CN116680480A - 产品推荐方法、装置、电子设备及可读存储介质 - Google Patents

产品推荐方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN116680480A
CN116680480A CN202310871621.6A CN202310871621A CN116680480A CN 116680480 A CN116680480 A CN 116680480A CN 202310871621 A CN202310871621 A CN 202310871621A CN 116680480 A CN116680480 A CN 116680480A
Authority
CN
China
Prior art keywords
user
users
target
determining
user set
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
CN202310871621.6A
Other languages
English (en)
Inventor
林建素
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.)
Beijing Taoyoutianxia Technology Co ltd
Original Assignee
Beijing Taoyoutianxia Technology 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 Beijing Taoyoutianxia Technology Co ltd filed Critical Beijing Taoyoutianxia Technology Co ltd
Priority to CN202310871621.6A priority Critical patent/CN116680480A/zh
Publication of CN116680480A publication Critical patent/CN116680480A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/26—Visual data mining; Browsing structured data
    • 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
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本申请实施例提供了一种产品推荐方法、装置、电子设备及可读存储介质，涉及大数据挖掘领域。该方法包括：获取关联关系网络；针对应用功能模块中的任一目标功能模块，基于目标功能模块的目标行为特征信息，确定第一用户集合；基于关联关系网络从多个候选功能模块中确定与目标行为特征信息相关联的第二功能模块，将第二功能模块推荐给第一用户集合；基于关联关系网络从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，把目标功能模块推荐给第二用户集合。本申请实施例实现了帮助用户更轻松地找到符合自己需求和喜好的产品的效果。

Description

产品推荐方法、装置、电子设备及可读存储介质
技术领域
本申请涉及大数据挖掘技术领域，具体而言，本申请涉及一种产品推荐方法、装置、电子设备及可读存储介质。
背景技术
近年来，随着信息技术的日益发展以及连入互联网用户数量的不断增长，如何提高产品的曝光度并扩大客户数量是大数据挖掘领域的热点话题。
为了让潜在客户了解产品的特点和功能，使客户对产品产生兴趣，需要提高对客户偏好的认知，从而提高产品投放地准确度，使用户能够更轻松地找到符合自己需求和喜好的产品。然而，由于不同产品的特性不同，目前，并不能帮助用户更便捷地找到与其喜好相匹配的产品。
发明内容
本申请实施例提供了一种产品推荐方法、装置、电子设备及可读存储介质，可以解决准确向用户投放与其喜好相匹配的产品的问题。技术方案如下：
获取关联关系网络；其中，关联关系网络包括多个应用功能模块与多个用户针对应用功能模块之间的行为特征信息之间的关联关系，以及多个样本用户的样本用户画像与多个应用功能模块之间的关联关系；
