CN113360768A - 基于用户画像的产品推荐方法、装置、设备及存储介质 - Google Patents

Abstract

本发明涉及数据分析技术，揭露了一种基于用户画像的产品推荐方法，包括：获取待推荐产品的产品画像以及待推荐产品的候选用户群体的用户画像，从候选用户群体中选取第一目标用户群体，将待推荐产品推荐给第一目标用户群体；获取第一目标用户群体对待推荐产品的反馈数据，根据反馈数据对第一目标用户群体的用户画像进行画像完善，得到目标用户画像；根据目标用户画像，从候选用户群体中选取第二目标用户群体；将待推荐产品推荐给第二目标用户群体。此外，本发明还涉及区块链技术，产品画像及用户画像可存储于区块链的节点。本发明还提出一种基于用户画像的产品推荐装置、电子设备以及存储介质。本发明可以提高产品推荐精确度。

Description

基于用户画像的产品推荐方法、装置、设备及存储介质

技术领域

本发明涉及数据分析技术领域，尤其涉及一种基于用户画像的产品推荐方法、装置、电子设备及计算机可读存储介质。

背景技术

随着人们需求的多样化，产品供应商在市场上提供越来越多的产品，但为了给用户更好的消费者体验，提高产品的推广程度，需要从海量用户中筛选出与产品相符合的用户，以进行产品推荐。

现有的产品推荐技术多为基于单一的特征实现用户与产品的匹配，进而对用户进行产品推荐。例如，基于年龄属性向不同年龄段的用户推荐适用的产品。实际应用中，不同的用户存在着多种可以影响需求的因素，仅考虑单一属性，可能导致对产品推荐方式过于单一，从而对用户进行产品推荐的精确度较低。

发明内容

本发明提供一种基于用户画像的产品推荐方法、装置及计算机可读存储介质，其主要目的在于解决进行产品推荐时的精确度较低的问题。

为实现上述目的，本发明提供的一种基于用户画像的产品推荐方法，包括：

获取待推荐产品的产品画像以及所述待推荐产品的候选用户群体的用户画像，计算所述产品画像与每个所述用户画像之间的匹配值；

根据所述匹配值从所述候选用户群体中选取第一目标用户群体，将所述待推荐产品推荐给所述第一目标用户群体；

获取所述第一目标用户群体对所述待推荐产品的反馈数据，提取所述反馈数据中的关键语义，利用所述关键语义对所述第一目标用户群体的用户画像进行画像完善，得到目标用户画像；

