CN114219663A - 产品推荐方法、装置、计算机设备及存储介质 - Google Patents
产品推荐方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114219663A CN114219663A CN202111537413.XA CN202111537413A CN114219663A CN 114219663 A CN114219663 A CN 114219663A CN 202111537413 A CN202111537413 A CN 202111537413A CN 114219663 A CN114219663 A CN 114219663A
- Authority
- CN
- China
- Prior art keywords
- preset
- target
- product
- user group
- information
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Abstract
本申请涉及人工智能技术,提供一种产品推荐方法、装置、计算机设备与存储介质,包括:确定与基本信息的相似度超过预设信息相似度阈值的目标第一用户群;获取目标用户对预设产品的评分数据,并确定与评分数据的相似度超过预设评分相似度阈值的目标第二用户群;采集目标用户的行为数据,并分别获取目标第一用户群与目标第二用户群的用户群信息,得到第一用户群信息与第二用户群信息;获取初始产品框架图谱;根据行为数据、第一用户群信息以及第二用户群信息调整初始产品框架图谱,得到目标产品框架图谱;根据预设数据集与目标产品框架图谱向目标用户输出待推荐产品列表。本申请能够产品推荐的准确性,促进智慧城市的快速发展。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种产品推荐方法、装置、计算机设备及存储介质。
背景技术
无论是B2C还是B2B的商业模式,每个企业的发展都离不开客户的支持。定义目标受众是企业寻找客户的第一步。以保险企业为例,知道应该给哪些人提供保险产品或投保服务是至关重要的。
在实现本申请的过程中,申请人发现现有技术存在如下技术问题:传统保险的营销产品推荐依赖于产品策划者的经验,然而,即使是一个经验丰富的策划者在某些情况下也可能出现推荐失误,使得产品无人问津,浪费了大量人力物力,无法保证产品推荐的准确性。
因此,有必要提供一种产品推荐方法,能够提高产品推荐的准确性。
发明内容
鉴于以上内容,有必要提出一种产品推荐方法、产品推荐装置、计算机设备及介质,能够提高产品推荐的准确性。
本申请实施例第一方面提供一种产品推荐方法,所述产品推荐方法包括:
获取目标用户的基本信息以及预先设置的第一用户群对应的预设基本信息,并确定所述预设基本信息与所述基本信息的相似度超过预设信息相似度阈值的目标第一用户群;
获取所述目标用户对预设产品的评分数据以及预先设置的第二用户群中的预设评分数据,并确定所述预设评分数据与所述评分数据的相似度超过预设评分相似度阈值的目标第二用户群;
采集所述目标用户的行为数据,并分别获取所述目标第一用户群与所述目标第二用户群的用户群信息,得到第一用户群信息与第二用户群信息;
获取初始产品框架图谱;
根据所述行为数据、所述第一用户群信息以及所述第二用户群信息调整所述初始产品框架图谱,得到目标产品框架图谱;
获取预设数据集,并根据所述预设数据集与所述目标产品框架图谱向所述目标用户输出待推荐产品列表。
进一步地,在本申请实施例提供的上述产品推荐方法中,所述确定所述预设基本信息与所述基本信息的相似度超过预设信息相似度阈值的目标第一用户群包括:
向量化处理所述目标用户的基本信息,得到基本信息向量;
获取预先设置的第一用户群对应的预设基本信息,并向量化处理所述预设基本信息,得到预设基本信息向量;
计算所述基本信息向量与所述预设基本信息向量的相似度,并检测是否存在超过预设信息相似度阈值的目标信息相似度;
当检测结果为存在超过预设信息相似度阈值的目标信息相似度时,确定所述目标相似度对应的用户群为第一目标用户群。
进一步地,在本申请实施例提供的上述产品推荐方法中,所述确定所述预设评分数据与所述评分数据的相似度超过预设评分相似度阈值的目标第二用户群包括:
向量化处理所述评分数据,得到评分数据向量;
获取预先设置的第二用户群中的预设评分数据,并向量化处理所述预设评分数据,得到预设评分数据向量;
计算所述评分数据向量与所述预设评分数据向量的相似度,并检测是否存在超过预设评分相似度阈值的目标评分相似度;
当检测结果为存在超过预设评分相似度阈值的目标评分相似度时,确定所述目标相似度对应的用户群为目标第二用户群。
进一步地,在本申请实施例提供的上述产品推荐方法中,所述获取初始产品框架图谱包括:
获取预设系统中包含的初始产品图片;
利用预设算法处理所述初始产品图片,以提取得到文字特征;
根据预先确定的术语来源对所述文字特征中与产品相关的知识进行知识实体抽取,得到产品知识本体集与关系集;
基于所述产品知识本体集与所述关系集构建初始产品框架图谱。
进一步地,在本申请实施例提供的上述产品推荐方法中,所述根据所述行为数据、所述第一用户群信息以及所述第二用户群信息调整所述初始产品框架图谱,得到目标产品框架图谱包括:
获取所述初始产品框架图谱中各个实体节点对应的预设权值模型;
调用所述预设权值模型处理所述行为数据、所述第一用户群信息以及所述第二用户群信息,得到各个所述实体节点对应的目标权值;
获取各个实体节点对应的初始权值,并将所述初始权值替换为所述目标权值,得到目标产品框架图谱。
进一步地,在本申请实施例提供的上述产品推荐方法中,所述根据所述预设数据集与所述目标产品框架图谱向所述目标用户输出待推荐产品列表包括:
针对所述目标产品框架图谱中的每一实体节点,以该实体节点为起点遍历所述目标产品框架图谱,得到遍历路径;
获取所述遍历路径上权值超过预设权值的目标实体节点;
确定所述目标实体节点对应的产品信息;
按照所述权值的顺序组合所述产品信息,得到初始产品列表;
获取所述预设数据集中的地理信息,并根据所述地理信息调整所述初始产品列表,得到目标产品列表。
进一步地,在本申请实施例提供的上述产品推荐方法中,所述根据所述地理信息调整所述初始产品列表,得到目标产品列表包括:
根据所述地理信息遍历预设设置的地理信息与产品影响因素的映射关系,得到目标产品影响因素;
从所述初始产品列表中确定与所述产品影响因素的关联度超过预设关联度阈值的目标产品;
调整所述目标产品在所述初始产品列表中的排序,得到目标产品列表。