针对应用功能模块中的任一目标功能模块，基于目标功能模块的目标行为特征信息，确定第一用户集合；
基于关联关系网络从多个候选功能模块中确定与目标行为特征信息相关联的第二功能模块，将第二功能模块推荐给第一用户集合；
基于关联关系网络从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，把目标功能模块推荐给第二用户集合。
在一个可能的实现方式中，获取关联关系网络，包括：
获取样本用户集合中多个样本用户分别针对至少一个应用功能模块的行为特征信息；
建立多个应用功能模块与行为特征信息之间的关联关系；
获取多个样本用户的样本用户画像；
基于各个样本用户的样本用户画像与应用功能模块之间的关联关系生成所述关联关系网络。
在另一个可能的实现方式中，还包括：
获取第一用户集合针对第二功能模块的第一行为特征信息；
基于第二功能模块以及第一行为特征信息更新关联关系网络。
在又一个可能的实现方式中，还包括：
获取第二用户集合针对目标功能模块的第二行为特征信息；
基于目标功能模块与第二行为特征信息更新关联关系网络。
在又一个可能的实现方式中，从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，包括：
在多个候选用户中，确定与第一用户集合中每一第一用户的用户画像相关联的第一目标关联用户；
基于所确定的多个第一目标关联用户获取第二用户集合。
在又一个可能的实现方式中，从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，包括：
在多个候选用户中，确定与第一用户集合中第一预设数量的第一用户的用户画像均相关联的第二目标关联用户；
基于所确定的多个第二目标关联用户获取第二用户集合。
在又一个可能的实现方式中，从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，包括：
确定第一用户集合对应的第一画像类别；
从多个候选用户中，确定属于画像类别的候选用户，得到第二用户集合。
根据本申请实施例的另一个方面，提供了一种产品推荐的装置，该装置包括：
获取模块，用于获取关联关系网络；其中，关联关系网络包括多个应用功能模块与多个用户针对应用功能模块之间的行为特征信息之间的关联关系，以及多个样本用户的样本用户画像与多个应用功能模块之间的关联关系；
确定模块，用于针对应用功能模块中的任一目标功能模块，基于目标功能模块的目标行为特征信息，确定第一用户集合；
推荐功能模块，用于基于关联关系网络从多个候选功能模块中确定与目标行为特征信息相关联的第二功能模块，将第二功能模块推荐给第一用户集合；
推荐用户模块，用于基于关联关系网络从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，把目标功能模块推荐给第二用户集合。
根据本申请实施例的另一个方面，在获取模块中，其中获取关联关系网络，包括：
获取样本用户集合中多个样本用户分别针对至少一个应用功能模块的行为特征信息；
建立多个应用功能模块与行为特征信息之间的关联关系；
获取多个样本用户的样本用户画像；
基于各个样本用户的样本用户画像与应用功能模块之间的关联关系。
根据本申请实施例的另一个方面，在获取模块中，其中关联关系网络还包括：
获取第一用户集合针对第二功能模块的第一行为特征信息；
基于第二功能模块以及第一行为特征信息更新关联关系网络。
根据本申请实施例的另一个方面，在获取模块中，其中关联关系网络还包括：
获取第二用户集合针对目标功能模块的第二行为特征信息；
基于目标功能模块与第二行为特征信息更新关联关系网络。
根据本申请实施例的另一个方面，在推荐用户模块中，其中从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，包括：
在多个候选用户中，确定与第一用户集合中每一第一用户的用户画像相关联的第一目标关联用户；
基于所确定的多个第一目标关联用户获取第二用户集合。
根据本申请实施例的另一个方面，在推荐用户模块中，其中从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，包括：