根据所述目标用户画像，从所述候选用户群体中选取第二目标用户群体；

将所述待推荐产品推荐给所述第二目标用户群体。

可选地，所述计算所述产品画像与每个所述用户画像之间的匹配值，包括：

将每个所述用户画像进行向量转换，得到第一向量；

将所述产品画像进行向量转换，得到第二向量；

计算所述第二向量与每个所述用户画像的第一向量之间的匹配值。

可选地，所述计算所述第二向量与每个所述用户画像的第一向量之间的匹配值，包括：

利用如下匹配值算法计算所述第二向量与每个所述用户画像的所述第一向量之间的匹配值：

其中，P为所述匹配值，α为任一用户画像的第一向量，β为所述第二向量。

可选地，所述根据所述匹配值从所述候选用户群体中选取第一目标用户群体，包括：

将所述匹配值与预设的匹配阈值进行比对；

从所述候选用户群体中选取所述匹配值大于所述匹配阈值的用户画像对应的用户为第一目标用户群体。

可选地，所述根据所述匹配值从所述候选用户群体中选取第一目标用户群体，包括：

按照所述匹配值从大到小的顺序将所述候选用户群体的用户画像进行排序，得到画像列表；

按照从前向后的顺序从所述画像列表中选取预设数量的用户画像作为第一目标用户群体。

可选地，所述利用所述关键语义对所述第一目标用户群体的用户画像进行画像完善，得到目标用户画像，包括：

计算所述第一目标用户群体中每一个用户的反馈数据对应的关键语义与预设标准语义的距离值；

根据所述距离值大于预设的距离阈值的关键语义生成正面标记；

根据所述距离值小于或等于所述距离阈值的关键语义生成负面标记；

利用所述正面标记或所述负面标记对所述第一目标用户群体的用户画像进行标记，得到目标用户画像。

可选地，所述根据所述目标用户画像，从所述候选用户群体中选取第二目标用户群体，包括：

提取包含所述正面标记的所述目标用户画像的特征数据；

根据所述特征数据从预设的类别表中查询得到分类标准；

根据所述分类标准确定所述目标用户画像的数据类别；

按照所述分类标准对所述候选用户群体的用户画像进行分类，并选取与所述数据类别相同的用户画像对应的用户的用户，作为第二目标用户群体。

为了解决上述问题，本发明还提供一种基于用户画像的产品推荐装置，所述装置包括：

画像匹配模块，用于获取待推荐产品的产品画像以及所述待推荐产品的候选用户群体的用户画像，计算所述产品画像与每个所述用户画像之间的匹配值；

第一推荐模块，用于根据所述匹配值从所述候选用户群体中选取第一目标用户群体，将所述待推荐产品推荐给所述第一目标用户群体；

画像完善模块，用于获取所述第一目标用户群体对所述待推荐产品的反馈数据，根据所述反馈数据对所述第一目标用户群体的用户画像进行画像完善，得到目标用户画像；

画像筛选模块，用于根据所述目标用户画像，从所述候选用户群体中选取第二目标用户群体；

第二推荐模块，用于将所述待推荐产品推荐给所述第二目标用户群体。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现上述所述的基于用户画像的产品推荐方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于用户画像的产品推荐方法。

本发明实施例通过计算产品画像与每个所述用户画像之间的匹配值，进而根据该匹配值选取第一目标用户群体进行产品推荐，有利于提高产品与用户的适配度，进而提高产品推荐的精确度；获取用户对推荐的产品的反馈信息，以实现对用户画像的完善，得到目标用户画像，并根据完目标用户画像选取第二目标用户群体进行产品推荐，可实现对相关用户的挖掘，进而增大产品推荐的用户群体，便于在更大的用户群体中更实现精确的产品推荐。因此本发明提出的基于用户画像的产品推荐方法、装置、电子设备及计算机可读存储介质，可以解决进行产品推荐时的精确度较低的问题。

附图说明

图1为本发明一实施例提供的基于用户画像的产品推荐方法的流程示意图；

图2为本发明一实施例提供的计算匹配值的流程示意图；

图3为本发明一实施例提供的选取第二用户画像的流程示意图；

图4为本发明一实施例提供的基于用户画像的产品推荐装置的功能模块图；

图5为本发明一实施例提供的实现所述基于用户画像的产品推荐方法的电子设备的结构示意图。

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仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种基于用户画像的产品推荐方法。所述基于用户画像的产品推荐方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于用户画像的产品推荐方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。

参照图1所示，为本发明一实施例提供的基于用户画像的产品推荐方法的流程示意图。在本实施例中，所述基于用户画像的产品推荐方法包括：

S1、获取待推荐产品的产品画像以及所述待推荐产品的候选用户群体的用户画像，计算所述产品画像与每个所述用户画像之间的匹配值。

本发明实施例中，所述待推荐产品的产品画像为根据与待推荐产品相关的数据生成的，用于对产品的各项属性进行展示的画像，例如，根据产品的名称、类别、价格等数据生成的，用于对产品的适用人群、产品数据等进行展示的画像。

所述用户画像为根据所述待推荐产品的候选用户群体相关的数据生成的，用于对候选用户群体中用户的特征进行展示的画像，例如，根据用户ID、年龄、性别、产品购买记录等数据生成的，用于标记用户的产品购买偏好、所属群体等特征进行展示的画像。

本发明实施例中，可从预先构建的用于存储所述用户画像及所述产品画像的存储区域(数据库、区块链节点、网络缓存等)中调用预先存储的所述用户画像及所述产品画像。

进一步地，本发明实施例通过预设的匹配值算法计算所述产品画像与每个所述用户画像之间的匹配值。

详细地，所述匹配值算法包括但不限于余弦算法、欧式距离算法。

本发明其中一个实施例中，参图2所示，所述计算所述产品画像与每个所述用户画像之间的匹配值，包括：

S21、将每个所述用户画像进行向量转换，得到第一向量；

S22、将所述产品画像进行向量转换，得到第二向量；

S23、计算所述第二向量与每个所述用户画像的第一向量之间的匹配值。

本发明其中一个实际应用场景中，由于用户画像和产品画像的表现形式可多种多样，例如，以文本、图像、音频等形式表现的用户画像，若直接对用户画像和产品画像进行向量转换，会占用大量计算资源，造成向量转换的效率低下，因此，在将用户画像进行向量转换时，可通过遍历所述用户画像，来获取所述用户画像中每个数据的数据类型，利用不同的手段将不同数据类型的数据转换为统一类型(如文本)，在对统一类型(如文本)的数据进行向量转换，可提高对用户画像和产品画像进行向量转换的效率。

