CN115409576A - 产品推荐方法、装置、计算机设备及其存储介质 - Google Patents
产品推荐方法、装置、计算机设备及其存储介质 Download PDFInfo
- Publication number
- CN115409576A CN115409576A CN202211049313.7A CN202211049313A CN115409576A CN 115409576 A CN115409576 A CN 115409576A CN 202211049313 A CN202211049313 A CN 202211049313A CN 115409576 A CN115409576 A CN 115409576A
- Authority
- CN
- China
- Prior art keywords
- product
- determining
- target user
- product list
- preferred
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及大数据技术领域,特别是涉及一种产品推荐方法、装置、计算机设备及其存储介质。方法包括:接收服务器发送的与目标用户的用户类型匹配的初始产品列表;获取目标用户在预设时间内的浏览记录;基于初始产品列表和浏览记录,确定目标用户的偏好产品;根据偏好产品,确定目标用户对应的推荐产品列表。本申请降低了确定推荐产品列表的计算量,提高了确定推荐产品列表的效率,保证了推荐产品列表的真实性与可靠性。
Description
技术领域
本申请涉及大数据技术领域,特别是涉及一种产品推荐方法、装置、计算机设备及其存储介质。
背景技术
随着互联网和信息技术的快速发展,用户可获取到的信息越来越多,为保证用户能够高效、快速的获取到有用的信息或者产品,智能推荐技术在此场景下应运而生。
现有的智能推荐技术中,通过依托于云测服务器,实现对于用户全量历史数据的获取,进而通过对用户全量历史数据的解读和分析,确定出符合用户需求的推荐列表。
但是,现有的智能推荐技术中,分析用户历史数据的计算量较大,确定推荐列表的效率难以保证。
发明内容
基于此,有必要针对上述技术问题,提供一种产品推荐方法、装置、计算机设备及其存储介质。
第一方面,本申请提供了一种产品推荐方法。所述方法包括:
接收服务器发送的与目标用户的用户类型匹配的初始产品列表;
获取所述目标用户在预设时间内的浏览记录;
基于所述初始产品列表和所述浏览记录,确定所述目标用户的偏好产品;
根据所述偏好产品,确定所述目标用户对应的推荐产品列表。
在其中一个实施例中,所述根据所述偏好产品,确定所述目标用户对应的推荐产品列表,包括:
基于所述偏好产品,确定所述目标用户对应的偏好产品类别;
根据所述偏好产品类别,确定所述目标用户对应的推荐产品列表。
在其中一个实施例中,所述根据所述偏好产品类别,确定所述目标用户对应的推荐产品列表,包括:
基于所述偏好产品,确定所述偏好产品的偏好产品类别之间的相似度;
基于所述偏好产品的偏好产品类别之间的相似度,确定所述推荐产品列表。
在其中一个实施例中,所述基于所述相似度和所述偏好产品,确定所述推荐产品列表,包括:
基于所述偏好产品的偏好产品类别之间的相似度,确定候选产品列表;
对所述候选产品列表的相似度进行加权运算,确定所述候选产品列表的加权值;
若所述候选产品列表的加权值大于或者等于预先设定的推荐阈值,则将所述候选产品列表作为所述推荐产品列表;
若所述候选产品列表的加权值小于预先设定的推荐阈值,则重新确定所述目标用户的所述偏好产品。
在其中一个实施例中,所述方法还包括:
若所述目标用户不存在所述偏好产品类别,将所述初始产品列表作为所述推荐产品列表。
在其中一个实施例中,初始产品列表的获取方式,包括:
基于所述目标用户的所述用户类型,确定所述目标用户对应的相似用户;
确定所述相似用户的产品偏好信息;
基于所述产品偏好信息,确定所述相似用户的偏好产品;
基于所述相似用户的所述偏好产品,确定所述初始产品列表。
在其中一个实施例中,所述基于所述初始产品列表和所述浏览记录,确定所述目标用户的偏好产品,包括:
基于所述浏览记录,确定所述目标用户浏览过的浏览产品列表;
将所述浏览产品列表与所述初始产品列表中重合的产品,确定为所述目标用户的所述偏好产品。
第二方面,本申请还提供了一种产品推荐装置。所述装置包括:
接受模块,用于接收服务器发送的与目标用户的用户类型匹配的初始产品列表;
获取模块,用于获取所述目标用户在预设时间内的浏览记录;
第一确定模块,用于基于所述初始产品列表和所述浏览记录,确定所述目标用户的偏好产品;
第二确定模块,用于根据所述偏好产品,确定所述目标用户对应的推荐产品列表。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面任一实施例所述的产品推荐方法。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其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如上述第一方面任一实施例所述的产品推荐方法。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上述第一方面任一实施例所述的产品推荐方法。