本申请实施例第二方面还提供一种产品推荐装置,所述产品推荐装置包括:
信息获取模块,用于获取目标用户的基本信息以及预先设置的第一用户群对应的预设基本信息,并确定所述预设基本信息与所述基本信息的相似度超过预设信息相似度阈值的目标第一用户群;
评分获取模块,用于获取所述目标用户对预设产品的评分数据以及预先设置的第二用户群中的预设评分数据,并确定所述预设评分数据与所述评分数据的相似度超过预设评分相似度阈值的目标第二用户群;
行为采集模块,用于采集所述目标用户的行为数据,并分别获取所述目标第一用户群与所述目标第二用户群的用户群信息,得到第一用户群信息与第二用户群信息;
图谱获取模块,用于获取初始产品框架图谱;
图谱调整模块,用于根据所述行为数据、所述第一用户群信息以及所述第二用户群信息调整所述初始产品框架图谱,得到目标产品框架图谱;
产品输出模块,用于获取预设数据集,并根据所述预设数据集与所述目标产品框架图谱向所述目标用户输出待推荐产品列表。
本申请实施例第三方面还提供一种计算机设备,所述计算机设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如上述任意一项所述产品推荐方法。
本申请实施例第四方面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上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述产品推荐方法。
本申请实施例提供的上述产品推荐方法、产品推荐装置、计算机设备以及计算机可读存储介质,通过对目标用户的基本信息、评分数据以及行为数据进行分析,从而调整初始产品框架图谱,得到目标产品框架图谱,并根据所述目标产品框架图谱进行产品推荐,能够针对不同用户实现个性化的产品推荐,提高产品推荐的准确性。本申请可应用于智慧政务、智慧交通等智慧城市的各个功能模块中,比如智慧政务的产品推荐模块等,能够促进智慧城市的快速发展。
附图说明
为了更清楚地说明本申请的实施例中的技术方案,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申请的一些实施例,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是本申请实施例一提供的产品推荐方法的流程图;
图2是本申请实施例二提供的产品推荐装置的结构图;
图3是本申请实施例三提供的计算机设备的结构示意图;
如下具体实施方式将结合上述附图进一步说明本申请。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面结合附图和具体实施例对本申请进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本发明实施例提供的产品推荐方法由计算机设备执行,相应地,产品推荐装置运行于计算机设备中。图1是本申请实施例一提供的产品推荐方法的流程图。如图1所示,所述产品推荐方法可以包括如下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些可以省略:
S11,获取目标用户的基本信息以及预先设置的第一用户群对应的预设基本信息,并确定所述预设基本信息与所述基本信息的相似度超过预设信息相似度阈值的目标第一用户群。
在本申请的至少一实施例中,所述目标用户可以是指准备向其推荐相关产品的用户。所述目标用户的数量可以为一个,也可以为多个。所述基本信息可以包括目标用户的年龄、性别、是否有房、是否有车以及年收入区间等信息,除此之外,所述基本信息还可以包括目标用户的保险背景,例如,该目标用户以前是否买过保险以及买过何种保险等信息。所述基本信息可以通过提取用户在登录预设系统前录入的信息所得,在此不作限制。所述基本信息按照一定的信息格式进行存储,该信息格式为系统人员预先设置的,通过对基本信息进行结构化处理,方便后续进行相似度计算。
在一实施例中,待向所述目标用户推荐的相关产品存储于预设系统中,以待推荐的产品为保险产品为例,所述预设系统可以为保险系统。所述预设系统已有大量的历史用户数据,所述历史用户数据可以包括但不限于历史用户的基本信息、历史用户对于所述预设系统执行操作的行为数据、历史用户对相关产品的评分数据等。其中,将上述历史用户的基本信息按照一定的信息格式进行存储,得到预设基本信息,并基于所述预设基本信息可以预先定义第一用户群,示例性地,所述第一用户群可以是指按照用户的年龄进行划分的群组,例如,所述第一用户群可以包括青少年用户群、中年用户群、老年用户群等。当增加新用户(也即目标用户)的时候,可以根据所述目标用户所填写的资料将其归为到对应第一用户群中。
可选地,所述获取目标用户的基本信息,并确定与所述基本信息的相似度超过预设信息相似度阈值的目标第一用户群包括:
向量化处理所述目标用户的基本信息,得到基本信息向量;
获取预先设置的第一用户群对应的预设基本信息,并向量化处理所述预设基本信息,得到预设基本信息向量;
计算所述基本信息向量与所述预设基本信息向量的相似度,并检测是否存在超过预设信息相似度阈值的目标信息相似度;
当检测结果为存在超过预设信息相似度阈值的目标信息相似度时,确定所述目标相似度对应的用户群为第一目标用户群。
其中,当检测结果为存在超过预设信息相似度阈值的目标信息相似度时,表示所述基本信息与所述预设基本信息相似度较高,所述预设基本信息对应的用户群作为目标第一用户群。所述预设信息相似度阈值为系统人员预先设置的用于评估新用户与第一用户群的基本信息相似度的阈值。在一实施例中,所述基本信息向量与所述预设基本信息向量间的相似度可以通过计算两者向量的欧氏距离确定。所述基本信息向量与所述预设基本信息向量间的向量维度是相同的,一般来说,可能存在所述目标用户对应所述基本信息向量的维度小于所述预设基本信息向量的维度的情况,对于该情况,可以通过添加0值的方式,使得所述基本信息向量的维度与所述预设基本信息向量的维度相同。
S12,获取所述目标用户对预设产品的评分数据以及预先设置的第二用户群中的预设评分数据,并确定所述预设评分数据与所述评分数据的相似度超过预设评分相似度阈值的目标第二用户群。
在本申请的至少一实施例中,所述预设产品可以是指所述目标用户在所述预设系统中购买的或了解的产品信息。目标用户对预设产品的评分数据是指目标用户对预设产品的打分信息,以预设产品为保险产品为例,目标用户在购买了一个保险产品后就可以对该产品进行打分,得到评分数据,上述评分数据就可以作为产品推荐的考虑依据。此外,本申请不仅是利用该目标用户单一的评分数据,还将预设系统中所有用户的评分数据,做一个聚类,得到若干第二用户群,通过将目标用户归到某一第二用户群,然后根据这一第二用户群的数据进行产品推荐。