例如，可利用OCR(Optical Character Recognition,光学字符识别)技术将用户画像和产品画像中图像形式的数据转换为文本形式；可利用ASR(Automatic SpeechRecognition，自动语音识别)技术将用户画像和产品画像中语音形式的数据转换为文本形式。

本发明实施例可利用预设的文本向量转换模型，将被转换为文本形式的用户画像及产品画像进行向量转换，得到第一向量和第二向量，其中，所述文本向量转换模型包括但不限于word2vec模型、NLP(Natural Language Processing，自然语言处理)模型。

本发明另一实施例中，计算所述第二向量与每个所述用户画像的第一向量之间的匹配值可以利用如下匹配值算法计算所述第二向量与每个所述用户画像的所述第一向量之间的匹配值：

其中，P为所述匹配值，α为任一用户画像的第一向量，β为所述第二向量。

本发明实施例通过计算所述第二向量与每个所述用户画像的所述第一向量之间的匹配值，可实现直观地对用户画像与产品画像之间的匹配程度，进而有利于后续根据匹配值实现精准的产品推荐。

S2、根据所述匹配值从所述候选用户群体中选取第一目标用户群体，将所述待推荐产品推荐给所述第一目标用户群体。

本发明实施例中，可利用阈值筛选的方式根据所述匹配值从所述候选用户群体中选取第一目标用户群体，通过设定匹配阈值，将所述匹配值大于所述匹配阈值的产品画像对应的待推荐产品，推荐给所述第一目标用户群体。

本发明其中一个实施例中，所述根据所述匹配值从所述候选用户群体中选取第一目标用户群体，包括：

将所述匹配值与预设的匹配阈值进行比对；

从所述候选用户群体中选取所述匹配值大于所述匹配阈值的用户画像对应的用户为第一目标用户群体。

例如，存在用户画像1，用户画像2、用户画像3、用户画像4和产品画像A，通过计算可得用户画像1与产品画像A之间的匹配值为50，用户画像2与产品画像A之间的匹配值为30，用户画像3与产品画像A之间的匹配值为60，用户画像4与产品画像A之间的匹配值为80，若所述匹配阈值为50，将匹配值与该匹配阈值进行比对，可知用户画像3和和用户画像4，与产品画像A之间的匹配值大于所述匹配阈值，则确定用户画像3和用户画像4对应的用户为第一目标用户群体。

本实施例利用阈值筛选的方式根据所述匹配值从所述候选用户群体中选取第一目标用户群体，有利于在用户画像数量较少时，提高对用户画像筛选的精确度。

本发明另一实施例中，还可通过排序筛选的方式根据所述匹配值从所述候选用户群体中选取第一目标用户群体。

本发明另一实施例中，所述根据所述匹配值从所述候选用户群体中选取第一目标用户群体，包括：

按照所述匹配值从大到小的顺序将所述候选用户群体的用户画像进行排序，得到画像列表；

按照从前向后的顺序从所述画像列表中选取预设数量的用户画像作为第一目标用户群体。

例如，存在用户画像1，用户画像2、用户画像3、用户画像4和产品画像A，通过计算可得用户画像1与产品画像A之间的匹配值为50，用户画像2与产品画像A之间的匹配值为30，用户画像3与产品画像A之间的匹配值为60，用户画像4与产品画像A之间的匹配值为80；则可按照匹配值从大到小的顺序将四个用户画像排序为画像列表：用户画像4、用户画像3、用户画像1、用户画像2；当预设数量为2时，则从该画像列表中按照从前向后的顺序选取2个用户画像(用户画像4和用户画像3)为第一用户画像，确定用户画像4和用户画像3对应的用户为第一目标用户群体。