根据本申请的技术方案,通过接受初始产品列表实现了对于目标用户偏好产品的初步筛选,为后续确定推荐产品列表提供数据基础,降低了确定推荐产品列表的操作难度,降低了确定推荐产品列表的计算量;通过确定目标用户的偏好产品,进而确定推荐产品列表,实现对于初始产品列表的进一步筛选,保证了确定推荐产品列表的准确性,让推荐产品列表的选定能够更加契合目标用户的浏览偏好,进一步降低了确定推荐产品列表的计算量,提高了确定推荐产品列表的效率,保证了推荐产品列表的真实性与可靠性。
附图说明
图1为本申请实施例提供的一种产品推荐方法的应用环境图;
图2为本申请实施例提供的一种产品推荐方法的流程图;
图3为本申请实施例提供的另一种产品推荐方法的流程图;
图4为本申请实施例提供的另一种产品推荐方法的流程图;
图5为本申请实施例提供的另一种产品推荐方法的流程图;
图6为本申请实施例提供的另一种产品推荐方法的流程图;
图7为本申请实施例提供的一种产品推荐装置的结构框图;
图8为本申请实施例提供的另一种产品推荐装置的结构框图;
图9为本申请实施例提供的另一种产品推荐装置的结构框图;
图10为本申请实施例提供的另一种产品推荐装置的结构框图;
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。在本申请的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
随着互联网和信息技术的快速发展,用户获取到的信息越来越多,以机器人学习为基础的智能推荐也得到了迅猛发展,大多数推荐系统都是依托于云侧服务器的数据来计算,因为云侧服务器拥有用户的全量历史数据,充足的设备资源,能够支持大规模的模型,计算最优解。但是,为了能够实时感知用户意图,实现海量用户的实时推荐,需要大量的计算资源和网络带宽开销。
目前的推荐都是云侧服务器推荐,例如应用程序中功能菜单推荐,楼层推荐和产品推荐等,但是,随着用户个性化需求的持续提升,通过对用户在应用程序上的每一次点击、跳转和停留等事件序列进行意图识别、营销时机预测和功能操作预测做出的推荐能够进一步提高用户的使用体验;在这一类别的推荐场景中,用户在应用程序上的触点多且推荐频率高,如果这些智能计算都部署在云侧服务器,会导致计算量过大,时效性也会受到网络传输等因素的影响。
本申请实施例提供的产品推荐方法,可以应用于如图1所示的应用环境中。在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储产品推荐的获取数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种产品推荐方法。
本申请公开了一种产品推荐方法、装置、计算机设备及其存储介质。通过接收初始产品列表,并基于浏览记录和初始产品列表,确定目标用户的偏好产品;基于偏好产品,确定目标用户对应的推荐产品列表。
图2为本申请实施例提供的一种产品推荐方法的流程图,如图2所示,该产品推荐方法可以包括以下步骤:
步骤201,接收服务器发送的与目标用户的用户类型匹配的初始产品列表。
其中,初始产品列表指的是服务器基于目标用户的用户类型,确定出的符合用户类型的推荐列表,可理解为,初始产品列表内的产品,均是根据目标用户的用户类型确定处理的推荐产品。
在本申请的一种实施例中,当需要给目标用户的应用程序进行产品推荐时,检测到用户登录应用程序,则接收服务器发送的初始产品列表;并将初始产品列表展示给目标用户。
需要说明的是,可根据目标用户的相似用户的确定初始产品列表;具体地,根据目标用户的用户类型,在服务器的云端数据库中确定与目标用户的用户类别相同的相似用户;确定相似用户的浏览记录,基于相似用户的浏览记录确定初始产品列表,该初始产品列表即为目标用户的用户类型匹配的初始产品列表。
步骤202,获取目标用户在预设时间内的浏览记录。
其中,预设时间的确定可根据实际情况进行判断在此不作限定,进一步的,若预设时间越长,则可获取目标用户更多的浏览记录,进而后续可确定出更加准确和更多的偏好产品,进一步提高后续推荐产品列表的推荐准确性,但是由于预设时间的增长,导致推荐产品列表的更新频率降低;若预设时间越短,则可获取目标用户较少的浏览记录,进而后续确定出的较少的偏好产品,导致后续推荐产品列表的推荐准确性较低,但是由于预设时间的减短,导致推荐产品列表的更新频率增加。
需要说明的是,通过获取目标用户在预设时间内的浏览记录,实现为后续确定目标用户的偏好产品提供数据基础,并且通过获取预设时间内的浏览记录,保证了能够实时根据用户的使用情况,对后续推荐产品列表进行更新,保证了推荐产品列表的准确性与及时性。
步骤203,基于初始产品列表和浏览记录,确定目标用户的偏好产品。
其中,偏好产品指的是预设时间内目标用户在初始产品列表里所有浏览过的产品,可理解为,预设时间内目标用户在初始产品列表点击过的所有产品均为偏好产品。
