CN113032668A - 基于用户画像的产品推荐方法、装置、设备及存储介质 - Google Patents
基于用户画像的产品推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113032668A CN113032668A CN202110239058.1A CN202110239058A CN113032668A CN 113032668 A CN113032668 A CN 113032668A CN 202110239058 A CN202110239058 A CN 202110239058A CN 113032668 A CN113032668 A CN 113032668A
- Authority
- CN
- China
- Prior art keywords
- user
- product
- label
- target
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于用户画像的产品推荐方法、装置、设备及存储介质，属于电子商务技术领域。本发明通过基于目标用户的用户画像获取所述目标用户的历史数据；根据所述历史数据确定所述目标用户对应的第一标签；根据产品标签集合确定待推荐产品对应的第二标签；根据所述第一标签和所述第二标签确定所述目标用户对所述待推荐产品的兴趣度；根据所述兴趣度从所述待推荐产品中筛选出目标产品，并将所述目标产品推荐给所述目标用户，通过标签确定用户对于各类产品的兴趣度，从而使得推荐的目标商品更加符合用户的实际需求。
Description
技术领域
本发明涉及电子商务技术领域，尤其涉及一种基于用户画像的产品推荐方法、装置、设备及存储介质。
背景技术
随着互联网与信息科技的快速发展，网上交易业务逐渐增多，越来越多的用户及物品信息形成海量数据。用户要在如此庞大的商品数据中找到自己感兴趣的内容，已成为各个商家及研究人员的热点问题。为了解决上述问题，目前有很多商家将推荐功能融入到网站或应用程序中，这些网站或应用程序能够向用户推荐商品、美食、新闻、视频、音乐等信息。但是由于用户进行商品搜索的时候会产生很多冗余数据，导致目前很多商家所采用的推荐功能的结果不够准确，所推荐的商品并非是用户所需求的。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种基于用户画像的产品推荐方法、装置、设备及存储介质，旨在解决现有技术中的产品推荐无法满足用户的实际需求的技术问题。
为实现上述目的，本发明提供了一种基于用户画像的产品推荐方法，所述方法包括以下步骤：
基于目标用户的用户画像获取所述目标用户的历史数据；
根据所述历史数据确定所述目标用户对应的第一标签；
根据产品标签集合确定待推荐产品对应的第二标签；
根据所述第一标签和所述第二标签确定所述目标用户对所述待推荐产品的兴趣度；
根据所述兴趣度从所述待推荐产品中筛选出目标产品，并将所述目标产品推荐给所述目标用户。
可选地，所述根据所述历史数据确定所述目标用户对应的第一标签，包括：
从所述历史数据提取所述目标用户的历史行为和对应的历史产品；
根据所述历史行为确定所述历史产品对应的多个历史标签；
获取各个历史标签对应的标签频率；
根据所述标签频率确定目标历史标签，并将所述目标历史标签作为所述目标用户对应的第一标签。
可选地，所述根据所述第一标签和所述第二标签确定所述目标用户对所述待推荐产品的兴趣度，包括：
获取所述第一标签对应的第一数量，以及所述第二标签对应的第二数量；
根据所述第一数量确定所述第一标签对应的第一标签频率，以及根据所述第二数量确定所述第二标签对应的第二标签频率；
根据所述第一标签频率和所述第二标签频率确定所述目标用户对所述待推荐产品的兴趣度。
可选地，所述根据所述兴趣度从所述待推荐产品中筛选出目标产品，包括：
根据所述兴趣度从所述待推荐产品中筛选出参考产品；
获取所述参考产品对应的多个产品类型和各个产品类型对应的子标签；
根据所述参考产品对应的标签总数和各个子标签的标签数量确定各个子标签对应的标签重要性；
根据所述标签重要性确定目标产品类型，并将所述目标产品类型对应的参考产品作为目标产品。
可选地，所述根据所述兴趣度从所述待推荐产品中筛选出目标产品，并将所述目标产品推荐给所述目标用户之后，还包括：
获取所述第一标签对应的第一标签频率；
基于其他用户的用户画像获取所述其他用户的参考历史数据；
根据所述参考历史数据确定所述第一标签对应的第三标签频率；
根据所述第一标签频率和所述第三标签频率确定所述目标用户与所述其他用户之间的用户相似度；
在所述用户相似度满足相似度阈值时，向其他用户推荐所述目标产品。
可选地，所述基于目标用户的用户画像获取所述目标用户的历史数据之前，还包括：