本实施例利用排序筛选的方式根据所述匹配值从所述候选用户群体中选取第一目标用户群体，有利于在用户画像数量较多时，提高对用户画像筛选的效率。

进一步地，在筛选出第一用户画像后，本发明实施例将所述待推荐产品推荐给所述第一目标用户群体。

详细地，可通过消息推送的方式对第一用户进行产品推荐，例如，电话、短信或者广告推送等方式实现对第一目标用户群体的产品推荐。

本发明实施例根据匹配值从对用户画像进行筛选，进而利用产品画像对应的产品对用户进行产品推荐，有利于提高产品与用户的适配度，进而提高产品推荐的精确度。

S3、获取所述第一目标用户群体对所述待推荐产品的反馈数据，提取所述反馈数据中的关键语义，利用所述关键语义对所述第一目标用户群体的用户画像进行画像完善，得到目标用户画像。

本发明实施例中，所述反馈数据包括第一目标用户群体在接收到所述待推荐产品的推荐后，获取的第一目标用户群体中每个用户对待推荐产品的反馈信息，例如，用户是否购买该推荐中包含的待推荐产品，用户购买该待推荐产品后，对该待推荐产品的评价信息等。

本发明实施例中，所述反馈数据可由用户上传，例如，用户在预先安装于客户端中的用于采集用户反馈数据的页面中写入该反馈数据并进行上传；或者利用预先安装于客户端中的数据采集工具对所述反馈数据进行采集。

本发明实施例在获取所述反馈数据后，可利用所述反馈数据对第一目标用户群体的用户画像进行画像完善，实现对所述第一目标用户群体的用户画像进行更新，以便实现更加精确的产品推荐。

例如，用户购买了该产品推荐中的产品，则可确定用户对该产品感兴趣，在该用户对应的用户画像中添加用户购买该产品的相关信息，以实现对该用户对应第一用户画像的内容进行更新。

或者，用户在购买该产品后，获取用户对该产品的评价数据，若评价数据为好评数据，则在用户画像中添加用户对该产品进行好评的相关信息，实现对该用户对应的第一用户画像的内容进行更新；若评价数据为差评数据，则在用户画像中添加用户对该产品进行差评的相关信息，以实现对该用户对应的第一用户画像的内容进行更新。

本发明其中一个实施例中，所述提取所述反馈数据中的关键语义，包括：

对所述反馈数据进行分词处理，得到反馈分词；

统计所述反馈分词中每个分词的频率；

从所述反馈分词中选取所述频率大于预设频率阈值的分词，并将选取的分词作为所述反馈数据的关键语义。

详细地，可利用具有语义分析功能的智能模型对所述反馈数据进行分词处理，进而提取所述反馈数据中的关键语义，所述智能模型包括但不限于HMM(Hidden MarkovModel，隐马尔科夫模型)、NLP(Neuro-Linguistic Programming，自然语言处理)模型。

本发明实施例中，所述利用所述关键语义对所述第一目标用户群体的用户画像进行画像完善，得到目标用户画像，包括：

计算所述第一目标用户群体中每一个用户的反馈数据对应的关键语义与预设标准语义的距离值；

根据所述距离值大于预设的距离阈值的关键语义生成正面标记；

根据所述距离值小于或等于所述距离阈值的关键语义生成负面标记；

利用所述正面标记或所述负面标记对所述第一目标用户群体的用户画像进行标记，得到目标用户画像。

详细地，可利用预设的距离算法计算所述第一目标用户群体中每一个用户的反馈数据对应的关键语义与预设标准语义的距离值，所述距离算法包括但不限于欧式距离算法、余弦距离算法。

具体地，所述正面标记用于对作出正面反馈的用户的用户画像进行标记，所述负面标记用于对作出负面反馈的用户的用户画像进行标记。

例如，反馈数据为：用户1觉得产品A物美价廉，非常适合自己使用，使用过程中对产品A非常满意，且产品A作出了五星好评；则可用该智能模型对所述反馈数据进行语义分析，得出反馈数据的关键语义“用户1对产品A给出好评”，并生成正面标记，并利用生成的正面标记对该反馈数据对应的用户画像进行标记；

反之，若用户的反馈数据为差评，则得出反馈数据的关键语义“用户1对产品A给出差评”，并生成负面标记，并利用生成的正面标记对该反馈数据对应的用户画像进行标记。

通过智能模型对反馈数据进行语义分析以提取关键语义，有利于提高从反馈数据中提取的关键语义的精确性。

或者，本实施例中还可通过预设的关键词提取算法提取出所述反馈数据中的关键词，将所述关键词作为该反馈数据的关键语义；所述关键词提取算法包括IF-IDF关键词提取算法、TextRank算法等。