在本申请的一种实施例中,当需要给目标用户的应用程序进行产品推荐时,目标用户登录应用程序后,并未点击初始产品列表内的任一产品,而是在应用程序的搜索框内搜索某些产品;此时,为获取目标用户的偏好产品,则需要根据目标用户的浏览记录,确定出预设时间内目标用户浏览过的产品;然后将浏览过程的产品和初始产品列表内的产品进行比较,找出两者重合的产品,该重合的产品即为目标用户的偏好产品;其中,重合的产品,指的是该产品既属于目标用户浏览过的产品,有属于初始产品列表内的产品。
在本申请的一种实施例中,当需要给目标用户的应用程序进行产品推荐时,目标用户登录应用程序后,点击的产品均为初始产品列表内的产品;此时,为获取目标用户的偏好产品,则确定目标用户的浏览记录,由于目标用户点击的产品均为初始产品列表内的产品,则浏览记录中的全部产品均为目标用户的偏好产品。
在本申请的一种实施例中,当需要给目标用户的应用程序进行产品推荐时,目标用户登录应用程序后,既在初始产品列表内点击了一些产品,又在应用程序的搜索框内搜索了一些产品;此时,为获取目标用户的偏好产品,则需要根据目标用户的浏览记录,确定出预设时间内目标用户浏览过的产品;然后将浏览过程的产品和初始产品列表内的产品进行比较,找出两者重合的产品,该重合的产品即为目标用户的偏好产品。
步骤204,根据偏好产品,确定目标用户对应的推荐产品列表。
需要说明的是,可根据偏好产品,确定出目标用户对应的偏好产品类别,进而对目标产品类别中的产品进行筛选,确定出目标用户对应的推荐产品列表。
进一步说明,可对偏好产品进行类别分析,确定出偏好产品对应的类别,将偏好产品对应的类别,作为目标用户对应的偏好产品类别。
进一步说明,可对目标产品类别中的产品与偏好产品进行相似度计算,根据预先设定的相似度阈值,判断目标产品类别中的产品是否可以作为推荐产品列表中的产品;具体的,若目标产品类别中的某一产品与偏好产品的相似度大于或者等于相似度阈值,则表示该产品可以作为推荐产品列表中的产品;若目标产品类别中的某一产品与偏好产品的相似度小于相似度阈值,则表示该产品不可以作为推荐产品列表中的产品。
根据本申请的产品推荐方法,通过接受初始产品列表实现了对于目标用户偏好产品的初步筛选,为后续确定推荐产品列表提供数据基础,降低了确定推荐产品列表的操作难度,降低了确定推荐产品列表的计算量;通过确定目标用户的偏好产品,进而确定推荐产品列表,实现对于初始产品列表的进一步筛选,保证了确定推荐产品列表的准确性,让推荐产品列表的选定能够更加契合目标用户的浏览偏好,进一步降低了确定推荐产品列表的计算量,提高了确定推荐产品列表的效率,保证了推荐产品列表的真实性与可靠性。
需要说明的是,可通过确定目标用户对应的偏好产品类别,确定目标用户对应的推荐产品列表;可选地,如图3所示,图3为本申请实施例提供的另一种产品推荐方法的流程图。具体的,确定目标用户对应的推荐产品列表可以包括以下步骤:
步骤301,基于偏好产品,确定目标用户对应的偏好产品类别。
需要说明的是,基于偏好产品,确定目标用户对应的偏好产品类别的方法有很多,例如:根据偏好产品之间的相似度确定目标用户对应的偏好产品类别、根据偏好产品的方差确定目标产品对应的偏好产品类别和根据偏好产品的相似度和方差确定目标产品对应的偏好产品类别。下面将结合示例,对上述三种情况进行详细说明:
在本申请的一种实施例中,当根据偏好产品之间的相似度确定目标用户对应的偏好产品类别时,确定偏好产品之间的相似度,基于预先确定的相似度阈值,判断偏好产品之间的相似度与相似度阈值之间的关系;若偏好产品之间的相似度大于或者等于相似度阈值,则表示偏好产品属于同一聚合的基金类别,若偏好产品之间的相似度小于相似度阈值,则表示偏好产品不属于同一聚合的基金类别;若偏好产品属于同一聚合的基金类别,则根据每一偏好产品分别对应的产品类别,确定目标用户对应的偏好产品类别。
在本申请的一种实施例中,当根据偏好产品的方差确定目标产品对应的偏好产品类别时,对偏好产品进行方差运算,确定出偏好产品的方差,基于预先确定的方差阈值,判断偏好产品的方差与方差阈值之间的关系;若偏好产品的方差大于或者等于方差阈值,则表示偏好产品属于同一聚合的基金类别,若偏好产品的方差小于方差阈值,则表示偏好产品不属于同一聚合的基金类别;若偏好产品属于同一聚合的基金类别,可根据每一偏好产品分别对应的产品类别,确定目标用户对应的偏好产品类别。
在本申请的一种实施例中,根据偏好产品的相似度和方差确定目标产品对应的偏好产品类别时,确定偏好产品之间的相似度,并且,对偏好产品进行方差运算,确定出偏好产品的方差,基于预先确定的相似度阈值和方差阈值,分别对偏好产品的相似度和方差进行比较,当且仅当偏好产品的相似度大于相似度阈值且偏好产品的方差小于方差阈值时,则表示偏好产品属于同一聚合的基金类别;若偏好产品属于同一聚合的基金类别,可根据每一偏好产品分别对应的产品类别,确定目标用户对应的偏好产品类别。
需要说明的是,若目标用户不存在偏好产品类别,将初始产品列表作为推荐产品列表。
步骤302,根据偏好产品类别,确定目标用户对应的推荐产品列表。
在本申请的一种实施例中,基于偏好产品,确定偏好产品的偏好产品类别之间的相似度;基于偏好产品的偏好产品类别之间的相似度,确定推荐产品列表。