获取目标用户的历史用户属性信息、历史行为信息和历史评价信息；
根据所述历史用户属性信息生成所述目标用户对应的属性标签；
根据所述历史行为信息和所述历史评价信息生成所述目标用户对应的兴趣标签；
根据所述属性标签和所述兴趣标签构建所述目标用户的用户画像。
可选地，所述根据所述历史行为信息和所述历史评价信息生成所述目标用户对应的兴趣标签之前，还包括：
根据所述历史行为信息确定所述目标用户的历史行为；
若所述历史行为属于非评论行为，则获取所述非评论行为对应的行为类型，并根据所述行为类型生成所述目标用户对应的兴趣标签；
若所述历史行为属于评论行为，则执行所述根据所述历史行为信息和所述历史评价信息生成所述目标用户对应的兴趣标签的步骤。
此外，为实现上述目的，本发明还提出一种基于用户画像的产品推荐装置，所述基于用户画像的产品推荐装置包括：
获取模块，用于基于目标用户的用户画像获取所述目标用户的历史数据；
统计模块，用于根据所述历史数据确定所述目标用户对应的第一标签；
所述统计模块，还用于根据产品标签集合确定待推荐产品对应的第二标签；
计算模块，用于根据所述第一标签和所述第二标签确定所述目标用户对所述待推荐产品的兴趣度；
筛选模块，用于根据所述兴趣度从所述待推荐产品中筛选出目标产品，并将所述目标产品推荐给所述目标用户。
此外，为实现上述目的，本发明还提出一种基于用户画像的产品推荐设备，所述基于用户画像的产品推荐设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于用户画像的产品推荐程序，所述基于用户画像的产品推荐程序配置为实现如上文所述的基于用户画像的产品推荐方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于用户画像的产品推荐程序，所述基于用户画像的产品推荐程序被处理器执行时实现如上文所述的基于用户画像的产品推荐方法的步骤。
本发明通过基于目标用户的用户画像获取所述目标用户的历史数据；根据所述历史数据确定所述目标用户对应的第一标签；根据产品标签集合确定待推荐产品对应的第二标签；根据所述第一标签和所述第二标签确定所述目标用户对所述待推荐产品的兴趣度；根据所述兴趣度从所述待推荐产品中筛选出目标产品，并将所述目标产品推荐给所述目标用户，通过标签确定用户对于各类产品的兴趣度，从而使得推荐的目标商品更加符合用户的实际需求。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的基于用户画像的产品推荐设备的结构示意图；
图2为本发明基于用户画像的产品推荐方法第一实施例的流程示意图；
图3为本发明基于用户画像的产品推荐方法第二实施例的流程示意图；
图4为本发明基于用户画像的产品推荐方法第三实施例的流程示意图；
图5为本发明基于用户画像的产品推荐装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于用户画像的产品推荐设备结构示意图。
如图1所示，该基于用户画像的产品推荐设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对基于用户画像的产品推荐设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于用户画像的产品推荐程序。
在图1所示的基于用户画像的产品推荐设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明基于用户画像的产品推荐设备中的处理器1001、存储器1005可以设置在基于用户画像的产品推荐设备中，所述基于用户画像的产品推荐设备通过处理器1001调用存储器1005中存储的基于用户画像的产品推荐程序，并执行本发明实施例提供的基于用户画像的产品推荐方法。
本发明实施例提供了一种基于用户画像的产品推荐方法，参照图2，图2为本发明一种基于用户画像的产品推荐方法第一实施例的流程示意图。
本实施例中，所述基于用户画像的产品推荐方法包括以下步骤：
步骤S10：基于目标用户的用户画像获取所述目标用户的历史数据。
在本实施例中，本实施例的执行主体为服务器，服务器可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本实施例中所描述的服务器，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器，其中，云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。服务器中存储有大量的用户对于各类商品的历史信息，历史信息包括用户的历史购买记录、历史浏览记录以及历史操作行为。