通过关键词提取算法提取出所述反馈数据中的关键词，并将提取的关键词作为该反馈数据的关键语义，有利于提高获取所述关键语义的效率。

进一步地，本发明实施例利用从所述反馈数据中提取的关键语义生成正面标记或负面标记对第一目标用户群体的用户画像进行内容标记，得到目标用户画像，以实现对第一目标用户群体的用户画像的完善，提高第一用户画像的精确度，进而提高产品推荐的精确度。

本发明实施例中，可通过将所述正面标记或负面标记以附加字段的形式添加至所述用户画像中，以实现对第一目标用户群体的用户画像的完善，得到目标用户画像；或者，可通过将所述正面标记或负面标记作为标签，以标签形式将所述正面标记或负面标记添加至所述用户画像中，以实现对第一目标用户群体的用户画像的完善，得到目标用户画像。

S4、据所述目标用户画像，从所述候选用户群体中选取第二目标用户群体。

本发明实施例中，当所述画像完善后，第一用户画像中包含了所述反馈信息的关键语义，因此，可对该目标用户画像进行分析，以获取候选用户群体的用户画像中与所述目标用户画像相似的第二用户画像，进而从所述候选用户群体中选取可进行产品推荐的第二目标用户群体。

例如，画像完善后，存在目标用户画像中包含了对产品A的好评信息，则可对该目标用户画像进行分析，获取该目标用户画像的特征数据，并根据该特征数据从候选用户群体的用户画像中选取同样包含该数据特征的用户画像，作为第二目标用户群体。

本发明其中一个实施例中，可通过计算画像完善后的目标用户画像与所述候选用户群体的用户画像中每个用户画像的匹配值，进而根据该匹配值从候选用户群体的用户画像中选取与所述目标用户画像相似的第二用户画像，进而作为第二目标用户群体。

详细地，所述计算画像完善后的目标用户画像与所述候选用户群体的用户画像中每个用户画像的匹配值的步骤，与步骤S1中计算所述产品画像与每个所述用户画像之间的匹配值的步骤一致；所述根据该匹配值从候选用户群体的用户画像中选取与所述目标用户画像相似的第二用户画像，进而作为第二目标用户群体的步骤，与步骤S2中根据所述匹配值从所述候选用户群体中选取第一目标用户群体的步骤一致，在此不做赘述。

本发明另一实施例中，还可通过预设的分类算法对所述用户画像进行分类，并按照分类结果，从所述候选用户群体中选取第二目标用户群体。

例如，按照用户年龄对所述候选用户群体的用户画像进行分类，并根据分类结果选取用户画像中与所述目标用户画像像属于同一年龄段类别的第二用户画像，作为第二目标用户群体。

本发明另一实施例中，参图3所示，所述根据所述目标用户画像，从所述候选用户群体中选取第二目标用户群体，包括：

S31、提取包含所述正面标记的所述目标用户画像的特征数据；

S32、根据所述特征数据从预设的类别表中查询得到分类标准；

S33、根据所述分类标准确定所述目标用户画像的数据类别；

S34、按照所述分类标准对所述候选用户群体的用户画像进行分类，并选取与所述数据类别相同的用户画像对应的用户，作为第二目标用户群体。

详细地，可通过如步骤S3中的智能模型对所述第一用户画像进行分析，以提取包含所述正面标记的所述目标用户画像的特征数据，所述数据特征为目标用户画像中包含的用于表示用户特征的数据，如用户年龄、性别、职业等。

本实施例可通过具有数据抓取功能的计算机语句(java语句、python语句)等从数据库中抓取预先存储的类别表。所述类别表中包含多种数据特征，及所述数据特征对应的分类标准。

进而通过所述分类标准确定包含所述正面标记的所述目标用户画像的数据类别，并利用该分类标准对所述候选用户群体的用户画像进行分类，得到候选用户群体中每个用户的用户画像的数据类别，进而从候选用户群体的用户画像中选取与所述第一用户画像具有相同数据类别的第二用户画像。

例如，数据特征为年龄，该数据特征在所述类别表中对应的分类标准为1至20岁用户归属为少年类，20-30岁用户归属为壮年类，30-50岁用户归属于中年类，大于50岁用户归属于老年类。

