CN114240560A - 基于多维分析的产品排名方法、装置、设备及存储介质 - Google Patents

基于多维分析的产品排名方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114240560A
CN114240560A CN202111559261.3A CN202111559261A CN114240560A CN 114240560 A CN114240560 A CN 114240560A CN 202111559261 A CN202111559261 A CN 202111559261A CN 114240560 A CN114240560 A CN 114240560A
Authority
CN
China
Prior art keywords
product
user
target
products
score
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
Application number
CN202111559261.3A
Other languages
English (en)
Inventor
尹宇飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Securities Co Ltd
Original Assignee
Ping An Securities Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Securities Co Ltd filed Critical Ping An Securities Co Ltd
Priority to CN202111559261.3A priority Critical patent/CN114240560A/zh
Publication of CN114240560A publication Critical patent/CN114240560A/zh
Pending legal-status Critical Current

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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • 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
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • 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
    • G06Q40/06—Asset management; Financial planning or analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及人工智能技术，揭露了一种基于多维分析的产品排名方法，包括：根据产品描述构建产品画像；获取用户数据，根据用户数据构建用户画像；根据用户画像和产品画像计算用户对每个产品的偏好值；根据每个产品的当前产品阶段和用户画像计算用户对每个产品对应的每个性能指标的关注权重；获取用户的相似用户群体对多个产品中每个产品的评估分值，根据评估分值计算每个产品的分值权重；根据偏好值、关注权重和分值权重计算每个产品的综合评分，并按照综合评分对多个产品进行排名。此外，本发明还涉及区块链技术，产品描述可存储于区块链的节点。本发明还提出一种基于多维分析的产品排名装置、设备以及存储介质。本发明可以提高产品排名精确度。

Description

基于多维分析的产品排名方法、装置、设备及存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于多维分析的产品排名方法、装置、电子设备及计算机可读存储介质。
背景技术
随着人们需求的不断增加，市面上也涌现出海量的产品供人们选择，如股票、基金、期权等产品，或根据股票、基金、期权等产品衍生出的量化方案等相关产品，为了便于人们对海量产品的选择，往往会对多个产品进行排名，以供人们参考。
目前市场上产品的排名方式都比较单一化，通常是采用单一指标进行升序或降序来判断，但不同用户可能在产品排名时会对各个指标有不同的权重要求，因此，该方法在产品排名时既没有考虑到不同用户的个人偏好，也没有考虑各指标在产品不同阶段的作用，导致排名结果的个性化程度较低。
发明内容
本发明提供一种基于多维分析的产品排名方法、装置及计算机可读存储介质，其主要目的在于解决对产品进行排名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多维分析的产品排名方法，包括：