在多个候选用户中，确定与第一用户集合中第一预设数量的第一用户的用户画像均相关联的第二目标关联用户；
基于所确定的多个第二目标关联用户获取第二用户集合。
根据本申请实施例的另一个方面，在推荐用户模块中，其中从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，包括：
确定第一用户集合对应的第一画像类别；
从多个候选用户中，确定属于画像类别的候选用户，得到第二用户集合。
根据本申请实施例的另一个方面，提供了一种电子设备，该电子设备包括：存储器、处理器及存储在存储器上的计算机程序，处理器执行计算机程序以任一产品推荐方法的步骤。
根据本申请实施例的再一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序被处理器执行时实现任一的产品推荐方法的步骤。
本申请实施例提供的技术方案带来的有益效果是：
基于目标行为特征，确定出与目标行为特征相关联第二功能模块，将第二功能模块推荐给第一用户集合，此时可以进行跨产品推荐；能够向同一群体推荐不同的功能模块，增强用户粘性，并使用户能够更轻松的找到符合自己需求和喜好的产品。基于第一用户集合，确定出与第一用户集合相关联第二用户集合，将目标功能模块推荐给第二用户集合，此时可以进行跨用户推荐，能够有效扩大潜在用户群体，使用户能够更轻松的找到符合自己需求和喜好的产品。
通过确定第一用户集合在第二功能模块体现出的第一行为特征信息，关联第二功能模块与第一行为特征信息及第一用户集合的联系，进一步的，通过确定第二用户集合在目标功能模块体现的第二行为特征信息，关联第二用户集合与第二行为特征信息和目标功能模块的联系；基于前述关联关系，进行功能模块的推荐，通过确定功能模块间的高相关度，来确保推荐的功能模块为用户集合偏好的功能模块，实现了跨产品且跨用户的产品推荐，使用户能够更轻松的找到符合自己需求和喜好的产品。
进一步的，通过实时更新用户集合的画像类别和行为特征信息，能够更准确的定位任一功能模块在用户群体间的定位和特性，进而更好的根据该特性拓宽目标功能模块的功能范围，并拓宽目标功能模块的潜在用户。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的实现产品推荐方法的系统架构示意图；
图2为本申请实施例提供的一种产品推荐方法的流程示意图；
图3为本申请实施例提供的一种产品推荐方法的执行流程示意图；
图4为本申请实施例提供的一种跨产品推荐关系的应用场景示意图；
图5为本申请实施例提供的一种产品推荐方法装置的结构示意图；
图6为本申请实施例提供的一种产品推荐方法的电子设备的结构示意图。
具体实施方式
下面结合本申请中的附图描述本申请的实施例。应理解，下面结合附图所阐述的实施方式，是用于解释本申请实施例的技术方案的示例性描述，对本申请实施例的技术方案不构成限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请实施例所使用的术语“包括”以及“包含”是指相应特征可以实现为所呈现的特征、信息、数据、步骤、操作、元件和/或组件，但不排除实现为本技术领域所支持其他特征、信息、数据、步骤、操作、元件、组件和/或它们的组合等。应该理解，当我们称一个元件被“连接”或“耦接”到另一元件时，该一个元件可以直接连接或耦接到另一元件，也可以指该一个元件和另一元件通过中间元件建立连接关系。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的术语“和/或”指示该术语所限定的项目中的至少一个，例如“A和/或B”指示实现为“A”，或者实现为“A”，或者实现为“A和B”。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
现有技术中，通过确过统计用户信息确定用户常用软件标签，查找用户常用软件的生产厂家旗下的其他出品软件，并推荐给用户等步骤，只能同时满足用户的单个需求，不能根据用户的多种不同偏好推荐偏好值高但使用次数较少的软件。