需要说明的是,可通过确定候选产品列表,确定目标用户的偏好产品,具体的:基于偏好产品的偏好产品类别之间的相似度,确定候选产品列表;对候选产品列表的相似度进行加权运算,确定候选产品列表的加权值;若候选产品列表的加权值大于或者等于预先设定的推荐阈值,则将候选产品列表作为推荐产品列表;若候选产品列表的加权值小于预先设定的推荐阈值,则重新确定目标用户的偏好产品。
在本申请的一种实施例中,确定偏好产品与偏好产品列表中产品的相似度,将偏好产品与偏好产品列表中产品的相似度与预先设定的候选阈值进行比较,确定出偏好产品列表中与偏好产品相似度大于候选阈值的产品,进而确定出候选产品列表,可理解为,候选产品列表中的产品均为偏好产品列表中与偏好产品相似度大于候选阈值的产品。对候选产品列表的相似度进行加权运算,确定候选产品列表的加权值,并将候选产品列表的加权值与推荐阈值进行比较,实现确定推荐产品列表。
需要说明的是,若候选产品列表的加权值小于预先设定的推荐阈值,则表示候选产品列表的推荐准确率较低,无法达到向用户推荐产品的目标,无法提高目标用户的用户体验,进而需要重新确定偏好产品。
根据本申请的产品推荐方法,通过确定偏好产品类别,实现对于推荐产品列表的类别进行确定,为后续确定推荐产品列表提供数据基础,保证了推荐产品列表能够符合用户的推荐需求,降低了确定推荐产品列表的操作难度,降低了确定推荐产品列表的计算量;通过确定候选产品列表,实现对于偏好产品类别之间产品的进一步筛选,保证了后续确定推荐产品列表的推荐准确率,保证了推荐产品列表能够符合用户的推荐需求。
需要说明的是,可通过确定相似用户的偏好产品信息,确定初始产品列表;可选地,如图4所示,图4为本申请实施例提供的另一种产品推荐方法的流程图。具体的,初始产品列表的获取方式可以包括以下步骤:
步骤401,基于目标用户的用户类型,确定目标用户对应的相似用户。
在本申请的一种实施例中,当需要确定初始产品列表时,确定目标用户的用户类型,在服务器的云端数据库中搜索与目标用户的用户类型相同的相似用户。
步骤402,确定相似用户的产品偏好信息。
需要说明的是,产品偏好信息指的是能够反应相似用户的产品浏览偏好的信息,可理解为,根据相似用户的产品偏好信息,可实现对于相似用户进行产品推荐。
进一步说明,产品偏好信息可以包括但不限于:相似用户的产品浏览记录,相似用户的产品购物车记录和相似用户的产品的关注记录等。
步骤403,基于产品偏好信息,确定相似用户的偏好产品。
需要说明的是,确定相似用户的偏好产品的方法有很多,例如:可将多个相似用户的产品偏好信息中出现次数最多的产品作为偏好产品、可将多个相似用户的产品偏好信息购买次数最多的产品作为偏好产品和可将多个相似用户的产品偏好信息中收藏次数最多的产品作为偏好产品。
步骤404,基于相似用户的偏好产品,确定初始产品列表。
需要说明的是,根据预先设定的排序规则,对相似用户的偏好产品进行排序处理,确定初始产品列表。
其中,预先设定的排序规则可以包括按照产品的份额、产品的管理费用等产品的涨幅情况等。
根据本申请的产品推荐方法,通过确定相似用户的产品偏好信息,保证了后续能够确定初始产品列表,实现对于目标用户的初步产品推荐,为后续确定推荐产品列表提供数据基础,保证了后续确定偏好产品的准确性,提高了推荐产品列表的推荐准确性。
需要说明的是,可通过确定浏览产品列表,确定目标用户的偏好产品;可选地,如图5所示,图5为本申请实施例提供的另一种产品推荐方法的流程图。具体的,确定目标用户的偏好产品可以包括以下步骤:
步骤501,基于浏览记录,确定目标用户浏览过的浏览产品列表。
需要说明的是,根据目标用户的浏览记录,确定目标用户在预设时间内浏览的全部产品,将浏览的全部产品进行汇总,得到浏览产品列表。
步骤502,将浏览产品列表与初始产品列表中重合的产品,确定为目标用户的偏好产品。
在本申请的一种实施例中,当需要给目标用户的应用程序进行产品推荐时,若目标用户并未点击初始产品列表内的任一产品,而是在应用程序的搜索框内搜索某些产品,则将浏览产品列表内的产品和初始产品列表内的产品进行比较,找出两者重合的产品,该重合的产品即为目标用户的偏好产品。
在本申请的一种实施例中,当需要给目标用户的应用程序进行产品推荐时,若目标用户点击的产品均为初始产品列表内的产品,则浏览产品列表内的全部产品均为目标用户的偏好产品。
在本申请的一种实施例中,当需要给目标用户的应用程序进行产品推荐时,若目标用户既在初始产品列表内点击了一些产品,又在应用程序的搜索框内搜索了一些产品,则将浏览产品列表内的产品和初始产品列表内的产品进行比较,找出两者重合的产品,该重合的产品即为目标用户的偏好产品。
根据本申请的产品推荐方法,通过确定浏览产品列表,确定出目标用户在初始产品列表内所点击的产品,从而实现偏好产品的确定,让推荐产品列表的选定能够更加契合目标用户的浏览偏好,进一步降低了确定推荐产品列表的计算量,提高了确定推荐产品列表的效率,保证了后续确定推荐产品列表的推荐准确性。
在本申请的一种实施例中,如图6所示,图6为本申请实施例提供的另一种产品推荐方法的流程图,当需要对目标用户展示推荐产品列表时:
步骤601,接收服务器发送的初始产品列表。
步骤602,基于初始产品列表,确定目标用户的偏好产品。
步骤603,基于偏好产品,确定目标用户对应的偏好产品类别。
步骤604,基于偏好产品,确定偏好产品的偏好产品类别之间的相似度。
步骤605,基于偏好产品的偏好产品类别之间的相似度,确定候选产品列表。
步骤606,对候选产品列表的相似度进行加权运算,确定候选产品列表的加权值。
步骤607,基于候选产品列表的加权值,确定目标用户对应的推荐产品列表。
根据本申请的产品推荐方法,通过接受初始产品列表实现了对于目标用户偏好产品的初步筛选,为后续确定推荐产品列表提供数据基础,降低了确定推荐产品列表的操作难度,降低了确定推荐产品列表的计算量;通过确定目标用户的偏好产品,进而确定推荐产品列表,实现对于初始产品列表的进一步筛选,保证了确定推荐产品列表的准确性,让推荐产品列表的选定能够更加契合目标用户的浏览偏好,进一步降低了确定推荐产品列表的计算量,提高了确定推荐产品列表的效率,保证了推荐产品列表的真实性与可靠性。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的产品推荐方法的产品推荐装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个产品推荐装置实施例中的具体限定可以参见上文中对于产品推荐方法的限定,在此不再赘述。
在一个实施例中,如图7所示,图7为本申请实施例提供的一种产品推荐装置的结构框图,提供了一种产品推荐装置,包括:接受模块710、获取模块720、第一确定模块730和第二确定模块740,其中:
接受模块710,用于接收服务器发送的与目标用户的用户类型匹配的初始产品列表。
获取模块720,用于获取目标用户在预设时间内的浏览记录。
第一确定模块730,用于基于初始产品列表和浏览记录,确定目标用户的偏好产品;
第二确定模块740,用于根据偏好产品,确定目标用户对应的推荐产品列表。
根据本申请的产品推荐装置,通过接受初始产品列表实现了对于目标用户偏好产品的初步筛选,为后续确定推荐产品列表提供数据基础,降低了确定推荐产品列表的操作难度,降低了确定推荐产品列表的计算量;通过确定目标用户的偏好产品,进而确定推荐产品列表,实现对于初始产品列表的进一步筛选,保证了确定推荐产品列表的准确性,让推荐产品列表的选定能够更加契合目标用户的浏览偏好,进一步降低了确定推荐产品列表的计算量,提高了确定推荐产品列表的效率,保证了推荐产品列表的真实性与可靠性。
在一个实施例中,如图8所示,图8为本申请实施例提供的另一种产品推荐装置的结构框图,提供了一种产品推荐装置,该产品推荐装置中,第二确定模块840包括:第一确定单元841和第二确定单元842。
第一确定单元841,用于基于偏好产品,确定目标用户对应的偏好产品类别。
第二确定单元842,用于根据偏好产品类别,确定目标用户对应的推荐产品列表。
需要说明的是,基于偏好产品,确定偏好产品的偏好产品类别之间的相似度;基于偏好产品的偏好产品类别之间的相似度,确定推荐产品列表。
需要说明的是,若目标用户不存在偏好产品类别,将初始产品列表作为推荐产品列表。
在本申请第一种实施例中,基于偏好产品的偏好产品类别之间的相似度,确定候选产品列表;对候选产品列表的相似度进行加权运算,确定候选产品列表的加权值;若候选产品列表的加权值大于或者等于预先设定的推荐阈值,则将候选产品列表作为推荐产品列表;若候选产品列表的加权值小于预先设定的推荐阈值,则重新确定目标用户的偏好产品。
其中,图8中810-830和图7中710-730具有相同功能和结构。
根据本申请的产品推荐装置,通过确定偏好产品类别,实现对于推荐产品列表的类别进行确定,为后续确定推荐产品列表提供数据基础,保证了推荐产品列表能够符合用户的推荐需求,降低了确定推荐产品列表的操作难度,降低了确定推荐产品列表的计算量;通过确定候选产品列表,实现对于偏好产品类别之间产品的进一步筛选,保证了后续确定推荐产品列表的推荐准确率,保证了推荐产品列表能够符合用户的推荐需求。
在一个实施例中,如图9所示,图9为本申请实施例提供的另一种产品推荐装置的结构框图,提供了一种产品推荐装置,该产品推荐装置还包括:第三确定模块950、第四确定模块960、第五确定模块970和第六确定模块980。
第三确定模块950,用于基于目标用户的用户类型,确定目标用户对应的相似用户。
第四确定模块960,用于确定相似用户的产品偏好信息。
第五确定模块970,用于基于产品偏好信息,确定相似用户的偏好产品。
第六确定模块980,用于基于相似用户的偏好产品,确定初始产品列表。
其中,图9中910-940和图8中810-840具有相同功能和结构。
根据本申请的产品推荐装置,通过确定相似用户的产品偏好信息,保证了后续能够确定初始产品列表,实现对于目标用户的初步产品推荐,为后续确定推荐产品列表提供数据基础,保证了后续确定偏好产品的准确性,提高了推荐产品列表的推荐准确性。
在一个实施例中,如图10所示,图10为本申请实施例提供的另一种产品推荐装置的结构框图,提供了一种产品推荐装置,该产品推荐装置中第一确定模块1030包括:第三确定单元1031和第四确定单元1032。