获取多个产品的产品描述，以及每个产品对应的多个性能指标，根据所述产品描述构建每个产品的产品画像；
获取目标用户的用户数据，根据所述用户数据构建所述目标用户的用户画像；
根据所述用户画像和所述产品画像计算所述目标用户对每个产品的偏好值；
获取每个产品当前的产品阶段，确定所述产品阶段对应的性能指标为阶段指标，根据所述产品阶段和所述用户画像计算所述目标用户对每个产品对应的每个阶段指标的关注权重；
获取所述目标用户的相似用户群体对所述多个产品中每个产品的评估分值，根据所述评估分值计算每个产品的分值权重；
根据所述偏好值、所述关注权重和所述分值权重计算每个产品的综合评分，并按照所述综合评分对所述多个产品进行排名。
可选地，所述根据所述产品描述构建每个产品的产品画像，包括：
逐个从所述多个产品中选取其中一个产品为目标产品，对所述目标产品的产品描述进行核心语义提取，得到产品语义；
对所述产品语义进行向量转换，得到语义向量；
将所述语义向量进行向量拼接，得到所述目标产品的产品画像。
可选地，所述对所述目标产品的产品描述进行核心语义提取，得到产品语义，包括：
对所述产品描述进行卷积、池化处理，得到所述产品描述的低维特征语义；
将所述低维特征语义映射至预先构建的高维空间，得到高维特征语义；
利用预设的激活函数对所述高维特征语义进行筛选，得到产品语义。
可选地，所述将所述语义向量进行向量拼接，得到所述目标产品的产品画像，包括：
统计所述语义向量中每个向量的向量长度，并选取最大的向量长度为目标长度；
将每一个所述语义向量的向量长度延长至所述目标长度；
将延长后的语义向量进行列维度拼接，得到所述目标产品的产品画像。
可选地，所述根据所述用户画像和所述产品画像计算所述目标用户对每个产品的偏好值，包括：
逐个从所述多个产品中选取其中一个产品为目标产品；
利用预设的距离算法计算所述用户画像与所述目标产品对应的产品画像之间的距离值；
确定所述距离值的倒数为所述目标用户对所述目标产品的偏好值。
可选地，所述根据所述产品阶段和所述用户画像计算所述目标用户对每个产品对应的每个阶段指标的关注权重，包括：
逐个从所述多个产品中选取其中一个产品为待分析产品；
逐个计算所述用户画像与所述待分析产品对应的每个阶段指标之间的第一匹配度；
逐个计算所述产品阶段与所述待分析产品对应的每个阶段指标之间的第二匹配度；
逐个从所述待分析产品对应的多个阶段指标中选取其中一个阶段指标为目标指标，将所述目标指标对应的第一匹配度和第二匹配度之和作为所述目标指标的关注权重。
可选地，所述根据所述评估分值计算每个产品的分值权重，包括：
逐个从所述多个产品中选取其中一个产品为待评估产品；
计算所述相似用户群体中所有用户对所述多个产品中所有产品的评估分值之和，得到总分值；
统计所述相似用户群体中每个用户对所述待评估产品的评估分值之和，得到独立产品得分；
利用所述独立产品得分除以所述总分值，得到所述待评估产品的分值权重。
为了解决上述问题，本发明还提供一种基于多维分析的产品排名装置，所述装置包括：
画像构建模块，用于获取多个产品的产品描述，以及每个产品对应的多个性能指标，根据所述产品描述构建每个产品的产品画像，获取目标用户的用户数据，根据所述用户数据构建所述目标用户的用户画像；
偏好分析模块，用于根据所述用户画像和所述产品画像计算所述目标用户对每个产品的偏好值；
权重分析模块，用于获取每个产品当前的产品阶段，确定所述产品阶段对应的性能指标为阶段指标，根据所述产品阶段和所述用户画像计算所述目标用户对每个产品对应的每个阶段指标的关注权重；
评估分析模块，用于获取所述目标用户的相似用户群体对所述多个产品中每个产品的评估分值，根据所述评估分值计算每个产品的分值权重；
产品排名模块，用于根据所述偏好值、所述关注权重和所述分值权重计算每个产品的综合评分，并按照所述综合评分对所述多个产品进行排名。
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：
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计算机程序，所述计算机程序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上述所述的基于多维分析的产品排名方法。
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计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于多维分析的产品排名方法。