在一实施例中,所述预设系统已有大量的历史用户数据,每个用户对其购买过的产品均设有评分数据,将评分数据按照一定格式进行处理,得到预设评分数据,并对预设评分数据进行聚类分析,得到若干评分聚类簇,按照所述评分聚类簇对大量用户进行分类,得到评分用户群,也即第二用户群。
可选地,所述确定与所述评分数据的相似度超过预设评分相似度阈值的目标第二用户群包括:
向量化处理所述评分数据,得到评分数据向量;
获取预先设置的第二用户群中的预设评分数据,并向量化处理所述预设评分数据,得到预设评分数据向量;
计算所述评分数据向量与所述预设评分数据向量的相似度,并检测是否存在超过预设评分相似度阈值的目标相似度;
当检测结果为存在超过预设评分相似度阈值的目标评分相似度时,确定所述目标评分相似度对应的用户群为目标第二用户群。
其中,当检测结果为存在超过预设评分相似度阈值的目标评分相似度时,表示所述评分数据与所述预设评分数据的相似度较高,所述预设评分数据对应的用户群作为目标第二用户群。在一实施例中,所述评分数据向量与所述预设评分数据向量的相似度可以通过计算两者向量的欧氏距离确定。所述评分数据向量与所述预设评分数据向量间的向量维度是相同的,一般来说,可能存在所述目标用户对应所述评分数据向量的维度小于所述预设评分数据向量的维度的情况,对于该情况,可以通过添加0值的方式,使得所述评分数据向量的维度与所述预设评分数据向量的维度相同。
S13,采集所述目标用户的行为数据,并分别获取所述目标第一用户群与所述目标第二用户群的用户群信息,得到第一用户群信息与第二用户群信息。
在本申请的至少一实施例中,所述行为数据是指目标用户对预设系统中相关产品执行的相关操作。示例性地,用户点进了一个寿险产品,然后看了一下,在页面点击了感兴趣,那么所述预设系统就会记录下该操作,知道该用户可能倾向购买寿险产品,在页面中有很多行为是可以记录的,例如上文说到的点击感兴趣,还有点击不感兴趣,点击咨询,点击进一步了解等行为。所述目标第一用户群对应的第一用户群信息可以是指所述第一用户群对应的用户的基本信息,所述目标第二用户群对应的第二用户群信息可以是指所述第二用户群对应的用户的评分数据。其中,所述目标第一用户群与所述第一用户群信息间存在关联关系,通过查询所述关联关系,能够得到所述目标第一用户群对应的第一用户群信息。同理,可以得到所述目标第二用户群对应的第二用户群信息,在此不作赘述。所述关联关系可以为数字关联关系、字母关联关系等,在此不作限制。
S14,获取初始产品框架图谱。
在本申请的至少一实施例中,所述初始产品框架图谱中囊括了所有与产品相关的概念(也称产品名称),每一个概念都是图上的一个实体节点,每条边代表两个概念之间的上下位关系,每个节点均设有两个权值:偏好值和置信度,其中,所述偏好值代表所述目标用户对该产品的喜好程度,所述置信度代表所述预设系统对该偏好值的信心程度。对于每个目标用户,均能够根据多种信息源来更新每个实体节点的值,从而来推荐相关的产品。所述初始产品框架图谱中的两个权值(也即所述偏好值与所述置信度)为初始化的权值。
可选地,所述获取初始产品框架图谱包括:
获取预设系统中包含的初始产品图片;
利用预设算法处理所述初始产品图片,以提取得到所述初始产品图片中包含的文字特征;
根据预先确定的术语来源对所述文字特征中与产品相关的知识进行知识实体抽取,得到产品知识本体集与关系集;
基于所述产品知识本体集与所述关系集构建初始产品框架图谱。
其中,所述初始产品图片是指所述预设系统中与产品相关图片,所述产品相关图片中包含了若干产品的文字特征,也即产品名称,通过预设算法对所述初始产品图片进行处理,得到与产品相关的文字特征。其中,所述预设算法为预先设置的对图片进行文字提取的算法,在此不作限制。本申请将与业务关联领域的术语表作为术语来源,调用该术语来源对所述文字特征中与产品相关的知识进行知识实体抽取,能够得到产品对应的产品知识本体集与关系集。所述关系集是指产品知识本体间的父子关系等。将所述产品知识本体集中的产品知识本体按照所述关系集中的父子关系等关系进行构建,能够得到初始产品框架图谱。
S15,根据所述行为数据、所述第一用户群信息以及所述第二用户群信息调整所述初始产品框架图谱,得到目标产品框架图谱。
在本申请的至少一实施例中,所述初始产品框架图谱中每个实体节点的偏好值与置信度为初始化的,需要根据所述行为数据、所述第一用户群信息以及所述第二用户群信息调整所述初始产品框架图谱中的偏好值与置信度,得到目标产品框架图谱。
在以实施例中,所述目标产品框架图谱是由大类层层传播到细分类的,父子之间是有相关性的。示例性地,预设系统获取到目标用户对寿险产品感兴趣,其寿险产品对应的Life节点的分值为1,那么其子节点也会根据一定的规则附上分值,例如0.5,目标产品框架图谱上有了这些分值,就可以根据这个图执行产品推荐。本申请通过若干维度来更新优化这个概念图上的节点,最终对每个用户都形成一个独特的概念图,该图目的就是尽可能全面地去剖析用户的购买意向和喜好。
可选地,所述根据所述行为数据、所述第一用户群信息以及所述第二用户群信息调整所述初始产品框架图谱,得到目标产品框架图谱包括:
获取所述初始产品框架图谱中各个实体节点对应的预设权值模型;
调用所述预设权值模型处理所述行为数据、所述第一用户群信息以及所述第二用户群信息,得到各个所述实体节点对应的目标权值;
获取各个实体节点对应的初始权值,并将所述初始权值替换为所述目标权值,得到目标产品框架图谱。
其中,所述初始产品框架图谱中各个实体节点均对应设有预设权值模型,所述预设权值模型用于基于相关信息进行权值计算,所述预设权值模型为系统人员预先设置的数学模型,在此不作限制。通过调用所述预设权值模型处理所述行为数据、所述第一用户群信息以及所述第二用户群信息,能够得到各个所述实体节点对应的目标权值,并将所述初始权值替换为所述目标权值,从而得到目标产品框架图谱。
S16,获取预设数据集,并根据所述预设数据集与所述目标产品框架图谱向所述目标用户输出待推荐产品列表。
在本申请的至少一实施例中,所述预设数据集中可以包含用户的地理信息。所述预设数据集可以为预先设置的GIS数据集,这个是根据地域来做筛选和排序的,例如,在自然灾害多发的地区,其农作物会受影响的概率更大,海边的城市受台风的影响更大,在各种工业区的受污染影响更大等。根据这些不同的地域来对产品推荐做一定的排序过滤。所述预设数据集可以存储于预设数据库中,考虑到数据存储的可靠性与隐私性,所述预设数据库可以为区块链中的目标节点,在此不作限制。