第三确定单元1031,用于基于浏览记录,确定目标用户浏览过的浏览产品列表。
第四确定单元1032,用于将浏览产品列表与初始产品列表中重合的产品,确定为目标用户的偏好产品。
其中,图10中1010、1020、1040-1080和图9中910、920、940-980具有相同功能和结构。
根据本申请的产品推荐装置,通过确定浏览产品列表,确定出目标用户在初始产品列表内所点击的产品,从而实现偏好产品的确定,让推荐产品列表的选定能够更加契合目标用户的浏览偏好,进一步降低了确定推荐产品列表的计算量,提高了确定推荐产品列表的效率,保证了后续确定推荐产品列表的推荐准确性。
上述产品推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口等。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种产品推荐方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
接收服务器发送的与目标用户的用户类型匹配的初始产品列表;
获取目标用户在预设时间内的浏览记录;
基于初始产品列表和浏览记录,确定目标用户的偏好产品;
根据偏好产品,确定目标用户对应的推荐产品列表。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于偏好产品,确定目标用户对应的偏好产品类别;
根据偏好产品类别,确定目标用户对应的推荐产品列表。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于偏好产品,确定偏好产品的偏好产品类别之间的相似度;
基于偏好产品的偏好产品类别之间的相似度,确定推荐产品列表。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于偏好产品的偏好产品类别之间的相似度,确定候选产品列表;
对候选产品列表的相似度进行加权运算,确定候选产品列表的加权值;
若候选产品列表的加权值大于或者等于预先设定的推荐阈值,则将候选产品列表作为推荐产品列表;
若候选产品列表的加权值小于预先设定的推荐阈值,则重新确定目标用户的偏好产品。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若目标用户不存在偏好产品类别,将初始产品列表作为推荐产品列表。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于目标用户的用户类型,确定目标用户对应的相似用户;
确定相似用户的产品偏好信息;
基于产品偏好信息,确定相似用户的偏好产品;
基于相似用户的偏好产品,确定初始产品列表。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于浏览记录,确定目标用户浏览过的浏览产品列表;
将浏览产品列表与初始产品列表中重合的产品,确定为目标用户的偏好产品。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
接收服务器发送的与目标用户的用户类型匹配的初始产品列表;
获取目标用户在预设时间内的浏览记录;
基于初始产品列表和浏览记录,确定目标用户的偏好产品;
根据偏好产品,确定目标用户对应的推荐产品列表。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于偏好产品,确定目标用户对应的偏好产品类别;
根据偏好产品类别,确定目标用户对应的推荐产品列表。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于偏好产品,确定偏好产品的偏好产品类别之间的相似度;
基于偏好产品的偏好产品类别之间的相似度,确定推荐产品列表。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于偏好产品的偏好产品类别之间的相似度,确定候选产品列表;
对候选产品列表的相似度进行加权运算,确定候选产品列表的加权值;
若候选产品列表的加权值大于或者等于预先设定的推荐阈值,则将候选产品列表作为推荐产品列表;
若候选产品列表的加权值小于预先设定的推荐阈值,则重新确定目标用户的偏好产品。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若目标用户不存在偏好产品类别,将初始产品列表作为推荐产品列表。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于目标用户的用户类型,确定目标用户对应的相似用户;
确定相似用户的产品偏好信息;
基于产品偏好信息,确定相似用户的偏好产品;
基于相似用户的偏好产品,确定初始产品列表。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于浏览记录,确定目标用户浏览过的浏览产品列表;