本发明实施例能够通过产品画像、用户画像以及产品阶段三个维度对产品进行分析，充分考虑了用户本身对产品的偏好程度，用户对产品不同阶段的不同性能指标的关注权重，以此提升对产品进行排名的结果对用户的个性化符合程度，同时，根据用户的相似用户群体对每个产品的评估分值，分析用户对每个产品的分值权重，进而综合用户对每个产品的偏好值、关注权重和分值权重计算每个产品的综合评分，以提升对产品进行排名的精确度。因此本发明提出的基于多维分析的产品排名方法、装置、电子设备及计算机可读存储介质，可以解决对产品进行排名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多维分析的产品排名方法的流程示意图；
图2为本发明一实施例提供的构建每个产品的产品画像的流程示意图；
图3为本发明一实施例提供的计算关注权重的流程示意图；
图4为本发明一实施例提供的基于多维分析的产品排名装置的功能模块图；
图5为本发明一实施例提供的实现所述基于多维分析的产品排名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多维分析的产品排名方法。所述基于多维分析的产品排名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，所述基于多维分析的产品排名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。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于多维分析的产品排名方法的流程示意图。在本实施例中，所述基于多维分析的产品排名方法包括：
S1、获取多个产品的产品描述，以及每个产品对应的多个性能指标，根据所述产品描述构建每个产品的产品画像。
本发明实施例中，所述产品包括实际的货物产品(如手机、电脑、食品、家具等)，也包括虚拟数字产品(股票、基金、期权等)，以及虚拟数字产品的衍生产品(如股票、基金、期权等产品的量化方案)。
详细地，所述产品描述包括产品名称、产品内容、适用群体、注意事项等描述；所述性能指标是指每一个产品所对应的各项性能的衡量指标，例如，手机、电脑等电子产品的性能指标可以为使用流畅度、设备内存、设备使用周期等；股票、基金、期权等产品的性能指标可以为收益率、回撤率、卡玛比率等。
具体地，可利用具有数据抓取功能的计算机语句(如java语句、python语句等)从预先确定的数据存储区域抓取所述多个产品的产品描述，以及每个产品对应的多个性能指标，其中，所述数据存储区域包括但不限于数据库、区块链节点、网络缓存。
本发明其中一个实际应用场景中，由于每个产品的产品描述内均包含大量的内容信息，若直接利用所述产品描述对产品进行排名分析，会占用大量的计算资源，导致分析效率的低下。
本发明实施例中，可对每个所述产品描述进行分析，并根据产品描述内的关键内容生成每个产品的产品画像。
本发明实施例中，参图2所示，所述根据所述产品描述构建每个产品的产品画像，包括：
S21、逐个从所述多个产品中选取其中一个产品为目标产品，对所述目标产品的产品描述进行核心语义提取，得到产品语义；
S22、对所述产品语义进行向量转换，得到语义向量；
S23、将所述语义向量进行向量拼接，得到所述目标产品的产品画像。
本发明实施例中，可依次从所述多个产品中选取目标产品，或者，随机不放回地从所述多个产品中选取目标产品。
本发明实施例中，可预先构建的语义分析模型对所述目标产品的产品描述进行核心语义提取，得到产品语义。
详细地，所述语义分析模型包括但不限于NLP(Natural Language Processing，自然语言处理)模型、HMM(Hidden Markov Model，隐马尔科夫模型)。
例如，利用预先构建的语义分析模型对所述目标产品的产品描述进行卷积、池化等操作，以提取该产品描述的低维特征表达，再将提取到的低维特表达征映射至预先构建的高维空间，得到该低维特征的高维特征表达，利用预设的激活函数对所述高维特征表达进行选择性地输出，得到产品语义。
本发明实施例中，所述对所述目标产品的产品描述进行核心语义提取，得到产品语义，包括：
对所述产品描述进行卷积、池化处理，得到所述产品描述的低维特征语义；
将所述低维特征语义映射至预先构建的高维空间，得到高维特征语义；
利用预设的激活函数对所述高维特征语义进行筛选，得到产品语义。
详细地，可通过语义分析模型对所述产品描述进行卷积、池化处理，以降低所述产品描述的数据维度，进而减少对所述产品描述进行分析时计算资源的占用，提高进行核心语义提取的效率。
具体地，可利用预设的映射函数将低维特征语义映射至预先构建的高维空间，所述映射函数包括MATLAB库中的Gaussian Radial Basis Function函数、高斯函数等。
例如，所述低维特征语义为二维平面中的点，则可利用映射函数对该二维平面中的点的二维坐标进行计算，以将二维坐标转换为三维坐标，并利用计算得到的三维坐标将点映射至预先构建的三维空间，得到该低维特征语义的高维特征语义。
将所述低维特征语义映射至预先构建的高维空间，可提高该低维特征的可分类性，进而提高从得到的高维特征语义中对特征进行筛选，得到产品语义的精确度。