在具体实施中，本实施例中的服务器是在检测到用户接入时，对接入的用户进行产品推荐，需要强调的是，本实施例中的目标用户为需要进行产品推荐的用户，因为在实际情况中，考虑到并非所有的用户均需要产品的推荐，因此在对接入的用户进行产品推荐之前，可以基于接入的用户的状态标识识别是否为需要进行产品推荐的用户，即目标用户，状态标识包括可推荐用户和勿推荐用户等，具体的状态标识可以根据实际需求进行相应地调整，本实施例对此不加以限制。
需要说明的是，对目标用户进行产品推荐需要先获取目标用户的历史数据，本实施例中是基于目标用户的用户画像获取目标用户的历史数据，用户画像是根据用户人口特征、行为偏好特征等信息抽象出来的用户模型，是真实用户的抽象表示，是建立在一系列真实数据之上的目标用户模型，用户画像可以用来做用户分类统计、精准营销、构建智能推荐系统、服务或产品私人订制、业务经营分析等，历史数据包括但不限于历史购买记录、历史浏览记录以及历史操作行为。
进一步地，容易理解的是，本实施例是基于用户画像获取历史数据，在获取历史数据之前，需要先构建目标用户的用户画像，具体地，所述步骤S10之前，还包括：获取目标用户的历史用户属性信息、历史行为信息和历史评价信息；根据所述历史用户属性信息生成所述目标用户对应的属性标签；根据所述历史行为信息和所述历史评价信息生成所述目标用户对应的兴趣标签；根据所述属性标签和所述兴趣标签构建所述目标用户的用户画像。
需要说明的是，本实施例的服务器还具有数据存储功能，可将各个用户的历史信息保存在数据库中，当检测到存在目标用户接入时，可以根据目标用户的身份标识号从数据库中查询目标用户的历史用户属性信息、历史行为信息以及历史评价信息，其中，历史用户属性信息包括但不限于用户的年龄、性别以及喜好的产品类型，历史操作信息包括但不限于点赞操作、收藏操作、转发操作以及评论操作，历史评价信息包括但不限于满意评论和不满意评论。根据获取到的历史用户属性信息能够生成用户对应的属性标签，例如根据用户A的历史用户属性信息可以生成用户A对应的属性标签为TA(20，男，运动鞋)，又如根据用户B的历史用户属性信息可以生成用户B对应的属性标签为TB(女，铲屎官，猫粮)。此外，还可根据历史行为信息中的历史行为以及历史评论信息中的历史评论生成用户的兴趣标签，例如用户A对运动鞋X进行收藏并将运动鞋X分享给了好友，同时用户A还对运动鞋X进行了评论，评论内容涉及“质量好”和“价格实惠”等关键词，进一步地，用户A还对运动鞋Y进行了差评，并对运动鞋Y设置了“不再推送”的标签，根据用户A的收藏与转发行为以及评价最终可以得到用户A的兴趣标签为IA(运动鞋X-感兴趣，运动鞋Y-不感兴趣)。在得到用户的属性标签和兴趣标签之后，将两个标签进行综合即可得到相应的用户画像，例如用户A的用户画像为PA{(20，男，运动鞋)，(运动鞋X-感兴趣，运动鞋Y-不感兴趣)}。需要强调的是，本实施例中的上述属性标签和兴趣标签的设置为举例说明，可以根据实际情况进行相应地调整，本实施例对此不加以限制。
进一步地，所述根据所述历史行为信息和所述历史评价信息生成所述目标用户对应的兴趣标签的步骤之前还包括：根据所述历史行为信息确定所述目标用户的历史行为；若所述历史行为属于非评论行为，则获取所述非评论行为对应的行为类型，并根据所述行为类型生成所述目标用户对应的兴趣标签。容易理解的是，根据历史行为信息和历史评论信息生成用户对应的兴趣标签之前，需要先判断用户是否对产品进行了评论，因为在实际情况中，很多用户通常并未对产品进行评价，仅仅是对产品进行了点赞收藏或者不喜欢等操作行为，根据历史行为可以判断出目标用户是否进行了评论行为，如果未进行评论，则可以确定目标用户的历史行为属于非评论行为，根据非评论行为的行为类型可以生成目标用户的兴趣标签，其中，行为类型包括但不限于喜欢、收藏、转发以及不喜欢。
步骤S20：根据所述历史数据确定所述目标用户对应的第一标签。
需要说明的是，从历史数据中可以获取用户的各类行为数据，基于这些行为数据可以获取到用户为所浏览或购买过的历史产品所述设置的历史标签，然后再从这些标签中筛选出目标用户对应的第一标签，可以根据标签数量或用户上一次设置的历史标签来确定第一标签，具体方式可以根据实际情况进行相应的设置，本实施例对此不加以限制，第一标签可为数量最多的标签，也可为用户上一次所设置的历史标签。
在具体实施中，所述步骤S20包括：从所述历史数据提取所述目标用户的历史行为和对应的历史产品；根据所述历史行为确定所述历史产品对应的多个历史标签；获取各个历史标签对应的标签频率；根据所述标签频率确定目标历史标签，并将所述目标历史标签作为所述目标用户对应的第一标签。