将浏览产品列表与初始产品列表中重合的产品,确定为目标用户的偏好产品。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
接收服务器发送的与目标用户的用户类型匹配的初始产品列表;
获取目标用户在预设时间内的浏览记录;
基于初始产品列表和浏览记录,确定目标用户的偏好产品;
根据偏好产品,确定目标用户对应的推荐产品列表。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于偏好产品,确定目标用户对应的偏好产品类别;
根据偏好产品类别,确定目标用户对应的推荐产品列表。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于偏好产品,确定偏好产品的偏好产品类别之间的相似度;
基于偏好产品的偏好产品类别之间的相似度,确定推荐产品列表。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于偏好产品的偏好产品类别之间的相似度,确定候选产品列表;
对候选产品列表的相似度进行加权运算,确定候选产品列表的加权值;
若候选产品列表的加权值大于或者等于预先设定的推荐阈值,则将候选产品列表作为推荐产品列表;
若候选产品列表的加权值小于预先设定的推荐阈值,则重新确定目标用户的偏好产品。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若目标用户不存在偏好产品类别,将初始产品列表作为推荐产品列表。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于目标用户的用户类型,确定目标用户对应的相似用户;
确定相似用户的产品偏好信息;
基于产品偏好信息,确定相似用户的偏好产品;
基于相似用户的偏好产品,确定初始产品列表。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于浏览记录,确定目标用户浏览过的浏览产品列表;
将浏览产品列表与初始产品列表中重合的产品,确定为目标用户的偏好产品。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种产品推荐方法,其特征在于,所述方法包括:
接收服务器发送的与目标用户的用户类型匹配的初始产品列表;
获取所述目标用户在预设时间内的浏览记录;
基于所述初始产品列表和所述浏览记录,确定所述目标用户的偏好产品;
根据所述偏好产品,确定所述目标用户对应的推荐产品列表。
2.根据权利要求1所述的方法,其特征在于,所述根据所述偏好产品,确定所述目标用户对应的推荐产品列表,包括:
基于所述偏好产品,确定所述目标用户对应的偏好产品类别;
根据所述偏好产品类别,确定所述目标用户对应的推荐产品列表。
3.根据权利要求2所述的方法,其特征在于,所述根据所述偏好产品类别,确定所述目标用户对应的推荐产品列表,包括:
基于所述偏好产品,确定所述偏好产品的偏好产品类别之间的相似度;
基于所述偏好产品的偏好产品类别之间的相似度,确定所述推荐产品列表。
4.根据权利要求3所述的方法,其特征在于,所述基于所述相似度和所述偏好产品,确定所述推荐产品列表,包括:
基于所述偏好产品的偏好产品类别之间的相似度,确定候选产品列表;
对所述候选产品列表的相似度进行加权运算,确定所述候选产品列表的加权值;
若所述候选产品列表的加权值大于或者等于预先设定的推荐阈值,则将所述候选产品列表作为所述推荐产品列表;
若所述候选产品列表的加权值小于预先设定的推荐阈值,则重新确定所述目标用户的所述偏好产品。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述目标用户不存在所述偏好产品类别,将所述初始产品列表作为所述推荐产品列表。
6.根据权利要求1至4任意一项所述的方法,其特征在于,初始产品列表的获取方式,包括:
基于所述目标用户的所述用户类型,确定所述目标用户对应的相似用户;
确定所述相似用户的产品偏好信息;
基于所述产品偏好信息,确定所述相似用户的偏好产品;
基于所述相似用户的所述偏好产品,确定所述初始产品列表。
7.根据权利要求1所述的方法,其特征在于,所述基于所述初始产品列表和所述浏览记录,确定所述目标用户的偏好产品,包括:
基于所述浏览记录,确定所述目标用户浏览过的浏览产品列表;
将所述浏览产品列表与所述初始产品列表中重合的产品,确定为所述目标用户的所述偏好产品。
8.一种产品推荐装置,其特征在于,所述装置包括:
接受模块,用于接收服务器发送的与目标用户的用户类型匹配的初始产品列表;
获取模块,用于获取所述目标用户在预设时间内的浏览记录;
第一确定模块,用于基于所述初始产品列表和所述浏览记录,确定所述目标用户的偏好产品;
第二确定模块,用于根据所述偏好产品,确定所述目标用户对应的推荐产品列表。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其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权利要求1至7中任一项所述的方法的步骤。