针对相关技术中所存在的至少一个技术问题或需要改善的地方，本申请实施例提出了一种产品推荐方法、装置、电子设备及计算机存储介质，该方案提供的产品推荐方法，通过服务器获取某应用功能在至少一个终端在用户操作日志中记录的操作行为情况，并分析得到能在该应用功能体现的行为特征，和得到至少一个终端的用户操作行为的行为特征信息，确定该应用功能模块中的目标功能模块，确定该模块对应的目标行为特征，并根据该目标行为特征在样本用户集合中确定出要推荐的第一用户集合，此时可以进行同一产品内的用户直接推荐；基于目标功能模块，确定与该目标功能模块相近的第二功能模块，将第二功能模块推荐给第一用户集合，此时可以进行跨产品的用户直接推荐；基于第一用户集合，确定出与第一用户集合相关联第二用户集合，将目标功能模块推荐给第二用户集合，此时可以进行同一产品内，跨用户的推荐；基于第一用户集合，确定出与第一用户集合相关联第二用户集合，将第二功能模块推荐给第二用户集合，此时可以进行跨产品且跨用户的推荐，能够有效扩大潜在用户群体，使用户能够更轻松的找到符合自己需求和喜好的产品。
此外，通过将确定与目标对象相关联的群体为主体，确定行为特征信息为辅助，能够更准确且及时的掌握用户偏好，减小因用户的喜好具有丰富和多样的特性及容易改变的特性，而造成无法准确根据用户偏好向用户投放产品的问题。
进一步的，通过推荐基于目标功能模块确定的第二功能模块，能够帮助有多功能模块的产品应用，以低成本高性价比的方式提供能力和服务的迁移，并帮助其拓宽潜在客户群体；通过基于确定与第一用户集合相关联的用户确定第二用户集合，能够帮助扩展部分用户的资产信息的信息价值；且基于本方案，可以构建多个行业之间的推荐引擎，使得产品之间的关联性增强，提高产品投放灵活度。
下面通过对几个示例性实施方式的描述，对本申请实施例的技术方案以及本申请的技术方案产生的技术效果进行说明。需要指出的是，下述实施方式之间可以相互参考、借鉴或结合，对于不同实施方式中相同的术语、相似的特征以及相似的实施步骤等，不再重复描述。
图1为本申请实施例提供的实现产品推荐方法的系统架构示意图，其中，应用环境可以包括终端10，其中包括：目标终端101、第二目标终端102、第三目标终端103和服务器20，各个终端和服务器可以通过网络传输数据。
具体的，在两个及以上的终端10中的任一目标终端101，获取该目标终端101中安装的应用功能模块及该终端记录的操作行为信息，并根据该操作行为信息确定该目标终端101的行为特征；根据目标终端101的目标行为特征信息，确定同样与目标行为特征信息相关联的第二功能模块，将确定出的第二功能模块推荐给目标终端101；根据目标终端101的画像信息，在候选用户中确定第二目标终端102，将确定出的目标功能模块或第二功能模块推荐给第二目标终端102；根据目标终端101的通讯录好友信息或订阅用户等信息，确定第三目标终端103，将确定出的目标功能模块或第二功能模块推荐给第三目标终端103。
本技术领域技术人员可以理解，服务器可以包括安装有能够处理数据库操作的服务器。服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、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、CDN(Content Delivery Network，内容分发网络)、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或服务器集群。
终端可以是智能手机(如Android手机、iOS手机等)、平板电脑、笔记本电脑、数字广播接收器、MID(Mobile Internet Devices，移动互联网设备)、PDA(个人数字助理)、台式计算机、智能家电、车载终端(例如车载导航终端、车载电脑等)、智能音箱、智能手表等，终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，但并不局限于此。本发明实施例可应用于各种场景，包括但不限于云技术、人工智能等。具体也可基于实际应用场景需求确定，在此不作限定。
在一些可能的实施方式中，以执行主体为服务器为例，本申请实施例提供了一种数据处理方法，如图2所示，可以包括如下步骤：
S201、获取关联关系网络；其中，关联关系网络包括多个应用功能模块与多个用户针对应用功能模块之间的行为特征信息之间的关联关系，以及多个样本用户的样本用户画像与多个应用功能模块之间的关联关系；
其中，关联关系网络为包含用户集合、用户画像、功能模块及行为特征的对应关系，其中用户集合见根据用户画像确定关联关系，用户集合与功能模块间基于行为特征确定对应关系。对应关系和关联关系可以根据用户的操作行为进行实时更新。