需要说明的是，本实施例中可从历史数据中提取出目标用户的历史行为，历史行为包括用户对历史产品进行的标签设置行为，根据目标用户的设置可以得到历史产品对应的多个标签，容易理解的是，不同用户对同一件产品所设置的历史标签也不同，每个历史标签有各自对应的标签频率，本实施例中可根据各个历史标签的数量以及历史标签的总数确定对应的标签频率，例如用户C为历史产品H设置的历史标签M1的数量为n1，历史标签M2的数量为n2，历史标签的总数为N，则可以确定历史标签M1的标签频率为n1/N，历史标签M2的标签频率为n2/N，目标历史标签为频率最高的历史标签，若n1/N＞n2/N，则产品Z的目标历史标签为M1，若n1/N＜n2/N，则产品Z的目标历史标签为M2，频率最高的目标历史标签即为第一标签，本实施例中第一标签为用户所设置的最多的标签。
步骤S30：根据产品标签集合确定待推荐产品对应的第二标签。
需要说明的是，产品标签是由商家和用户进行设置，每个产品具有相应的产品标签集合，例如待推荐产品Z的标签集合为(“好看”，“质量好”，“质量好”，“便宜”)，然后将标签集合中出现最多的标签作为待推荐产品的第二标签，可以得到待推荐产品Z对应的第二标签为“质量好”。
步骤S40：根据所述第一标签和所述第二标签确定所述目标用户对所述待推荐产品的兴趣度。
在具体实施中，第一标签为用户所设置的最多的标签，第二标签为最能代表各个产品特征的标签，本实施例中将第一标签与各个产品的第二标签分别进行一一匹配，可以得到标签相似度，相似度越大表示目标用户对待推荐产品的兴趣度越大。
步骤S50：根据所述兴趣度从所述待推荐产品中筛选出目标产品，并将所述目标产品推荐给所述目标用户。
在具体实施中，兴趣度越大表示目标用户需要此时产品的需求就越大，本实施例中可以根据兴趣度从待推荐产品中筛选出兴趣度最大的待推荐产品作为目标产品，然后将目标产品推荐给目标用户，目标产品为符合用户实际需求且用户最感兴趣的产品。
本实施例通过基于目标用户的用户画像获取所述目标用户的历史数据；根据所述历史数据确定所述目标用户对应的第一标签；根据产品标签集合确定待推荐产品对应的第二标签；根据所述第一标签和所述第二标签确定所述目标用户对所述待推荐产品的兴趣度；根据所述兴趣度从所述待推荐产品中筛选出目标产品，并将所述目标产品推荐给所述目标用户，通过标签确定用户对于各类产品的兴趣度，从而使得推荐的目标商品更加符合用户的实际需求。
参考图3，图3为本发明一种基于用户画像的产品推荐方法第二实施例的流程示意图。
基于上述第一实施例，在本实施例中所述步骤S40具体包括：
步骤S401：获取所述第一标签对应的第一数量，以及所述第二标签对应的第二数量。
在具体实施中，在确定第一标签和第二标签之后，获取第一标签的标签数量，即第一数量，以及获取第二标签的标签数量，即第二数量。
步骤S402：根据所述第一数量确定所述第一标签对应的第一标签频率，以及根据所述第二数量确定所述第二标签对应的第二标签频率。
需要说明的是，第一标签为用户设置的标签，根据第一标签的第一数量和用户所设置过所有标签的数量总和可以计算出第一标签对应的第一标签频率，例如第一标签频率f1＝n1/N，其中，n1为第一标签的第一数量，N为用户设置过的标签总数。进一步地，第二标签为最能够代表产品特征的标签，根据第二标签的第二数量和产品的标签总数可以计算出第二标签对应的第二标签频率，例如第二标签频率f2＝n2/M，其中，n2为第二标签的第二数量，M为产品的标签总数。
步骤S403：根据所述第一标签频率和所述第二标签频率确定所述目标用户对所述待推荐产品的兴趣度。
在具体实施中，根据计算得到第一标签频率和第二标签频率可以计算目标用户对于待推荐产品的兴趣度，本实施例中可按照如下公式计算目标用户对于待推荐产品的兴趣度，
其中d为兴趣度，f1为第一标签频率，f2为第二标签频率。
进一步地，本实施例中所述步骤S50具体包括：
步骤S501：根据所述兴趣度从所述待推荐产品中筛选出参考产品。
需要说明的是，兴趣度代表了用户对于产品的感兴趣程度，为了提高推荐准确度，本实施例中可按照兴趣度的大小排序，将兴趣度最大的待推荐产品先作为参考产品，例如目标用户对待推荐产品Q的兴趣度为IQ，目标用户对待推荐产品W的兴趣度为IW，目标用户对待推荐产品E的兴趣度为IE，IQ＞IW＞IE，则参考产品为待推荐产品Q。
步骤S502：获取所述参考产品对应的多个产品类型和各个产品类型对应的子标签。
步骤S503：根据所述参考产品对应的标签总数和各个子标签的标签数量确定各个子标签对应的标签重要性。
需要说明的是，根据兴趣度所筛选出的参考产品的分类范围较大，需要进一步地筛选出更精确的子范围，将参考产品进一步划分可以得到多个产品类型以及各个产品类型对应的子标签，例如根据兴趣度可以筛选出的参考产品为裙子，裙子包括各种不同类型的裙子，同时具有相应的子标签，例如百褶裙、碎花裙以及牛仔裙等。进一步地，具体选择百褶裙、碎花裙还是牛仔裙推荐给目标用户，需要根据各个子标签的重要性来决定，本实施例中可根据各个子标签在参考产品中的占比确定各个子标签的标签重要性，例如标签总数为NZ，子标签百褶裙的数量为N1，子标签碎花裙的数量为N2，子标签牛仔裙的数量为N3，就可以计算得到子标签百褶裙的标签重要性为N1/NZ，子标签碎花裙的标签重要性为N2/NZ，子标签牛仔裙的标签重要性为N3/NZ。