本发明实施例中，可利用预设的激活函数计算所述高维特征语义中每个特征语义的输出值，并选取所述输出值大于预设的输出阈值的特征语义为产品语义，所述激活函数包括但不限于sigmoid激活函数、tanh激活函数、relu激活函数。
例如，高维特征语义中存在特征语义A、特征语义B和特征语义C，分别利用激活函数对特征语义A、特征语义B和特征语义C进行计算，得到特征语义A的输出值为80，特征语义B的输出值为30，特征语义C的输出值为70，当输出阈值为50时，则将特征语义A与特征语义C输出为所述目标产品的产品语义。
本发明实施例中，可通过预设的向量转换模型对所述产品语义进行向量转换，得到第一语义向量，所述向量转换模型包括但不限于word2vec模型、Bert模型。
本发明实施例中，所述将所述语义向量进行向量拼接，得到所述目标产品的产品画像，包括：
统计所述语义向量中每个向量的向量长度，并选取最大的向量长度为目标长度；
将每一个所述语义向量的向量长度延长至所述目标长度；
将延长后的语义向量进行列维度拼接，得到所述目标产品的产品画像。
详细地，由于所述语义向量的长度可能不相同，因此，为了将所述语义向量进行向量拼接，需要将所述语义向量的向量长度进行统一化。
本发明实施例中，统计每一个语义向量的向量长度，并按照最大的向量长度对向量长度较短的向量进行向量延长，以使得所述目所有语义向量的长度相同。
例如，存在第一语义向量为[11，36，22]，第二语义向量为[14，25，31，27]，经过统计可知，第一语义向量的目标向量的向量长度为3，第二语义向量的第二向量长度为4，第二向量长度大于目标向量的向量长度，则可利用预设参数(如0)对所述第一语义向量进行向量延长，直至所述目标向量的向量长度与预设的标准向量长度相等，得到延长后的第一语义向量[11，36，22，0]。
本发明实施例中，可通过将两个向量中对应列元素相加的形式将所述两个向量进行列维度合并。
例如，第一语义向量为[11，36，22，0]，第二语义向量为[14，25，31，27]，则可将所述语义向量中对应列的元素进行相加，得到产品画像[25，61，53，27]。
本发明另一实施例中，还可通过将两个向量中对应列元素进行并行展示的方式，利用两个向量生成矩阵，进而实现向量间的列维度合并。
例如，第一语义向量为[11，36，22，0]，第二语义向量为[14，25，31，27]，则可将所述语义向量中对应列的元素进行并行展示，得到矩阵
Figure BDA0003420001140000081
并将该矩阵作为所述目标产品的产品画像。
S2、获取目标用户的用户数据，根据所述用户数据构建所述目标用户的用户画像。
本发明实施例中，所述用户数据包括但不限于用户的姓名、年龄、职业、住址等信息。
详细地，所述用户数据可由所述目标用户预先上传。
具体地，所述根据所述用户数据构建所述目标用户的用户画像的步骤，与S1中根据所述产品描述构建每个产品的产品画像的步骤一致，在此不做赘述。
S3、根据所述用户画像和所述产品画像计算所述目标用户对每个产品的偏好值。
本发明实施例中，由于所述用户画像可对所述目标用户相关的关键信息进行表达，且所述产品画像可对每一个产品相关的关键信息进行表达，因此，可直接根据所述用户画像和所述产品画像进行分析，得到所述目标用户对每一个产品的偏好值。
本发明实施例中，所述根据所述用户画像和所述产品画像计算所述目标用户对每个产品的偏好值，包括：
逐个从所述多个产品中选取其中一个产品为目标产品；
利用预设的距离算法计算所述用户画像与所述目标产品对应的产品画像之间的距离值；
确定所述距离值的倒数为所述目标用户对所述目标产品的偏好值。
详细地，所述利用预设的距离算法计算所述用户画像与所述目标产品对应的产品画像之间的距离值，包括：
利用如下距离值算法计算所述用户画像与所述目标产品对应的产品画像之间的距离值：
Figure BDA0003420001140000091
其中，D为所述距离值，x为所述用户画像，yi为第i个产品画像，α为预设系数。
S4、获取每个产品当前的产品阶段，确定所述产品阶段对应的性能指标为阶段指标，根据所述产品阶段和所述用户画像计算所述目标用户对每个产品对应的每个阶段指标的关注权重。
本发明实施例中，所述当前产品阶段是指每个产品处于该产品的生命周期、运营阶段等数据。
详细地，所述获取每个产品当前的产品阶段的步骤，与S1中获取多个产品的产品描述的步骤一致，在此不做赘述。
进一步地，可利用SQL库内的CREATEINDEX函数从预设的阶段-性能指标数据表中查询确定所述产品阶段对应的性能指标为阶段指标，其中，所述阶段-性能指标数据表中存储有多个性能指标，以及每一个性能指标所属的产品阶段的信息。
详细地，可从该阶段-性能指标数据表中查询得到每个产品当前的产品阶段对应的性能指标，并确定每个产品当前的产品阶段对应的性能指标为该产品的阶段指标。
本发明其中一个实际应用场景中，当产品处于不同的产品阶段时，用户对该产品对应的每个性能指标的关注程度也不一致。