其中，应用功能模块可以是同一个应用里面不同的功能模块，也可以是不同应用之间相似的功能模块。样本用户可以是针对某测试功能发放的限额样本名额的集合，也可以是在进行功能优化时针对以往使用该功能的用户集合。
其中，行为特征信息可以包括，用户在不同功能模块的浏览记录与浏览时常，用户使用某个功能模块的频率与使用总数，用户使用相近的多个功能模块的交互分析等，获取行为特征信息的方法可以包括获取用户终端的行为日志等。
具体的，用户在某应用功能模块是行体现行为特征信息，表现为用户在该应用功能上进行的操作行为，例如点赞、浏览、发帖、参与讨论、参与投票或用户拓展出的新功能等，通过这些操作行为体现出的应用模块具备的功能和特点；还可以包括产品自身具备的功能和特点。
通过设置行为特征信息，便于服务器识别出数据中的潜在模式，发现候选应用功能模块集合中隐藏的结构，揭示应用功能模块之间的联系，并能进行更深入的分析。
S202、针对应用功能模块中的任一目标功能模块，基于目标功能模块的目标行为特征信息，确定第一用户集合；
具体的，在应用功能模块中获得使用该模块的用户在该模块上体现出的行为特征信息，可以对该应用功能模块、行为特征信息和该用户集合设置对应关系；
其中需要注意的是，第一用户集合可以包括样本用户中的某些用户，也可以包括样本用户中的其他用户，例如初始使用该软件的新用户等。
若第一用户集合为样本用户中确定的某些用户，具体的，在样本用户集合中确定出第一用户集合，确定每个用户的行为特征信息，将用户的行为特征信息与目标功能模块对应的行为特征信息进行匹配，将匹配一致的至少一个用户作为目标用户，得到第一用户集合。
需要注意的是，每个用户可以拥有至少一个行为特征信息，每个应用功能模块也可以对应至少一个行为特征信息。
S203基于关联关系网络从多个候选功能模块中确定与目标行为特征信息相关联的第二功能模块，将第二功能模块推荐给第一用户集合；
其中，候选功能模块可以包括不同行为特征信息的应用功能模块，该候选功能模块包括的应用功能模块范围可以是根据用户终端中安装的应用功能模块，也可以是根据同一运营商旗下的多种运营模块；需要注意的是，候选功能模块的种类不局限于前述的应用功能模块；
具体的，确定与目标功能模块相关联的第二功能模块可以包括，将包含目标行为特征信息的候选功能模块作为第二功能模块；也可以包括，若候选功能模块中并不包含目标行为特征信息，通过统计两个功能模块具备的行为特征信息的相似度，来判断两个应用功能模块的相关性，若相似度大于等于预设阈值，则确定第二功能模块与第一功能模块相关联；若相似度小于预设阈值，则确定候选功能模块与第一功能模块不相关联。
其中，可以通过相关性分析工具进行第一功能模块与候选功能模块的相似度统计，例如T检验、方差分析等。
根据目标功能模块体现的行为特征信息，在候选功能模块中确定与目标功能模块相关联的第二功能模块，保证了第二功能模块与目标功能模块的相关性，实现了跨产品的应用功能推荐。
S204、基于关联关系网络从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，把目标功能模块推荐给第二用户集合。
其中，候选用户的范围可以不同于样本用户的范围；
其中，第二用户集合可以包括与第一用户集合行为特征相近的用户集合，也可以包括具有某种特性的用户集合，例如与第一用户的交互通讯信息频繁、为第一用户的通讯录联系人、与第一用户的IP地址(Internet Protocol Address，因特网协议地址)相同例如相同学校、相同社团、相同俱乐部等。
基于目标行为特征，确定出与目标行为特征相关联第二功能模块，将第二功能模块推荐给第一用户集合，此时可以进行跨产品推荐；能够向同一群体推荐不同的功能模块，增强用户粘性，并使用户能够更轻松的找到符合自己需求和喜好的产品。基于第一用户集合，确定出与第一用户集合相关联第二用户集合，将目标功能模块推荐给第二用户集合，此时可以进行跨用户推荐，能够有效扩大潜在用户群体，使用户能够更轻松的找到符合自己需求和喜好的产品。
在一些可能的实施方式中，上述S201中获取关联关系网络，包括：
(1)获取样本用户集合中多个样本用户分别针对至少一个应用功能模块的行为特征信息；
其中，针对应用功能模块的行为特征信息，即在使用该应用功能模块时，用户的操作行为被概括后的特征信息，或用户操作行为的对象被概括后的特征信息。