步骤S504：根据所述标签重要性确定目标产品类型，并将所述目标产品类型对应的参考产品作为目标产品。
在具体实施中，不同商家的主打产品的类型不同，例如商家S1的主打产品为牛仔裙，商家S2的主打产品为碎花裙，本实施例中可根据标签重要性，将标签重要性最大的产品类型对应的参考产品作为目标产品，例如子标签百褶裙的标签重要性为N1/NZ，子标签碎花裙的标签重要性为N2/NZ，子标签牛仔裙的标签重要性为N3/NZ，且N1/NZ＜N2/NZ＜N3/NZ，则按照标签重要性的顺序将百褶裙推荐给用户。
本实施例通过获取所述第一标签对应的第一数量，以及所述第二标签对应的第二数量；根据所述第一数量确定所述第一标签对应的第一标签频率，以及根据所述第二数量确定所述第二标签对应的第二标签频率；根据所述第一标签频率和所述第二标签频率确定所述目标用户对所述待推荐产品的兴趣度，然后再根据所述兴趣度从所述待推荐产品中筛选出参考产品；获取所述参考产品对应的多个产品类型和各个产品类型对应的子标签；根据所述参考产品对应的标签总数和各个子标签的标签数量确定各个子标签对应的标签重要性；根据所述标签重要性确定目标产品类型，并将所述目标产品类型对应的参考产品作为目标产品，通过标签确定目标用户对于各个产品的兴趣度，从而为用户推荐相关的产品，提高了产品推荐的精确度，使得推荐产品更加符合用户的实际需求。
参考图4，图4为本发明一种基于用户画像的产品推荐方法第三实施例的流程示意图。
基于上述第一实施例和第二实施例，提出本发明一种基于用户画像的产品推荐方法的第三实施例。
以上述第一实施例为例进行说明，本实施例中所述步骤S50之后还包括：
步骤S60：获取所述第一标签对应的第一标签频率。
步骤S70：基于其他用户的用户画像获取所述其他用户的参考历史数据。
步骤S80：根据所述参考历史数据确定所述第一标签对应的第三标签频率。
在具体实施中，可以根据第一标签的标签数量确定第一标签对应的第一标签频率，根据其他用户的参考历史数据可以获取其他用户所设置的所有标签以及标签总数，然后从所有标签中筛选出第一标签，然后计算第一标签相对于标签总数的占比，即第三标签频率。
步骤S90：根据所述第一标签频率和所述第三标签频率确定所述目标用户与所述其他用户之间的用户相似度。
步骤S100：在所述用户相似度满足相似度阈值时，向其他用户推荐所述目标产品。
在具体实施中，计算用户相似度实质也是计算两个用户之间的标签相似度，因此可按照上述公式
计算用户相似度，其中s为用户相似度，f1为第一标签频率，f2为第三标签频率，在用户相似度满足相似度阈值时，说明该其他用户与目标用户相似度，也即所感兴趣的产品相同，因此也可以将目标产品推荐给其他用户。
本实施例中获取所述第一标签对应的第一标签频率；基于其他用户的用户画像获取所述其他用户的参考历史数据；根据所述参考历史数据确定所述第一标签对应的第三标签频率；根据所述第一标签频率和所述第三标签频率确定所述目标用户与所述其他用户之间的用户相似度；在所述用户相似度满足相似度阈值时，向其他用户推荐所述目标产品，通过标签频率确定目标用户与其他用户之间的用户相似度，从而为其他与目标用户相似的用户进行产品推荐，使得产品推荐更加灵活准确。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于用户画像的产品推荐程序，所述基于用户画像的产品推荐程序被处理器执行时实现如上文所述的基于用户画像的产品推荐方法的步骤。
参照图5，图5为本发明基于用户画像的产品推荐装置第一实施例的结构框图。
如图5所示，本发明实施例提出的基于用户画像的产品推荐装置包括：
获取模块10，用于基于目标用户的用户画像获取所述目标用户的历史数据；
统计模块20，用于根据所述历史数据确定所述目标用户对应的第一标签；
所述统计模块20，还用于根据产品标签集合确定待推荐产品对应的第二标签；
计算模块30，用于根据所述第一标签和所述第二标签确定所述目标用户对所述待推荐产品的兴趣度；
筛选模块40，用于根据所述兴趣度从所述待推荐产品中筛选出目标产品，并将所述目标产品推荐给所述目标用户。
本实施例通过基于目标用户的用户画像获取所述目标用户的历史数据；根据所述历史数据确定所述目标用户对应的第一标签；根据产品标签集合确定待推荐产品对应的第二标签；根据所述第一标签和所述第二标签确定所述目标用户对所述待推荐产品的兴趣度；根据所述兴趣度从所述待推荐产品中筛选出目标产品，并将所述目标产品推荐给所述目标用户，通过标签确定用户对于各类产品的兴趣度，从而使得推荐的目标商品更加符合用户的实际需求。