存在目标用户画像的数据特征为年龄：18岁；则根据所述分类标准，得出目标用户画像的数据类别为少年类；候选用户群体的用户画像中存在用户画像X、用户画像Y和用户画像Z，其中，用户画像X的数据特征为年龄15，用户画像Y的数据特征为年龄35，用户画像Z的数据特征为年龄65，则可根据该分类标准确定用户画像X的数据类别为少年类，用户画像Y的数据类别为中年类，用户画像Z的数据类别为老年类，则选取用户画像X为与所述第一用户画像相似的第二用户画像，确定用户画像X对应的用户为第二目标用户群体。

本发明实施例通过从所述用户画像中选取与所述第一用户画像相似的第二用户画像，确定被选取的用户画像对应的用户为第二目标用户群体，可实现对相关用户的挖掘，进而增大产品推荐的用户群体，便于实现更大范围的产品推荐。

S5、将所述待推荐产品推荐给所述第二目标用户群体。

本发明实施例中，当从所述候选用户群体中选取第二目标用户群体后，可将所述待推荐产品，推荐给所述第二目标用户群体。

详细地所述将所述待推荐产品推荐给所述第二目标用户群体的步骤，与步骤S2中将所述待推荐产品推荐给所述第一目标用户群体的步骤一致，在此不做赘述。

本发明实施例通过计算产品画像与每个所述用户画像之间的匹配值，进而根据该匹配值选取第一目标用户群体进行产品推荐，有利于提高产品与用户的适配度，进而提高产品推荐的精确度；获取用户对推荐的产品的反馈信息，以实现对用户画像的完善，得到目标用户画像，并根据完目标用户画像选取第二目标用户群体进行产品推荐，可实现对相关用户的挖掘，进而增大产品推荐的用户群体，便于在更大的用户群体中更实现精确的产品推荐。因此本发明提出的基于用户画像的产品推荐方法、装置、电子设备及计算机可读存储介质，可以解决进行产品推荐时的精确度较低的问题。

如图4所示，是本发明一实施例提供的基于用户画像的产品推荐装置的功能模块图。

本发明所述基于用户画像的产品推荐装置100可以安装于电子设备中。根据实现的功能，所述基于用户画像的产品推荐装置100可以包括画像匹配模块101、第一推荐模块102、画像完善模块103、画像筛选模块104及第二推荐模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述画像匹配模块101，用于获取待推荐产品的产品画像以及所述待推荐产品的候选用户群体的用户画像，计算所述产品画像与每个所述用户画像之间的匹配值；

所述第一推荐模块102，用于根据所述匹配值从所述候选用户群体中选取第一目标用户群体，将所述待推荐产品推荐给所述第一目标用户群体；

所述画像完善模块103，用于获取所述第一目标用户群体对所述待推荐产品的反馈数据，提取所述反馈数据中的关键语义，利用所述关键语义对所述第一目标用户群体的用户画像进行画像完善，得到目标用户画像；

所述画像筛选模块104，用于根据所述目标用户画像，从所述候选用户群体中选取第二目标用户群体；

所述第二推荐模块105，用于将所述待推荐产品推荐给所述第二目标用户群体。

详细地，本发明实施例中所述基于用户画像的产品推荐装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于用户画像的产品推荐方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

如图5所示，是本发明一实施例提供的实现基于用户画像的产品推荐方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于用户画像的产品推荐程序。

其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于用户画像的产品推荐程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。

所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于用户画像的产品推荐程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。

图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的基于用户画像的产品推荐程序是多个指令的组合，在所述处理器10中运行时，可以实现：

获取待推荐产品的产品画像以及所述待推荐产品的候选用户群体的用户画像，计算所述产品画像与每个所述用户画像之间的匹配值；

根据所述匹配值从所述候选用户群体中选取第一目标用户群体，将所述待推荐产品推荐给所述第一目标用户群体；

获取所述第一目标用户群体对所述待推荐产品的反馈数据，提取所述反馈数据中的关键语义，利用所述关键语义对所述第一目标用户群体的用户画像进行画像完善，得到目标用户画像；