例如，存在基金产品A，所述基金产品A对应着可发展性指标和当前回报率指标，其中，所述可发展性指标是指该基金产品A的未来发展预期，所述当前回报率指标是指该基金当前的收益率大小，因此，对于该基金产品的前期阶段，用户更加关注的是产品的可发展性指标，而后期阶段，用户更加的关注的是产品的当前回报率指标。
因此，本发明实施例可根据所述产品阶段和所述用户画像进行分析，以得到每个产品在当前产品阶段时，所述目标用户对该产品的多个性能指标中每个性能指标的关注权重，其中，当所述关注权重越大，则说明该目标用户对该性能指标愈发关注。
本发明实施例中，参图3所示，所述根据所述产品阶段和所述用户画像计算所述目标用户对每个产品对应的每个阶段指标的关注权重，包括：
S21、逐个从所述多个产品中选取其中一个产品为待分析产品；
S22、逐个计算所述用户画像与所述待分析产品对应的每个阶段指标之间的第一匹配度；
S23、逐个计算所述产品阶段与所述待分析产品对应的每个阶段指标之间的第二匹配度；
S24、逐个从所述待分析产品对应的多个阶段指标中选取其中一个阶段指标为目标指标，将所述目标指标对应的第一匹配度和第二匹配度之和作为所述目标指标的关注权重。
详细地，所述逐个计算所述用户画像与所述待分析产品对应的每个阶段指标之间的第一匹配度，包括：
利用如下匹配度算法逐个计算所述用户画像与所述待分析产品对应的每个阶段指标之间的第一匹配度：
Figure BDA0003420001140000101
其中，P为所述第一匹配度，x为所述用户画像，yi为第i个产品画像，α为预设系数。
具体地，所述逐个计算所述产品阶段与所述待分析产品对应的每个阶段指标之间的第二匹配度的步骤，与逐个计算所述用户画像与所述待分析产品对应的每个阶段指标之间的第一匹配度的步骤一致，再次不做赘述。
S5、获取所述目标用户的相似用户群体对所述多个产品中每个产品的评估分值，根据所述评估分值计算每个产品的分值权重。
本发明实施例中，所述评估分值即所述目标用户的相似用户群体中每个用户对所述多个产品中每个产品进行评价打分得到的数值，所述评估分值越大，则用户对该产品的喜好程度越高。
详细地，所述相似用户群体为与所述目标用户具有相似程度较高的用户画像的多名用户，例如，所述相似用户群体为与所述目标用户具有相同年龄的多名用户，或者，所述相似用户群体为与所述目标用户具有相同职业的多名用户。
具体地，所述获取所述目标用户的相似用户群体对所述多个产品中每个产品的评估分值的步骤，与S1中获取多个产品的产品描述的步骤一致，在此不做赘述。
本发明实施例中，所述根据所述评估分值计算每个产品的分值权重，包括：
逐个从所述多个产品中选取其中一个产品为待评估产品；
计算所述相似用户群体中所有用户对所述多个产品中所有产品的评估分值之和，得到总分值；
统计所述相似用户群体中每个用户对所述待评估产品的评估分值之和，得到独立产品得分；
利用所述独立产品得分除以所述总分值，得到所述待评估产品的分值权重。
例如，所述多个产品中包含产品A和产品B，所述相似用户群体中包括用户a和用户b，其中，用户a对产品A的评估分值为10，用户a对产品B的评估分值为40，用户b对产品A的评估分值为25，用户b对产品B的评估分值为25，可知，当选取产品A为待评估产品时，所述相似用户群体中所有用户对所述多个产品中所有产品的评估分值之和为100(总分值)，所述相似用户群体中每个用户对所述待评估产品(产品A)的评估分值之和为35(独立产品得分)，因此，该待评估产品(产品A)的分值权重为0.35。
本发明实施例中，由于所述目标用户对产品的使用数量以及评价数量有限，所述多个产品中可能存在部分产品该目标用户没有实用或进行评价，因此，可获取所述目标用户的相似用户群体对所述多个产品中每个产品的评估分值，进而扩大可分析的数据量，以便于分析得到该目标用户对所述多个产品中所有产品的偏好程度(即分值权重)。
S6、根据所述偏好值、所述关注权重和所述分值权重计算每个产品的综合评分，并按照所述综合评分对所述多个产品进行排名。
本发明其中一个实施例中，可将所述偏好值、所述关注权重和所述分值权重相加求和，并将相加求和后的数值作为每个产品的综合评分，进而按照所述综合评分从大到小的顺序对所述多个产品进行排名。
本发明另一实施例中，可将所述偏好值、所述关注权重和所述分值权重按照预设比例进行权重求和，并将权重求和后的数值作为每个产品的综合评分，进而按照所述综合评分从大到小的顺序对所述多个产品进行排名。
本发明实施例能够通过产品画像、用户画像以及产品阶段三个维度对产品进行分析，充分考虑了用户本身对产品的偏好程度，用户对产品不同阶段的不同性能指标的关注权重，以此提升对产品进行排名的结果对用户的个性化符合程度，同时，根据用户的相似用户群体对每个产品的评估分值，分析用户对每个产品的分值权重，进而综合用户对每个产品的偏好值、关注权重和分值权重计算每个产品的综合评分，以提升对产品进行排名的精确度。因此本发明提出的基于多维分析的产品排名方法，可以解决对产品进行排名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多维分析的产品排名装置的功能模块图。