所述待推荐产品列表中包含若干待推荐产品,所述待推荐产品的数量可以为1个,也可以为多个。所述待推荐产品列表中的待推荐产品按照待推荐程度的高低进行排序,例如,所述产品列表中的待推荐产品按照待推荐程度由高到低的顺序排序,在此不作限制。
可选地,所述根据所述预设数据集与所述目标产品框架图谱向所述目标用户输出待推荐产品列表包括:
针对所述目标产品框架图谱中的每一实体节点,以该实体节点为起点遍历所述目标产品框架图谱,得到遍历路径;
获取所述遍历路径上权值超过预设权值的目标实体节点;
确定所述目标实体节点对应的产品信息;
按照所述权值的顺序组合所述产品信息,得到初始产品列表;
获取所述预设数据集中的地理信息,并根据所述地理信息调整所述初始产品列表,得到目标产品列表。
其中,所述遍历路径是指满足预设路径终止条件的路径,所述预设路径终止条件可以是指遍历的路径长度达到了预设路径长度,或者遍历的节点为最末端的节点,在此不作限制。所述权值是指每个实体节点对应的偏好值信息。当超过所述预设权值的产品信息的数量为多个时,按照所述权值从大到小的顺序组合所述产品信息,得到产品列表。所述预设权值是指系统人员预先设置的用于标识产品信息是否值得推荐的值。
其中,所述根据所述地理信息调整所述初始产品列表,得到目标产品列表包括:
根据所述地理信息遍历预设设置的地理信息与产品影响因素的映射关系,得到目标产品影响因素;
从所述初始产品列表中确定与所述产品影响因素的关联度超过预设关联度阈值的目标产品;
调整所述目标产品在所述初始产品列表中的排序,得到目标产品列表。
其中,所述地理信息与产品影响因素间存在映射关系,通过查询所述映射关系,能够得到与所述地理信息对应的所述产品影响因素。所述产品影响因素可以包括但不限于农作物影响因素、台风影响因素以及污染影响因素。对于上述产品影响因素,均存在与之关联的目标产品。所述初始产品列表中的若干产品均存在对应的产品属性或者产品介绍,通过语义分析所述产品属性或者所述产品介绍,能够得到产品对应的语义属性,将该语义属性与所述产品影响因素进行关联度计算,得到关键度值。在一实施例中,可以训练关联度计算模型计算两个向量间的关联度,在此不作限制。所述预设关联度阈值为系统人员预先设置的值,在此不作限制。对于与所述产品影响因素的关联度超过预设关联度阈值的目标产品,调整所述目标产品的位置至列表的首位,也即优先推荐该类产品,得到目标产品列表。本申请还依据预设数据集中的地理信息调整所述初始产品列表,得到目标产品列表,能够实现为不同地区的目标用户推荐适合的产品,能够提高产品推荐的准确性。
在其他实施例中,所述方法还包括:获取目标用户对所述待推荐产品列表中的产品的行为数据与评分数据,并将其作为新的数据更新所述预设系统中的用户数据,用作以后的用户推荐。
本申请实施例提供的上述产品推荐方法,通过对目标用户的基本信息、评分数据以及行为数据进行分析,从而调整初始产品框架图谱,得到目标产品框架图谱,并根据所述目标产品框架图谱进行产品推荐,能够针对不同用户实现个性化的产品推荐,提高产品推荐的准确性;且本申请通过对产品构建产品框架图谱,并在产品框架图谱中针对每个实体节点均设有两个权值:偏好值和置信度,通过查询每个实体节点的偏好值即可确定待推荐产品,能够提高产品推荐的效率,且该偏好值是依据每个用户的若干维度的信息计算所得,能够提高产品推荐的准确性;此外,本申请还依据预设数据集中的地理信息调整所述初始产品列表,得到目标产品列表,能够实现为不同地区的目标用户推荐适合的产品,能够提高产品推荐的准确性。本申请可应用于智慧政务、智慧交通等智慧城市的各个功能模块中,比如智慧政务的产品推荐模块等,能够促进智慧城市的快速发展。
图2是本申请实施例二提供的产品推荐装置的结构图。
在一些实施例中,所述产品推荐装置20可以包括多个由计算机程序段所组成的功能模块。所述产品推荐装置20中的各个程序段的计算机程序可以存储于计算机设备的存储器中,并由至少一个处理器所执行,以执行(详见图1描述)基于内容识别的弹幕监测的功能。
本实施例中,所述产品推荐装置20根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:信息获取模块201、评分获取模块202、行为采集模块203、图谱获取模块204、图谱调整模块205以及产品输出模块206。本申请所称的模块是指一种能够被至少一个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,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
所述信息获取模块201可以用于获取目标用户的基本信息以及预先设置的第一用户群对应的预设基本信息,并确定所述预设基本信息与所述基本信息的相似度超过预设信息相似度阈值的目标第一用户群。
在本申请的至少一实施例中,所述目标用户可以是指准备向其推荐相关产品的用户。所述目标用户的数量可以为一个,也可以为多个。所述基本信息可以包括目标用户的年龄、性别、是否有房、是否有车以及年收入区间等信息,除此之外,所述基本信息还可以包括目标用户的保险背景,例如,该目标用户以前是否买过保险以及买过何种保险等信息。所述基本信息可以通过提取用户在登录预设系统前录入的信息所得,在此不作限制。所述基本信息按照一定的信息格式进行存储,该信息格式为系统人员预先设置的,通过对基本信息进行结构化处理,方便后续进行相似度计算。
在一实施例中,待向所述目标用户推荐的相关产品存储于预设系统中,以待推荐的产品为保险产品为例,所述预设系统可以为保险系统。所述预设系统已有大量的历史用户数据,所述历史用户数据可以包括但不限于历史用户的基本信息、历史用户对于所述预设系统执行操作的行为数据、历史用户对相关产品的评分数据等。其中,将根据上述历史用户的基本信息按照一定的信息格式进行存储,得到预设基本信息,并基于所述预设基本信息可以预先定义第一用户群,示例性地,所述第一用户群可以是指按照用户的年龄进行划分的群组,例如,所述第一用户群可以包括青少年用户群、中年用户群、老年用户群等。当增加新用户(也即目标用户)的时候,可以根据所述目标用户所填写的资料将其归为到对应第一用户群中。
可选地,所述获取目标用户的基本信息,并确定与所述基本信息的相似度超过预设信息相似度阈值的目标第一用户群包括:
向量化处理所述目标用户的基本信息,得到基本信息向量;
获取预先设置的第一用户群对应的预设基本信息,并向量化处理所述预设基本信息,得到预设基本信息向量;
计算所述基本信息向量与所述预设基本信息向量的相似度,并检测是否存在超过预设信息相似度阈值的目标信息相似度;
当检测结果为存在超过预设信息相似度阈值的目标信息相似度时,确定所述目标相似度对应的用户群为第一目标用户群。