在一实施例中，所述统计模块20，还用于从所述历史数据提取所述目标用户的历史行为和对应的历史产品；根据所述历史行为对应的行为类型确定所述历史产品对应的多个历史标签；获取各个历史标签对应的标签频率；根据所述标签频率确定目标历史标签，并将所述目标历史标签作为所述目标用户对应的第一标签。
在一实施例中，所述计算模块40，还用于获取所述第一标签对应的第一数量，以及所述第二标签对应的第二数量；根据所述第一数量确定所述第一标签对应的第一标签频率，以及根据所述第二数量确定所述第二标签对应的第二标签频率；根据所述第一标签频率和所述第二标签频率确定所述目标用户对所述待推荐产品的兴趣度。
在一实施例中，所述筛选模块50，还用于根据所述兴趣度从所述待推荐产品中筛选出参考产品；获取所述参考产品对应的多个产品类型和各个产品类型对应的子标签；根据所述参考产品对应的标签总数和各个子标签的标签数量确定各个子标签对应的标签重要性；根据所述标签重要性确定目标产品类型，并将所述目标产品类型对应的参考产品作为目标产品。
在一实施例中，所述基于用户画像的产品推荐装置还包括：推荐模块；
所述推荐模块，用于获取所述第一标签对应的第一标签频率；基于其他用户的用户画像获取所述其他用户的参考历史数据；根据所述参考历史数据确定所述第一标签对应的第三标签频率；根据所述第一标签频率和所述第三标签频率确定所述目标用户与所述其他用户之间的用户相似度；在所述用户相似度满足相似度阈值时，向其他用户推荐所述目标产品。
在一实施例中，所述基于用户画像的产品推荐装置还包括：构建模块；
所述构建模块，用于获取目标用户的历史用户属性信息、历史行为信息和历史评价信息；根据所述历史用户属性信息生成所述目标用户对应的属性标签；根据所述历史行为信息和所述历史评价信息生成所述目标用户对应的兴趣标签；根据所述属性标签和所述兴趣标签构建所述目标用户的用户画像。
在一实施例中，所述构建模块，还用于根据所述历史行为信息确定所述目标用户的历史行为；若所述历史行为属于非评论行为，则获取所述非评论行为对应的行为类型，并根据所述行为类型生成所述目标用户对应的兴趣标签。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于用户画像的产品推荐方法，此处不再赘述。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于用户画像的产品推荐方法，其特征在于，所述基于用户画像的产品推荐方法包括：
基于目标用户的用户画像获取所述目标用户的历史数据；
根据所述历史数据确定所述目标用户对应的第一标签；
根据产品标签集合确定待推荐产品对应的第二标签；
根据所述第一标签和所述第二标签确定所述目标用户对所述待推荐产品的兴趣度；
根据所述兴趣度从所述待推荐产品中筛选出目标产品，并将所述目标产品推荐给所述目标用户。
2.如权利要求1所述的基于用户画像的产品推荐方法，其特征在于，所述根据所述历史数据确定所述目标用户对应的第一标签，包括：
从所述历史数据提取所述目标用户的历史行为和对应的历史产品；
根据所述历史行为确定所述历史产品对应的多个历史标签；
获取各个历史标签对应的标签频率；
根据所述标签频率确定目标历史标签，并将所述目标历史标签作为所述目标用户对应的第一标签。
3.如权利要求1所述的基于用户画像的产品推荐方法，其特征在于，所述根据所述第一标签和所述第二标签确定所述目标用户对所述待推荐产品的兴趣度，包括：
获取所述第一标签对应的第一数量，以及所述第二标签对应的第二数量；
根据所述第一数量确定所述第一标签对应的第一标签频率，以及根据所述第二数量确定所述第二标签对应的第二标签频率；
根据所述第一标签频率和所述第二标签频率确定所述目标用户对所述待推荐产品的兴趣度。
4.如权利要求1所述的基于用户画像的产品推荐方法，其特征在于，所述根据所述兴趣度从所述待推荐产品中筛选出目标产品，包括：
根据所述兴趣度从所述待推荐产品中筛选出参考产品；
获取所述参考产品对应的多个产品类型和各个产品类型对应的子标签；
根据所述参考产品对应的标签总数和各个子标签的标签数量确定各个子标签对应的标签重要性；
根据所述标签重要性确定目标产品类型，并将所述目标产品类型对应的参考产品作为目标产品。
5.如权利要求1所述的基于用户画像的产品推荐方法，其特征在于，所述根据所述兴趣度从所述待推荐产品中筛选出目标产品，并将所述目标产品推荐给所述目标用户之后，还包括：
获取所述第一标签对应的第一标签频率；
基于其他用户的用户画像获取所述其他用户的参考历史数据；
根据所述参考历史数据确定所述第一标签对应的第三标签频率；