本发明所述基于多维分析的产品排名装置100可以安装于电子设备中。根据实现的功能，所述基于多维分析的产品排名装置100可以包括画像构建模块101、偏好分析模块102、权重分析模块103、评估分析模块104及产品排名模块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：
所述画像构建模块101，用于获取多个产品的产品描述，以及每个产品对应的多个性能指标，根据所述产品描述构建每个产品的产品画像，获取目标用户的用户数据，根据所述用户数据构建所述目标用户的用户画像；
所述偏好分析模块102，用于根据所述用户画像和所述产品画像计算所述目标用户对每个产品的偏好值；
所述权重分析模块103，用于获取每个产品当前的产品阶段，确定所述产品阶段对应的性能指标为阶段指标，根据所述产品阶段和所述用户画像计算所述目标用户对每个产品对应的每个阶段指标的关注权重；
所述评估分析模块104，用于获取所述目标用户的相似用户群体对所述多个产品中每个产品的评估分值，根据所述评估分值计算每个产品的分值权重；
所述产品排名模块105，用于根据所述偏好值、所述关注权重和所述分值权重计算每个产品的综合评分，并按照所述综合评分对所述多个产品进行排名。
详细地，本发明实施例中所述基于多维分析的产品排名装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于多维分析的产品排名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多维分析的产品排名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，如基于多维分析的产品排名程序。
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(例如执行基于多维分析的产品排名程序等)，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，例如基于多维分析的产品排名程序的代码等，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。
图中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，图中示出的结构并不构成对所述电子设备的限定，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存储的基于多维分析的产品排名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：
获取多个产品的产品描述，以及每个产品对应的多个性能指标，根据所述产品描述构建每个产品的产品画像；
获取目标用户的用户数据，根据所述用户数据构建所述目标用户的用户画像；
根据所述用户画像和所述产品画像计算所述目标用户对每个产品的偏好值；
获取每个产品当前的产品阶段，确定所述产品阶段对应的性能指标为阶段指标，根据所述产品阶段和所述用户画像计算所述目标用户对每个产品对应的每个阶段指标的关注权重；
获取所述目标用户的相似用户群体对所述多个产品中每个产品的评估分值，根据所述评估分值计算每个产品的分值权重；
根据所述偏好值、所述关注权重和所述分值权重计算每个产品的综合评分，并按照所述综合评分对所述多个产品进行排名。
具体地，所述处理器10对上述指令的具体实现方法可参考附图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：
获取多个产品的产品描述，以及每个产品对应的多个性能指标，根据所述产品描述构建每个产品的产品画像；
获取目标用户的用户数据，根据所述用户数据构建所述目标用户的用户画像；
根据所述用户画像和所述产品画像计算所述目标用户对每个产品的偏好值；
获取每个产品当前的产品阶段，确定所述产品阶段对应的性能指标为阶段指标，根据所述产品阶段和所述用户画像计算所述目标用户对每个产品对应的每个阶段指标的关注权重；
获取所述目标用户的相似用户群体对所述多个产品中每个产品的评估分值，根据所述评估分值计算每个产品的分值权重；
根据所述偏好值、所述关注权重和所述分值权重计算每个产品的综合评分，并按照所述综合评分对所述多个产品进行排名。
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。
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。