其中,当检测结果为存在超过预设信息相似度阈值的目标信息相似度时,表示所述基本信息与所述预设基本信息相似度较高,所述预设基本信息对应的用户群作为目标第一用户群。所述预设信息相似度阈值为系统人员预先设置的用于评估新用户与第一用户群的基本信息相似度的阈值。在一实施例中,所述基本信息向量与所述预设基本信息向量间的相似度可以通过计算两者向量的欧氏距离确定。所述基本信息向量与所述预设基本信息向量间的向量维度是相同的,一般来说,可能存在所述目标用户对应所述基本信息向量的维度小于所述预设基本信息向量的维度的情况,对于该情况,可以通过添加0值的方式,使得所述基本信息向量的维度与所述预设基本信息向量的维度相同。
所述评分获取模块202可以用于获取所述目标用户对预设产品的评分数据以及预先设置的第二用户群中的预设评分数据,并确定所述预设评分数据与所述评分数据的相似度超过预设评分相似度阈值的目标第二用户群。
在本申请的至少一实施例中,所述预设产品可以是指所述目标用户在所述预设系统中购买的或了解的产品信息。目标用户对预设产品的评分数据是指目标用户对预设产品的打分信息,以预设产品为保险产品为例,目标用户在购买了一个保险产品后就可以对该产品进行打分,得到评分数据,上述评分数据就可以作为产品推荐的考虑依据。此外,本申请不仅是利用该目标用户单一的评分数据,还将预设系统中所有用户的评分数据,做一个聚类,得到若干第二用户群,通过将目标用户归到某一第二用户群,然后根据这一第二用户群的数据进行产品推荐。
在一实施例中,所述预设系统已有大量的历史用户数据,每个用户对其购买过的产品均设有评分数据,将评分数据按照一定格式进行处理,得到预设评分数据,并对预设评分数据进行聚类分析,得到若干评分聚类簇,按照所述评分聚类簇对大量用户进行分类,得到评分用户群,也即第二用户群。
可选地,所述确定与所述评分数据的相似度超过预设评分相似度阈值的目标第二用户群包括:
向量化处理所述评分数据,得到评分数据向量;
获取预先设置的第二用户群中的预设评分数据,并向量化处理所述预设评分数据,得到预设评分数据向量;
计算所述评分数据向量与所述预设评分数据向量的相似度,并检测是否存在超过预设评分相似度阈值的目标相似度;
当检测结果为存在超过预设评分相似度阈值的目标评分相似度时,确定所述目标评分相似度对应的用户群为目标第二用户群。
其中,当检测结果为存在超过预设评分相似度阈值的目标评分相似度时,表示所述评分数据与所述预设评分数据的相似度较高,所述预设评分数据对应的用户群作为目标第二用户群。在一实施例中,所述评分数据向量与所述预设评分数据向量的相似度可以通过计算两者向量的欧氏距离确定。所述评分数据向量与所述预设评分数据向量间的向量维度是相同的,一般来说,可能存在所述目标用户对应所述评分数据向量的维度小于所述预设评分数据向量的维度的情况,对于该情况,可以通过添加0值的方式,使得所述评分数据向量的维度与所述预设评分数据向量的维度相同。
所述行为采集模块203可以用于采集所述目标用户的行为数据,并分别获取所述目标第一用户群与所述目标第二用户群的用户群信息,得到第一用户群信息与第二用户群信息。
在本申请的至少一实施例中,所述行为数据是指目标用户对预设系统中相关产品执行的相关操作。示例性地,用户点进了一个寿险产品,然后看了一下,在页面点击了感兴趣,那么所述预设系统就会记录下该操作,知道该用户可能倾向购买寿险产品,在页面中有很多行为是可以记录的,例如上文说到的点击感兴趣,还有点击不感兴趣,点击咨询,点击进一步了解等行为。所述目标第一用户群对应的第一用户群信息可以是指所述第一用户群对应的用户的基本信息,所述目标第二用户群对应的第二用户群信息可以是指所述第二用户群对应的用户的评分数据。其中,所述目标第一用户群与所述第一用户群信息间存在关联关系,通过查询所述关联关系,能够得到所述目标第一用户群对应的第一用户群信息。同理,可以得到所述目标第二用户群对应的第二用户群信息,在此不作赘述。所述关联关系可以为数字关联关系、字母关联关系等,在此不作限制。
所述图谱获取模块204可以用于获取初始产品框架图谱。
在本申请的至少一实施例中,所述初始产品框架图谱中囊括了所有与产品相关的概念(也称产品名称),每一个概念都是图上的一个实体节点,每条边代表两个概念之间的上下位关系,每个节点均设有两个权值:偏好值和置信度,其中,所述偏好值代表所述目标用户对该产品的喜好程度,所述置信度代表所述预设系统对该偏好值的信心程度。对于每个目标用户,均能够根据多种信息源来更新每个实体节点的值,从而来推荐相关的产品。所述初始产品框架图谱中的两个权值(也即所述偏好值与所述置信度)为初始化的权值。
可选地,所述获取初始产品框架图谱包括:
获取预设系统中包含的初始产品图片;
利用预设算法处理所述初始产品图片,以提取得到所述初始产品图片中包含的文字特征;
根据预先确定的术语来源对所述文字特征中与产品相关的知识进行知识实体抽取,得到产品知识本体集与关系集;
基于所述产品知识本体集与所述关系集构建初始产品框架图谱。
其中,所述初始产品图片是指所述预设系统中与产品相关图片,所述产品相关图片中包含了若干产品的文字特征,也即产品名称,通过预设算法对所述初始产品图片进行处理,得到与产品相关的文字特征。其中,所述预设算法为预先设置的对图片进行文字提取的算法,在此不作限制。本申请将与业务关联领域的术语表作为术语来源,调用该术语来源对所述文字特征中与产品相关的知识进行知识实体抽取,能够得到产品对应的产品知识本体集与关系集。所述关系集是指产品知识本体间的父子关系等。将所述产品知识本体集中的产品知识本体按照所述关系集中的父子关系等关系进行构建,能够得到初始产品框架图谱。
所述图谱调整模块205可以用于根据所述行为数据、所述第一用户群信息以及所述第二用户群信息调整所述初始产品框架图谱,得到目标产品框架图谱。
在本申请的至少一实施例中,所述初始产品框架图谱中每个实体节点的偏好值与置信度为初始化的,需要根据所述行为数据、所述第一用户群信息以及所述第二用户群信息调整所述初始产品框架图谱中的偏好值与置信度,得到目标产品框架图谱。
在以实施例中,所述目标产品框架图谱是由大类层层传播到细分类的,父子之间是有相关性的。示例性地,预设系统获取到目标用户对寿险产品感兴趣,其寿险产品对应的Life节点的分值为1,那么其子节点也会根据一定的规则附上分值,例如0.5,目标产品框架图谱上有了这些分值,就可以根据这个图执行产品推荐。本申请通过若干维度来更新优化这个概念图上的节点,最终对每个用户都形成一个独特的概念图,该图目的就是尽可能全面地去剖析用户的购买意向和喜好。
