本发明涉及一种大数据以及数据更新，尤其涉及一种选品方法、装置、计算机设备及计算机可读存储介质。
背景技术：
1、随着信息技术的发展，各行各业中的商品通常以电子设备为载体展示给用户，且会针对不同用户，从商品列表中挑选出若干不同商品，作为选品结果进行推荐展示。
2、现有技术中，常用的选品方式为：使用协同过滤、矩阵分解、双塔模型等通用的表示学习算法，为每个商品构建一个高维的表示向量；对于任意两个商品，其表示向量的内积或余弦距离可代表两个商品之间的相似度。针对某个用户时，获取其近期点击的商品，再计算候选商品与点击商品的相似度，根据相似度确定选品结果。
3、但用户近期点击的商品很可能集中在某一类或几类商品中，即近期点击商品本身具有较高的相似度，导致确定的选品结果中的商品相似度较高，极易集中在某一类或几类商品中，导致选品结果多样性差，降低用户点击率或购买率。
技术实现思路
1、有鉴于此，本发明提供了一种选品方法、装置、计算机设备及计算机可读存储介质，用于解决现有技术中选品结果多样性差，降低用户点击率或购买率的问题。为达上述之一或部分或全部目的或是其他目的，本发明提出一种选品方法、装置、计算机设备及计算机可读存储介质，第一方面：
2、一种选品方法，包括：
3、获取全体用户的总体选择数据和目标用户的个人选择数据；
4、利用所述总体选择数据，计算得到多层级的总体选品概率数据，其中，多层级指商品具有多个层级；
5、利用所述个人选择数据，计算得到多层级的单体选品概率数据；
6、根据所述总体选品概率数据和所述单体选品概率数据，计算得到商品抽样概率数据；
7、根据所述商品抽样概率数据确定选品结果。
8、第二方面：
9、一种选品装置，所述装置包括获取模块，用于获取全体用户的总体选择数据和目标用户的个人选择数据；
10、总体概率模块，用于利用所述总体选择数据，计算得到多层级的总体选品概率数据，其中，多层级指商品具有多个层级；
11、单体概率模块，用于利用所述个人选择数据，计算得到多层级的单体选品概率数据；
12、抽样概率模块，用于根据所述总体选品概率数据和所述单体选品概率数据，计算得到商品抽样概率数据；
13、结果模块，用于根据所述商品抽样概率数据确定选品结果。
14、第三方面：
15、一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述所述选品方法的步骤。
16、第四方面：
17、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述所述选品方法的步骤。
18、实施本发明实施例，将具有如下有益效果：
19、通过获取全体用户的总体选择数据，计算得到多层级的总体选品概率数据，从而利于得知全体用户对于商品的选择情况。而后将总体选择数据和目标用户的个人选择数据融合，计算得到商品抽样概率数据，使根据商品抽样概率数据确定的选品结果中具有全体用户的选择因素和不同层级商品选择情况的因素，有利于降低选品相似度，提高了选品结果的多样性，从而提高用户购买率和使用体验，同时提升了商品推荐效果，充分利用了商品推荐资源位。
1.一种选品方法，其特征在于，包括：
2.如权利要求1所述的选品方法，其特征在于，所述根据所述总体选品概率数据和所述单体选品概率数据，计算得到商品抽样概率数据，包括：
3.如权利要求2所述的选品方法，其特征在于，所述利用首层的总体选品概率数据和首层的单体选品概率数据计算得到首层的概率平滑结果，包括：
4.如权利要求2或3所述的选品方法，其特征在于，所述对所述首层的概率平滑结果进行归一化，得到首层的归一化结果，包括：
5.如权利要求1所述的选品方法，其特征在于，所述利用所述总体选择数据计算得到多层级的总体选品概率数据，包括：
6.如权利要求1所述的选品方法，其特征在于，所述利用所述个人选择数据计算得到多层级的单体选品概率数据，包括：
7.如权利要求1所述的选品方法，其特征在于，所述根据所述商品抽样概率数据确定选品结果，包括：
8.一种选品装置，其特征在于，所述装置包括获取模块，用于获取全体用户的总体选择数据和目标用户的个人选择数据；
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1至7任一项所述选品方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述选品方法的步骤。