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)

1.一种基于多维分析的产品排名方法，其特征在于，所述方法包括：
获取多个产品的产品描述，以及每个产品对应的多个性能指标，根据所述产品描述构建每个产品的产品画像；
获取目标用户的用户数据，根据所述用户数据构建所述目标用户的用户画像；
根据所述用户画像和所述产品画像计算所述目标用户对每个产品的偏好值；
获取每个产品当前的产品阶段，确定所述产品阶段对应的性能指标为阶段指标，根据所述产品阶段和所述用户画像计算所述目标用户对每个产品对应的每个阶段指标的关注权重；
获取所述目标用户的相似用户群体对所述多个产品中每个产品的评估分值，根据所述评估分值计算每个产品的分值权重；
根据所述偏好值、所述关注权重和所述分值权重计算每个产品的综合评分，并按照所述综合评分对所述多个产品进行排名。
2.如权利要求1所述的基于多维分析的产品排名方法，其特征在于，所述根据所述产品描述构建每个产品的产品画像，包括：
逐个从所述多个产品中选取其中一个产品为目标产品，对所述目标产品的产品描述进行核心语义提取，得到产品语义；
对所述产品语义进行向量转换，得到语义向量；
将所述语义向量进行向量拼接，得到所述目标产品的产品画像。
3.如权利要求2所述的基于多维分析的产品排名方法，其特征在于，所述对所述目标产品的产品描述进行核心语义提取，得到产品语义，包括：
对所述产品描述进行卷积、池化处理，得到所述产品描述的低维特征语义；
将所述低维特征语义映射至预先构建的高维空间，得到高维特征语义；
利用预设的激活函数对所述高维特征语义进行筛选，得到产品语义。
4.如权利要求2所述的基于多维分析的产品排名方法，其特征在于，所述将所述语义向量进行向量拼接，得到所述目标产品的产品画像，包括：
统计所述语义向量中每个向量的向量长度，并选取最大的向量长度为目标长度；
将每一个所述语义向量的向量长度延长至所述目标长度；
将延长后的语义向量进行列维度拼接，得到所述目标产品的产品画像。
5.如权利要求1所述的基于多维分析的产品排名方法，其特征在于，所述根据所述用户画像和所述产品画像计算所述目标用户对每个产品的偏好值，包括：
逐个从所述多个产品中选取其中一个产品为目标产品；
利用预设的距离算法计算所述用户画像与所述目标产品对应的产品画像之间的距离值；
确定所述距离值的倒数为所述目标用户对所述目标产品的偏好值。
6.如权利要求1所述的基于多维分析的产品排名方法，其特征在于，所述根据所述产品阶段和所述用户画像计算所述目标用户对每个产品对应的每个阶段指标的关注权重，包括：
逐个从所述多个产品中选取其中一个产品为待分析产品；
逐个计算所述用户画像与所述待分析产品对应的每个阶段指标之间的第一匹配度；
逐个计算所述产品阶段与所述待分析产品对应的每个阶段指标之间的第二匹配度；
逐个从所述待分析产品对应的多个阶段指标中选取其中一个阶段指标为目标指标，将所述目标指标对应的第一匹配度和第二匹配度之和作为所述目标指标的关注权重。
7.如权利要求1至6中任一项所述的基于多维分析的产品排名方法，其特征在于，所述根据所述评估分值计算每个产品的分值权重，包括：
逐个从所述多个产品中选取其中一个产品为待评估产品；
计算所述相似用户群体中所有用户对所述多个产品中所有产品的评估分值之和，得到总分值；
统计所述相似用户群体中每个用户对所述待评估产品的评估分值之和，得到独立产品得分；
利用所述独立产品得分除以所述总分值，得到所述待评估产品的分值权重。
8.一种基于多维分析的产品排名装置，其特征在于，所述装置包括：
画像构建模块，用于获取多个产品的产品描述，以及每个产品对应的多个性能指标，根据所述产品描述构建每个产品的产品画像，获取目标用户的用户数据，根据所述用户数据构建所述目标用户的用户画像；
偏好分析模块，用于根据所述用户画像和所述产品画像计算所述目标用户对每个产品的偏好值；
权重分析模块，用于获取每个产品当前的产品阶段，确定所述产品阶段对应的性能指标为阶段指标，根据所述产品阶段和所述用户画像计算所述目标用户对每个产品对应的每个阶段指标的关注权重；
评估分析模块，用于获取所述目标用户的相似用户群体对所述多个产品中每个产品的评估分值，根据所述评估分值计算每个产品的分值权重；
产品排名模块，用于根据所述偏好值、所述关注权重和所述分值权重计算每个产品的综合评分，并按照所述综合评分对所述多个产品进行排名。
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计算机程序，所述计算机程序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多维分析的产品排名方法。
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多维分析的产品排名方法。