可选地,所述根据所述行为数据、所述第一用户群信息以及所述第二用户群信息调整所述初始产品框架图谱,得到目标产品框架图谱包括:
获取所述初始产品框架图谱中各个实体节点对应的预设权值模型;
调用所述预设权值模型处理所述行为数据、所述第一用户群信息以及所述第二用户群信息,得到各个所述实体节点对应的目标权值;
获取各个实体节点对应的初始权值,并将所述初始权值替换为所述目标权值,得到目标产品框架图谱。
其中,所述初始产品框架图谱中各个实体节点均对应设有预设权值模型,所述预设权值模型用于基于相关信息进行权值计算,所述预设权值模型为系统人员预先设置的数学模型,在此不作限制。通过调用所述预设权值模型处理所述行为数据、所述第一用户群信息以及所述第二用户群信息,能够得到各个所述实体节点对应的目标权值,并将所述初始权值替换为所述目标权值,从而得到目标产品框架图谱。
所述产品输出模块206可以用于获取预设数据集,并根据所述预设数据集与所述目标产品框架图谱向所述目标用户输出待推荐产品列表。
在本申请的至少一实施例中,所述预设数据集中可以包含用户的地理信息。所述预设数据集可以为预先设置的GIS数据集,这个是根据地域来做筛选和排序的,例如,在自然灾害多发的地区,其农作物会受影响的概率更大,海边的城市受台风的影响更大,在各种工业区的受污染影响更大等。根据这些不同的地域来对产品推荐做一定的排序过滤。所述预设数据集可以存储于预设数据库中,考虑到数据存储的可靠性与隐私性,所述预设数据库可以为区块链中的目标节点,在此不作限制。
所述待推荐产品列表中包含若干待推荐产品,所述待推荐产品的数量可以为1个,也可以为多个。所述待推荐产品列表中的待推荐产品按照待推荐程度的高低进行排序,例如,所述产品列表中的待推荐产品按照待推荐程度由高到低的顺序排序,在此不作限制。
可选地,所述根据所述预设数据集与所述目标产品框架图谱向所述目标用户输出待推荐产品列表包括:
针对所述目标产品框架图谱中的每一实体节点,以该实体节点为起点遍历所述目标产品框架图谱,得到遍历路径;
获取所述遍历路径上权值超过预设权值的目标实体节点;
确定所述目标实体节点对应的产品信息;
按照所述权值的顺序组合所述产品信息,得到初始产品列表;
获取所述预设数据集中的地理信息,并根据所述地理信息调整所述初始产品列表,得到目标产品列表。
其中,所述遍历路径是指满足预设路径终止条件的路径,所述预设路径终止条件可以是指遍历的路径长度达到了预设路径长度,或者遍历的节点为最末端的节点,在此不作限制。所述权值是指每个实体节点对应的偏好值信息。当超过所述预设权值的产品信息的数量为多个时,按照所述权值从大到小的顺序组合所述产品信息,得到产品列表。所述预设权值是指系统人员预先设置的用于标识产品信息是否值得推荐的值。
其中,所述根据所述地理信息调整所述初始产品列表,得到目标产品列表包括:
根据所述地理信息遍历预设设置的地理信息与产品影响因素的映射关系,得到目标产品影响因素;
从所述初始产品列表中确定与所述产品影响因素的关联度超过预设关联度阈值的目标产品;
调整所述目标产品在所述初始产品列表中的排序,得到目标产品列表。
其中,所述地理信息与产品影响因素间存在映射关系,通过查询所述映射关系,能够得到与所述地理信息对应的所述产品影响因素。所述产品影响因素可以包括但不限于农作物影响因素、台风影响因素以及污染影响因素。对于上述产品影响因素,均存在与之关联的目标产品。所述初始产品列表中的若干产品均存在对应的产品属性或者产品介绍,通过语义分析所述产品属性或者所述产品介绍,能够得到产品对应的语义属性,将该语义属性与所述产品影响因素进行关联度计算,得到关键度值。在一实施例中,可以训练关联度计算模型计算两个向量间的关联度,在此不作限制。所述预设关联度阈值为系统人员预先设置的值,在此不作限制。对于与所述产品影响因素的关联度超过预设关联度阈值的目标产品,调整所述目标产品的位置至列表的首位,也即优先推荐该类产品,得到目标产品列表。本申请还依据预设数据集中的地理信息调整所述初始产品列表,得到目标产品列表,能够实现为不同地区的目标用户推荐适合的产品,能够提高产品推荐的准确性。
在其他实施例中,所述方法还包括:获取目标用户对所述待推荐产品列表中的产品的行为数据与评分数据,并将其作为新的数据更新所述预设系统中的用户数据,用作以后的用户推荐。
参阅图3所示,为本申请实施例三提供的计算机设备的结构示意图。在本申请较佳实施例中,所述计算机设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解,图3示出的计算机设备的结构并不构成本申请实施例的限定,既可以是总线型结构,也可以是星形结构,所述计算机设备3还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置。
在一些实施例中,所述计算机设备3是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述计算机设备3还可包括客户设备,所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是,所述计算机设备3仅为举例,其他现有的或今后可能出现的电子产品如可适应于本申请,也应包含在本申请的保护范围以内,并以引用方式包含于此。
在一些实施例中,所述存储器31中存储有计算机程序,所述计算机程序被所述至少一个处理器32执行时实现如所述的产品推荐方法中的全部或者部分步骤。所述存储器31包括只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable Read-OnlyMemory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
进一步地,所述计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本申请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。
在一些实施例中,所述至少一个处理器32是所述计算机设备3的控制核心(Control Unit),利用各种接口和线路连接整个计算机设备3的各个部件,通过运行或执行存储在所述存储器31内的程序或者模块,以及调用存储在所述存储器31内的数据,以执行计算机设备3的各种功能和处理数据。例如,所述至少一个处理器32执行所述存储器中存储的计算机程序时实现本申请实施例中所述的产品推荐方法的全部或者部分步骤;或者实现产品推荐装置的全部或者部分功能。所述至少一个处理器32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。