11.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211049313.7A CN115409576A (zh) | 2022-08-30 | 2022-08-30 | 产品推荐方法、装置、计算机设备及其存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211049313.7A CN115409576A (zh) | 2022-08-30 | 2022-08-30 | 产品推荐方法、装置、计算机设备及其存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115409576A true CN115409576A (zh) | 2022-11-29 |
Family
ID=84164269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211049313.7A Pending CN115409576A (zh) | 2022-08-30 | 2022-08-30 | 产品推荐方法、装置、计算机设备及其存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115409576A (zh) |
-
2022
- 2022-08-30 CN CN202211049313.7A patent/CN115409576A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111523976B (zh) | 商品推荐方法、装置、电子设备及存储介质 | |
US11809455B2 (en) | Automatically generating user segments | |
CN110880136A (zh) | 配套产品的推荐方法、系统、设备和存储介质 | |
US11443237B1 (en) | Centralized platform for enhanced automated machine learning using disparate datasets | |
CN115423555A (zh) | 一种商品推荐方法、装置、电子设备及存储介质 | |
CN116883181B (zh) | 基于用户画像的金融服务推送方法、存储介质及服务器 | |
WO2021236423A1 (en) | Identifying claim complexity by integrating supervised and unsupervised learning | |
CN116911867A (zh) | 问题处理方法、装置、计算机设备和存储介质 | |
CN117435130A (zh) | 金融数据存储方法、装置、计算机设备和存储介质 | |
CN116842171A (zh) | 文章推荐方法、装置、计算机设备和存储介质 | |
CN115409576A (zh) | 产品推荐方法、装置、计算机设备及其存储介质 | |
CN113159877A (zh) | 数据处理方法、装置、系统、计算机可读存储介质 | |
CN114417944B (zh) | 识别模型训练方法及装置、用户异常行为识别方法及装置 | |
US11842379B2 (en) | Method and system for obtaining item-based recommendations | |
CN117593096B (zh) | 产品信息智能推送方法、装置、电子设备和计算机介质 | |
CN113420214B (zh) | 一种电子交易对象推荐方法和装置及设备 | |
US20220327401A1 (en) | Machine learning feature recommender | |
CN112950239B (zh) | 用于生成用户信息的方法、装置、设备和计算机可读介质 | |
CN116866419A (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
CN117436974A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN117667999A (zh) | 数据推送方法、装置、计算机设备及计算机可读存储介质 | |
CN116932891A (zh) | 资源对象展示方法、装置、设备、存储介质和产品 | |
CN116881543A (zh) | 金融资源对象推荐方法、装置、设备、存储介质和产品 | |
CN117319475A (zh) | 通信资源推荐方法、装置、计算机设备和存储介质 | |
CN118170867A (zh) | 业务内容获取方法、装置、计算机设备、介质和程序产品 |
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 |