CN202111559261.3A 2021-12-20 2021-12-20 基于多维分析的产品排名方法、装置、设备及存储介质 Pending CN114240560A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111559261.3A CN114240560A (zh) 2021-12-20 2021-12-20 基于多维分析的产品排名方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111559261.3A CN114240560A (zh) 2021-12-20 2021-12-20 基于多维分析的产品排名方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114240560A true CN114240560A (zh) 2022-03-25

Family

ID=80758860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111559261.3A Pending CN114240560A (zh) 2021-12-20 2021-12-20 基于多维分析的产品排名方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114240560A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114722301A (zh) * 2022-06-09 2022-07-08 江西省精彩纵横采购咨询有限公司 一种招投标信息推荐方法、装置、存储介质及设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114722301A (zh) * 2022-06-09 2022-07-08 江西省精彩纵横采购咨询有限公司 一种招投标信息推荐方法、装置、存储介质及设备
CN114722301B (zh) * 2022-06-09 2022-09-09 江西省精彩纵横采购咨询有限公司 一种招投标信息推荐方法、装置、存储介质及设备

Similar Documents

Publication Publication Date Title
CN113449187B (zh) 基于双画像的产品推荐方法、装置、设备及存储介质
CN112883190A (zh) 文本分类方法、装置、电子设备及存储介质
CN114912948B (zh) 基于云服务的跨境电商大数据智能处理方法、装置及设备
CN114979120B (zh) 数据上传方法、装置、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
CN115391669A (zh) 一种智能推荐方法、装置、电子设备
CN115238670A (zh) 信息文本抽取方法、装置、设备及存储介质
CN113656690B (zh) 产品推荐方法、装置、电子设备及可读存储介质
CN113886708A (zh) 基于用户信息的产品推荐方法、装置、设备及存储介质
CN113468421A (zh) 基于向量匹配技术的产品推荐方法、装置、设备及介质
CN114240560A (zh) 基于多维分析的产品排名方法、装置、设备及存储介质
CN115186188A (zh) 基于行为分析的产品推荐方法、装置、设备及存储介质
CN113343306B (zh) 基于差分隐私的数据查询方法、装置、设备及存储介质
CN114187096A (zh) 基于用户画像的风险评估方法、装置、设备及存储介质
CN114862140A (zh) 基于行为分析的潜力评估方法、装置、设备及存储介质
CN115204971A (zh) 产品推荐方法、装置、电子设备及计算机可读存储介质
CN115641186A (zh) 直播产品偏好的智能分析方法、装置、设备及存储介质
CN115238179A (zh) 项目推送方法、装置、电子设备及计算机可读存储介质
CN113486238A (zh) 基于用户画像的信息推送方法、装置、设备及存储介质
CN114518993A (zh) 基于业务特征的系统性能监控方法、装置、设备及介质
CN113723114A (zh) 基于多意图识别的语义分析方法、装置、设备及存储介质
CN114202337A (zh) 风险识别方法、装置、设备及存储介质
CN113505117A (zh) 基于数据指标的数据质量评估方法、装置、设备及介质
CN113139129A (zh) 虚拟阅读轨迹图生成方法、装置、电子设备及存储介质
CN111414452A (zh) 搜索词匹配方法、装置、电子设备及可读存储介质

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