根据所述第一标签频率和所述第三标签频率确定所述目标用户与所述其他用户之间的用户相似度；
在所述用户相似度满足相似度阈值时，向其他用户推荐所述目标产品。
6.如权利要求1至5中任一项所述的基于用户画像的产品推荐方法，其特征在于，所述基于目标用户的用户画像获取所述目标用户的历史数据之前，还包括：
获取目标用户的历史用户属性信息、历史行为信息和历史评价信息；
根据所述历史用户属性信息生成所述目标用户对应的属性标签；
根据所述历史行为信息和所述历史评价信息生成所述目标用户对应的兴趣标签；
根据所述属性标签和所述兴趣标签构建所述目标用户的用户画像。
7.如权利要求6所述的基于用户画像的产品推荐方法，其特征在于，所述根据所述历史行为信息和所述历史评价信息生成所述目标用户对应的兴趣标签之前，还包括：
根据所述历史行为信息确定所述目标用户的历史行为；
若所述历史行为属于非评论行为，则获取所述非评论行为对应的行为类型，并根据所述行为类型生成所述目标用户对应的兴趣标签；
若所述历史行为属于评论行为，则执行所述根据所述历史行为信息和所述历史评价信息生成所述目标用户对应的兴趣标签的步骤。
8.一种基于用户画像的产品推荐装置，其特征在于，所述基于用户画像的产品推荐装置包括：
获取模块，用于基于目标用户的用户画像获取所述目标用户的历史数据；
统计模块，用于根据所述历史数据确定所述目标用户对应的第一标签；
所述统计模块，还用于根据产品标签集合确定待推荐产品对应的第二标签；
计算模块，用于根据所述第一标签和所述第二标签确定所述目标用户对所述待推荐产品的兴趣度；
筛选模块，用于根据所述兴趣度从所述待推荐产品中筛选出目标产品，并将所述目标产品推荐给所述目标用户。
9.一种基于用户画像的产品推荐设备，其特征在于，所述基于用户画像的产品推荐设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于用户画像的产品推荐程序，所述基于用户画像的产品推荐程序配置为实现如权利要求1至7中任一项所述的基于用户画像的产品推荐方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有基于用户画像的产品推荐程序，所述基于用户画像的产品推荐程序被处理器执行时实现如权利要求1至7任一项所述的基于用户画像的产品推荐方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110239058.1A CN113032668A (zh) | 2021-03-03 | 2021-03-03 | 基于用户画像的产品推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110239058.1A CN113032668A (zh) | 2021-03-03 | 2021-03-03 | 基于用户画像的产品推荐方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113032668A true CN113032668A (zh) | 2021-06-25 |
Family
ID=76466646
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110239058.1A Withdrawn CN113032668A (zh) | 2021-03-03 | 2021-03-03 | 基于用户画像的产品推荐方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113032668A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114419501A (zh) * | 2022-01-11 | 2022-04-29 | 平安普惠企业管理有限公司 | 视频推荐方法、装置、计算机设备及存储介质 |
| CN115641186A (zh) * | 2022-10-21 | 2023-01-24 | 宁波理查德文化创意有限公司 | 直播产品偏好的智能分析方法、装置、设备及存储介质 |
| CN116861077A (zh) * | 2023-06-25 | 2023-10-10 | 北京信大融金教育科技有限公司 | 基于供应链系统的产品推荐方法、装置、设备及存储介质 |
| CN117216803A (zh) * | 2023-11-09 | 2023-12-12 | 成都乐超人科技有限公司 | 一种面向智慧金融的用户信息保护方法及系统 |
-
2021
- 2021-03-03 CN CN202110239058.1A patent/CN113032668A/zh not_active Withdrawn
