信息的正确率大于预设阈值，确认大语言模型训练成功。
121.筛选单元400，用于从商品数据库中选取符合购物需求信息的一个或多个商品，并标识为待推荐商品。
122.获取单元500，用于对于每个待推荐商品，从信息数据库中获取与待推荐商品对应的商品相关知识；商品相关知识包括待推荐商品的品牌。
123.第二展示单元600，用于通过预设界面向用户展示待推荐商品，以及与待推荐商品对应的商品相关知识。
124.第二展示单元600具体用于：根据待推荐商品的商品销售量，对各个待推荐商品进行排序，得到待推荐商品序列；待推荐商品序列包括待推荐商品的序位；按照序位由小到大的顺序，通过预设界面向用户展示待推荐商品，以及与待推荐商品对应的商品相关知识。
125.综上所述，将答复语音信息输入至预先训练的大语言模型中，得到大语言模型输出的购物需求信息，从商品数据库中选取符合购物需求信息的一个或多个商品，并标识为待推荐商品，对于每个待推荐商品，从信息数据库中获取与待推荐商品对应的商品相关知识，通过预设界面向用户展示待推荐商品，以及与待推荐商品对应的商品相关知识，在本技术实施例中，只需将购物需求告知虚拟助手，虚拟助手根据购物需求筛选商品并推荐给用
户，通过与虚拟助手之间的交互就能直接完成购物，因此，提升了用户的购物体验。
126.优选的，结合图4示出的内容，该商品推荐装置还包括：接收单元、存储单元以及选取单元。
127.接收单元，用于接收用户的反馈信息。
128.存储单元，用于若反馈信息为用户满意待推荐商品的信息，则将待推荐商品与需求信息存储至信息数据库中。
129.选取单元，用于若反馈信息为用户不满意待推荐商品的信息，则从商品数据库中选取与购物需求信息对应的一个或多个新的商品，并通过预设界面向用户展示各个新的商品。
130.优选的，结合图4示出的内容，该商品推荐装置还包括：商品获取单元、确定单元以及第三展示单元。
131.商品获取单元，用于获取用户的历史购买商品。
132.确定单元，用于基于历史购买商品，确定用户的购买偏好商品。
133.第三展示单元，用于当接收到用户发送的商品展示指令时，通过预设界面向用户展示购买偏好商品。
134.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
135.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种商品推荐方法，其特征在于，包括：当接收到展示请求时，通过预设界面向用户展示助手图标；所述展示请求为展示所述助手图标的请求；响应于触发的所述助手图标中询问功能的操作，向所述用户播放询问语音信息；当接收到所述用户的答复语音信息时，将所述答复语音信息输入至预先训练的大语言模型中，得到所述大语言模型输出的购物需求信息；所述购物需求信息至少包括价格和商品；从商品数据库中选取符合所述购物需求信息的一个或多个商品，并标识为待推荐商品；对于每个所述待推荐商品，从信息数据库中获取与所述待推荐商品对应的商品相关知识；所述商品相关知识包括待推荐商品的品牌和待推荐商品的商品销售量；通过所述预设界面向所述用户展示所述待推荐商品，以及所述与待推荐商品对应的商品相关知识。2.根据权利要求1所述的方法，其特征在于，预先训练大语言模型的过程，包括：获取各个样本语音信息；将各个所述样本语音信息输入至初始模型中，经由所述初始模型的编码器对每个所述样本语音信息进行编码，得到每个特征向量；所述初始模型包括所述编码器和任务损失函数；将各个所述特征向量作为所述初始模型的所述任务损失函数的输入，计算得到购物需求信息，不断调整所述任务损失函数的各项参数，直至所述购物需求信息的正确率大于预设阈值，确认大语言模型训练成功。3.根据权利要求1所述的方法，其特征在于，所述通过所述预设界面向所述用户展示所述待推荐商品，以及所述与待推荐商品对应的商品相关知识，包括：根据待推荐商品的商品销售量，对各个所述待推荐商品进行排序，得到待推荐商品序列；所述待推荐商品序列包括待推荐商品的序位；按照所述序位由小到大的顺序，通过所述预设界面向所述用户展示所述待推荐商品，以及所述与待推荐商品对应的商品相关知识。