在一些实施例中,所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出,所述计算机设备3还可以包括给各个部件供电的电源(比如电池),优选的,电源可以通过电源管理装置与所述至少一个处理器32逻辑相连,从而通过电源管理装置实现管理充电、放电、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。所述计算机设备3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。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,计算机设备,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,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也可以不是物理上分开的,作为模块显示的部件可以是或也可以不是物理单元,既可以位于一个地方,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,在本申请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,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请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申请。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,本申请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申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或,单数不排除复数。说明书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申请的技术方案而非限制,尽管参照较佳实施例对本申请进行了详细说明,本领域的普通技术人员应当理解,可以对本申请的技术方案进行修改或等同替换,而不脱离本申请技术方案的精神和范围。
Claims (10)
1.一种产品推荐方法,其特征在于,所述产品推荐方法包括:
获取目标用户的基本信息以及预先设置的第一用户群对应的预设基本信息,并确定所述预设基本信息与所述基本信息的相似度超过预设信息相似度阈值的目标第一用户群;
获取所述目标用户对预设产品的评分数据以及预先设置的第二用户群中的预设评分数据,并确定所述预设评分数据与所述评分数据的相似度超过预设评分相似度阈值的目标第二用户群;
采集所述目标用户的行为数据,并分别获取所述目标第一用户群与所述目标第二用户群的用户群信息,得到第一用户群信息与第二用户群信息;
获取初始产品框架图谱;
根据所述行为数据、所述第一用户群信息以及所述第二用户群信息调整所述初始产品框架图谱,得到目标产品框架图谱;
获取预设数据集,并根据所述预设数据集与所述目标产品框架图谱向所述目标用户输出待推荐产品列表。
2.根据权利要求1所述的产品推荐方法,其特征在于,所述确定所述预设基本信息与所述基本信息的相似度超过预设信息相似度阈值的目标第一用户群包括:
向量化处理所述目标用户的基本信息,得到基本信息向量;
获取预先设置的第一用户群对应的预设基本信息,并向量化处理所述预设基本信息,得到预设基本信息向量;
计算所述基本信息向量与所述预设基本信息向量的相似度,并检测是否存在超过预设信息相似度阈值的目标信息相似度;
当检测结果为存在超过预设信息相似度阈值的目标信息相似度时,确定所述目标相似度对应的用户群为第一目标用户群。
3.根据权利要求1所述的产品推荐方法,其特征在于,所述确定所述预设评分数据与所述评分数据的相似度超过预设评分相似度阈值的目标第二用户群包括:
向量化处理所述评分数据,得到评分数据向量;
获取预先设置的第二用户群中的预设评分数据,并向量化处理所述预设评分数据,得到预设评分数据向量;
计算所述评分数据向量与所述预设评分数据向量的相似度,并检测是否存在超过预设评分相似度阈值的目标评分相似度;
当检测结果为存在超过预设评分相似度阈值的目标评分相似度时,确定所述目标相似度对应的用户群为目标第二用户群。
4.根据权利要求1所述的产品推荐方法,其特征在于,所述获取初始产品框架图谱包括:
获取预设系统中包含的初始产品图片;
利用预设算法处理所述初始产品图片,以提取得到文字特征;
根据预先确定的术语来源对所述文字特征中与产品相关的知识进行知识实体抽取,得到产品知识本体集与关系集;
基于所述产品知识本体集与所述关系集构建初始产品框架图谱。
5.根据权利要求1所述的产品推荐方法,其特征在于,所述根据所述行为数据、所述第一用户群信息以及所述第二用户群信息调整所述初始产品框架图谱,得到目标产品框架图谱包括:
获取所述初始产品框架图谱中各个实体节点对应的预设权值模型;
调用所述预设权值模型处理所述行为数据、所述第一用户群信息以及所述第二用户群信息,得到各个所述实体节点对应的目标权值;
获取各个实体节点对应的初始权值,并将所述初始权值替换为所述目标权值,得到目标产品框架图谱。
6.根据权利要求1所述的产品推荐方法,其特征在于,所述根据所述预设数据集与所述目标产品框架图谱向所述目标用户输出待推荐产品列表包括:
针对所述目标产品框架图谱中的每一实体节点,以该实体节点为起点遍历所述目标产品框架图谱,得到遍历路径;
获取所述遍历路径上权值超过预设权值的目标实体节点;
确定所述目标实体节点对应的产品信息;
按照所述权值的顺序组合所述产品信息,得到初始产品列表;
获取所述预设数据集中的地理信息,并根据所述地理信息调整所述初始产品列表,得到目标产品列表。
7.根据权利要求6所述的产品推荐方法,其特征在于,所述根据所述地理信息调整所述初始产品列表,得到目标产品列表包括:
根据所述地理信息遍历预设设置的地理信息与产品影响因素的映射关系,得到目标产品影响因素;
从所述初始产品列表中确定与所述产品影响因素的关联度超过预设关联度阈值的目标产品;
调整所述目标产品在所述初始产品列表中的排序,得到目标产品列表。
8.一种产品推荐装置,其特征在于,所述产品推荐装置包括:
信息获取模块,用于获取目标用户的基本信息以及预先设置的第一用户群对应的预设基本信息,并确定所述预设基本信息与所述基本信息的相似度超过预设信息相似度阈值的目标第一用户群;