根据所述目标用户画像，从所述候选用户群体中选取第二目标用户群体；

将所述待推荐产品推荐给所述第二目标用户群体。

具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。

本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

获取待推荐产品的产品画像以及所述待推荐产品的候选用户群体的用户画像，计算所述产品画像与每个所述用户画像之间的匹配值；

根据所述匹配值从所述候选用户群体中选取第一目标用户群体，将所述待推荐产品推荐给所述第一目标用户群体；

获取所述第一目标用户群体对所述待推荐产品的反馈数据，提取所述反馈数据中的关键语义，利用所述关键语义对所述第一目标用户群体的用户画像进行画像完善，得到目标用户画像；

根据所述目标用户画像，从所述候选用户群体中选取第二目标用户群体；

将所述待推荐产品推荐给所述第二目标用户群体。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于用户画像的产品推荐方法，其特征在于，所述方法包括：

获取待推荐产品的产品画像以及所述待推荐产品的候选用户群体的用户画像，计算所述产品画像与每个所述用户画像之间的匹配值；

根据所述匹配值从所述候选用户群体中选取第一目标用户群体，将所述待推荐产品推荐给所述第一目标用户群体；

获取所述第一目标用户群体对所述待推荐产品的反馈数据，提取所述反馈数据中的关键语义，利用所述关键语义对所述第一目标用户群体的用户画像进行画像完善，得到目标用户画像；

根据所述目标用户画像，从所述候选用户群体中选取第二目标用户群体；

将所述待推荐产品推荐给所述第二目标用户群体。

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，所述计算所述产品画像与每个所述用户画像之间的匹配值，包括：

将每个所述用户画像进行向量转换，得到第一向量；

将所述产品画像进行向量转换，得到第二向量；

计算所述第二向量与每个所述用户画像的第一向量之间的匹配值。

3.如权利要求2所述的基于用户画像的产品推荐方法，其特征在于，所述计算所述第二向量与每个所述用户画像的第一向量之间的匹配值，包括：

利用如下匹配值算法计算所述第二向量与每个所述用户画像的所述第一向量之间的匹配值：

其中，P为所述匹配值，α为任一用户画像的第一向量，β为所述第二向量。

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，所述根据所述匹配值从所述候选用户群体中选取第一目标用户群体，包括：

将所述匹配值与预设的匹配阈值进行比对；

从所述候选用户群体中选取所述匹配值大于所述匹配阈值的用户画像对应的用户作为第一目标用户群体。

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，所述根据所述匹配值从所述候选用户群体中选取第一目标用户群体，包括：

按照所述匹配值从大到小的顺序将所述候选用户群体的用户画像进行排序，得到画像列表；

按照从前向后的顺序从所述画像列表中选取预设数量的用户画像作为第一目标用户群体。

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，所述利用所述关键语义对所述第一目标用户群体的用户画像进行画像完善，得到目标用户画像，包括：

计算所述第一目标用户群体中每一个用户的反馈数据对应的关键语义与预设标准语义的距离值；

根据所述距离值大于预设的距离阈值的关键语义生成正面标记；

根据所述距离值小于或等于所述距离阈值的关键语义生成负面标记；

利用所述正面标记或所述负面标记对所述第一目标用户群体的用户画像进行标记，得到目标用户画像。

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，所述根据所述目标用户画像，从所述候选用户群体中选取第二目标用户群体，包括：

提取包含所述正面标记的目标用户画像的特征数据；

根据所述特征数据从预设的类别表中查询得到分类标准；

根据所述分类标准确定所述目标用户画像的数据类别；

按照所述分类标准对所述候选用户群体的用户画像进行分类，并选取与所述目标用户画像的数据类别相同的用户画像对应的用户，作为第二目标用户群体。

8.一种基于用户画像的产品推荐装置，其特征在于，所述装置包括：

画像匹配模块，用于获取待推荐产品的产品画像以及所述待推荐产品的候选用户群体的用户画像，计算所述产品画像与每个所述用户画像之间的匹配值；

第一推荐模块，用于根据所述匹配值从所述候选用户群体中选取第一目标用户群体，将所述待推荐产品推荐给所述第一目标用户群体；

画像完善模块，用于获取所述第一目标用户群体对所述待推荐产品的反馈数据，根据所述反馈数据对所述第一目标用户群体的用户画像进行画像完善，得到目标用户画像；

画像筛选模块，用于根据所述目标用户画像，从所述候选用户群体中选取第二目标用户群体；

第二推荐模块，用于将所述待推荐产品推荐给所述第二目标用户群体。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于用户画像的产品推荐方法。

10.一种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中任意一项所述的基于用户画像的产品推荐方法。

Images