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114419501A (zh) * | 2022-01-11 | 2022-04-29 | 平安普惠企业管理有限公司 | 视频推荐方法、装置、计算机设备及存储介质 |
| CN115641186A (zh) * | 2022-10-21 | 2023-01-24 | 宁波理查德文化创意有限公司 | 直播产品偏好的智能分析方法、装置、设备及存储介质 |
| CN116861077A (zh) * | 2023-06-25 | 2023-10-10 | 北京信大融金教育科技有限公司 | 基于供应链系统的产品推荐方法、装置、设备及存储介质 |
| CN117216803A (zh) * | 2023-11-09 | 2023-12-12 | 成都乐超人科技有限公司 | 一种面向智慧金融的用户信息保护方法及系统 |
| CN117216803B (zh) * | 2023-11-09 | 2024-02-09 | 成都乐超人科技有限公司 | 一种面向智慧金融的用户信息保护方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109559208B (zh) | 一种信息推荐方法、服务器及计算机可读介质 | |
| CN108228873B (zh) | 对象推荐、发布内容推送方法、装置、存储介质和设备 | |
| CN109086394B (zh) | 搜索排序方法、装置、计算机设备和存储介质 | |
| US8407104B2 (en) | Catalog based price search | |
| CN113032668A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
| KR102278085B1 (ko) | 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템 및 방법 | |
| JP5438087B2 (ja) | 広告配信装置 | |
| US20130254181A1 (en) | Aggregation and Categorization | |
| JPWO2012118087A1 (ja) | レコメンダシステム、レコメンド方法、及びプログラム | |
| CN111666492A (zh) | 基于用户行为的信息推送方法、装置、设备及存储介质 | |
| JP6976207B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| CN111967914A (zh) | 基于用户画像的推荐方法、装置、计算机设备和存储介质 | |
| CN111178949A (zh) | 服务资源匹配参考数据确定方法、装置、设备和存储介质 | |
| CN111400613A (zh) | 物品推荐方法、装置、介质及计算机设备 | |
| Ma et al. | Measuring the coverage and redundancy of information search services on e-commerce platforms | |
| CN113077317A (zh) | 基于用户数据的物品推荐方法、装置、设备及存储介质 | |
| CN111738785A (zh) | 选品方法、系统及存储介质 | |
| CN111310032A (zh) | 资源推荐方法、装置、计算机设备及可读存储介质 | |
| CN110674391A (zh) | 基于大数据的产品数据推送方法、系统和计算机设备 | |
| CN111861605A (zh) | 业务对象推荐方法 | |
| CN114820123A (zh) | 团购商品推荐方法、装置、设备及存储介质 | |
| KR20030058660A (ko) | 개인화 시스템에서 사용자의 컨텐트 선호도를 이용한협업필터링 학습방법 | |
| KR101026544B1 (ko) | 인공지능에 기반한 랭킹 분석 방법, 이를 기록한 기록 매체, 그 장치 | |
| CN112036987B (zh) | 确定推荐商品的方法和装置 | |
| CN116308683B (zh) | 基于知识图谱的服装品牌定位推荐方法、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210625 |
|
| WW01 | Invention patent application withdrawn after publication |