评分获取模块,用于获取所述目标用户对预设产品的评分数据以及预先设置的第二用户群中的预设评分数据,并确定所述预设评分数据与所述评分数据的相似度超过预设评分相似度阈值的目标第二用户群;
行为采集模块,用于采集所述目标用户的行为数据,并分别获取所述目标第一用户群与所述目标第二用户群的用户群信息,得到第一用户群信息与第二用户群信息;
图谱获取模块,用于获取初始产品框架图谱;
图谱调整模块,用于根据所述行为数据、所述第一用户群信息以及所述第二用户群信息调整所述初始产品框架图谱,得到目标产品框架图谱;
产品输出模块,用于获取预设数据集,并根据所述预设数据集与所述目标产品框架图谱向所述目标用户输出待推荐产品列表。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述产品推荐方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,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中任意一项所述产品推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111537413.XA CN114219663A (zh) | 2021-12-15 | 2021-12-15 | 产品推荐方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111537413.XA CN114219663A (zh) | 2021-12-15 | 2021-12-15 | 产品推荐方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114219663A true CN114219663A (zh) | 2022-03-22 |
Family
ID=80702530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111537413.XA Pending CN114219663A (zh) | 2021-12-15 | 2021-12-15 | 产品推荐方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114219663A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116129356A (zh) * | 2023-02-02 | 2023-05-16 | 南通市亿控自动化系统有限公司 | 一种监控数据分析方法及系统 |
-
2021
- 2021-12-15 CN CN202111537413.XA patent/CN114219663A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116129356A (zh) * | 2023-02-02 | 2023-05-16 | 南通市亿控自动化系统有限公司 | 一种监控数据分析方法及系统 |
CN116129356B (zh) * | 2023-02-02 | 2023-10-24 | 南通市亿控自动化系统有限公司 | 一种监控数据分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111506723B (zh) | 问答响应方法、装置、设备及存储介质 | |
CN110705719A (zh) | 执行自动机器学习的方法和装置 | |
CN115002200B (zh) | 基于用户画像的消息推送方法、装置、设备及存储介质 | |
CN112084413B (zh) | 一种信息推荐的方法、装置及存储介质 | |
CN107809370B (zh) | 用户推荐方法及装置 | |
CN110717597A (zh) | 利用机器学习模型获取时序特征的方法和装置 | |
US10762089B2 (en) | Open ended question identification for investigations | |
CN114663198A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
CN112860989A (zh) | 课程推荐方法、装置、计算机设备及存储介质 | |
CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
CN112288337B (zh) | 行为推荐方法、装置、设备及介质 | |
CN114219663A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN113706253A (zh) | 实时产品推荐方法、装置、电子设备及可读存储介质 | |
CN116843395A (zh) | 一种业务系统的告警分级方法、装置、设备及存储介质 | |
CN111652282A (zh) | 基于大数据的用户偏好分析方法、装置及电子设备 | |
CN116204709A (zh) | 一种数据处理方法及相关装置 | |
CN114862520A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN115718807A (zh) | 人员关系分析方法、装置、设备及存储介质 | |
CN112085566B (zh) | 基于智能决策的产品推荐方法、装置及计算机设备 | |
CN111460300B (zh) | 网络内容推送方法、装置及存储介质 | |
Deepa et al. | Advanced machine learning for enterprise IoT modeling | |
CN109885647B (zh) | 用户履历验证方法、装置、电子设备及存储介质 | |
CN115631008A (zh) | 商品推荐方法、装置、设备及介质 | |
CN112200602A (zh) | 用于广告推荐的神经网络模型训练方法及装置 | |
El Mhouti et al. | A Web Scraping Framework for Descriptive Analysis of Meteorological Big Data for Decision-Making Purposes |
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 |