4.根据权利要求1所述的方法，其特征在于，还包括：接收用户的反馈信息；若所述反馈信息为用户满意待推荐商品的信息，则将所述待推荐商品与所述需求信息存储至所述信息数据库中；若所述反馈信息为用户不满意待推荐商品的信息，则从所述商品数据库中选取与所述购物需求信息对应的一个或多个新的商品，并通过所述预设界面向用户展示各个所述新的商品。5.根据权利要求1所述的方法，其特征在于，还包括：获取用户的历史购买商品；基于所述历史购买商品，确定用户的购买偏好商品；当接收到所述用户发送的商品展示指令时，通过预设界面向用户展示所述购买偏好商品。
6.一种商品推荐装置，其特征在于，包括：第一展示单元，用于当接收到展示请求时，通过预设界面向用户展示助手图标；所述展示请求为展示所述助手图标的请求；播放单元，用于响应于触发的所述助手图标中询问功能的操作，向所述用户播放询问语音信息；输入单元，用于当接收到所述用户的答复语音信息时，将所述答复语音信息输入至预先训练的大语言模型中，得到所述大语言模型输出的购物需求信息；所述购物需求信息至少包括价格和商品；筛选单元，用于从商品数据库中选取符合所述购物需求信息的一个或多个商品，并标识为待推荐商品；获取单元，用于对于每个所述待推荐商品，从信息数据库中获取与所述待推荐商品对应的商品相关知识；所述商品相关知识包括待推荐商品的品牌和待推荐商品的商品销售量；第二展示单元，用于通过所述预设界面向所述用户展示所述待推荐商品，以及所述与待推荐商品对应的商品相关知识。7.根据权利要求6所述的装置，其特征在于，所述输入单元具体用于：获取各个样本语音信息；将各个所述样本语音信息输入至初始模型中，经由所述初始模型的编码器对每个所述样本语音信息进行编码，得到每个特征向量；所述初始模型包括所述编码器和任务损失函数；将各个所述特征向量作为所述初始模型的所述任务损失函数的输入，计算得到购物需求信息，不断调整所述任务损失函数的各项参数，直至所述购物需求信息的正确率大于预设阈值，确认大语言模型训练成功。8.根据权利要求6所述的装置，其特征在于，所述第二展示单元具体用于：根据待推荐商品的商品销售量，对各个所述待推荐商品进行排序，得到待推荐商品序列；所述待推荐商品序列包括待推荐商品的序位；按照所述序位由小到大的顺序，通过所述预设界面向所述用户展示所述待推荐商品，以及所述与待推荐商品对应的商品相关知识。9.根据权利要求6所述的装置，其特征在于，还包括：接收单元，用于接收用户的反馈信息；存储单元，用于若所述反馈信息为用户满意待推荐商品的信息，则将所述待推荐商品与所述需求信息存储至所述信息数据库中；选取单元，用于若所述反馈信息为用户不满意待推荐商品的信息，则从所述商品数据库中选取与所述购物需求信息对应的一个或多个新的商品，并通过所述预设界面向用户展示各个所述新的商品。10.根据权利要求6所述的装置，其特征在于，还包括：商品获取单元，用于获取用户的历史购买商品；确定单元，用于基于所述历史购买商品，确定用户的购买偏好商品；第三展示单元，用于当接收到所述用户发送的商品展示指令时，通过预设界面向用户
展示所述购买偏好商品。

技术总结
本申请公开了一种商品推荐方法及装置，当接收到展示请求时，通过预设界面向用户展示助手图标；响应于触发的助手图标中询问功能的操作，向用户播放询问语音信息；当接收到用户的答复语音信息时，将答复语音信息输入至预先训练的大语言模型中，得到大语言模型输出的购物需求信息；从商品数据库中选取符合购物需求信息的一个或多个商品，并标识为待推荐商品；对于每个待推荐商品，从信息数据库中获取与待推荐商品对应的商品相关知识；通过预设界面向用户展示待推荐商品，与待推荐商品对应的商品相关知识。用户将购物需求告知虚拟助手，虚拟助手根据购物需求筛选商品并推荐给用户，通过与虚拟助手之间的交互就能完成购物，提升了用户的购物体验。的购物体验。的购物体验。


技术研发人员：宋崇国
受保护的技术使用者：郑州市墨策实业有限公司
技术研发日：2023.07.21
技术公布日：2023/10/7