(2)建立多个应用功能模块与行为特征信息之间的关联关系；
其中，关联关系为通过检索其中一个概念，能够查找到与其相关联的另一不同概念。
也就是说，关联关系网络用于确定目标功能模块的目标行为特征信息；继而确定能够体现目标行为特征信息的第二功能模块；或通过确定第二功能模块的第二行为特征信息，若第二行为特征信息与目标行为特征信息匹配，且相似度高于预设阈值，则确定二者相关联，继而确定第二功能模块与第一功能模块相关联。
其中，确定相似度的方式可以包括，通过分析目标行为特征信息中的关键词与第二行为特征信息对应的关键词之间的相似程度来推断不同的行为特征信息之间的相关性；还可以将目标行为特征信息与第二行为特征信息分别转化为对应的特征向量，计算特征向量间的相似度，从而确定目标行为特征信息和第二功行为特征信息之间的相关性。
(3)获取多个样本用户的样本用户画像；
其中，用户画像用于体现用户的常用一类操作行为，需要注意的是，用户可以拥有至少一个用户画像；某一用户画像也可对应多个用户。
(4)基于各个样本用户的样本用户画像与应用功能模块之间的关联关系生成所述关联关系网络。
其中，若具有某用户画像的用户在某应用功能模块上体现了任一行为特征信息，则可以建立包括用户与应用功能模块的关联关系、用户与行为特征信息的关联关系、用户画像与行为特征信息的关联关系、用户画像与应用功能模块的关联关系。
通过确定第一用户集合在第二功能模块体现出的第一行为特征信息，关联第二功能模块与第一行为特征信息及第一用户集合的联系，进一步的，通过确定第二用户集合在目标功能模块体现的第二行为特征，关联第二用户集合与第二行为特征和目标功能模块的联系；基于前述关联关系，进行功能模块的推荐，通过确定功能模块间的高相关度，来确保推荐的功能模块为用户集合偏好的功能模块，实现了跨产品且跨用户的产品推荐，使用户能够更轻松的找到符合自己需求和喜好的产品。
在一些可能的实施方式中，S201还包括：
(1)获取第一用户集合针对第二功能模块的第一行为特征信息；
其中，目标行为特征信息可以包括第一行为特征，也可以包括第二行为特征。
(2)基于第二功能模块以及第一行为特征信息更新关联关系网络。
具体的，更行关联关系网络为将第二功能模块与第一行为特征的对应关系添加至原有的关联关系网络，并同步关联与第一行为特征对应的用户画像等相关信息。
其中，相关信息可以包括用户使用的目标功能模块具备的具体功能的频率等；确定目标功能模块的第一行为信息还可以包括包括，确定用户使用目标功能模块频率最高的操作行为及操作行为对象，将该模块作为第一行为特征信息；需要注意的是，若少数用户的A操作行为的频率较高，多数用户的B操作行为的频率较高，则采用B操作行为作为目标功能模块的第一行为特征信息，将行为特征信息A作为目标功能模块的第二行为特征信息。
通过将针对用户的属性筛选条件作为确定目标功能模块的的第一行为特征信息，能够更准确的定位该目标功能模块在用户群体间的定位和特性，进而更好的根据该特性拓宽目标功能模块的功能范围，并拓宽目标功能模块的潜在用户。
在一些可能的实施方式中，S201还包括：
(1)获取第二用户集合针对目标功能模块的第二行为特征信息；
(2)基于目标功能模块与第二行为特征信息更新关联关系网络。
其中，第二行为特征信息，不包括第一行为特征信息，第二行为特征信息可以为第二用户集合针对目标功能模块操作行为最频繁的行为特征信息，也可以为第二用户集合针对目标功能模块操作行为第二频繁的行为特征信息。
上述S204从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，包括：
(1)在多个候选用户中，确定与第一用户集合中每一第一用户相关联的第一目标关联用户；
其中，第一用户集合与每一第一用户相关联可以包括：在第一用户集合中，与集合中单个第一用户相关联，具体包括：体现不同用户在兴趣爱好、通过社交网络等方式建立的用户间的网络关系即社交网络关系、对某应用软件的使用记录、学历信息、性别信息、年龄信息等；其中各个关联特性可以单独确定相关性，也可以多个关联特性共同组合确定相关性。
在具体实施方式中，第一用户集合中的用户A与用户B为地理位置坐标相近的年龄相近的两个用户，该用户A与用户B为通讯录好友，则认为用户B与用户A呈相关联性。
如果是跟每一个第一用户相关，那么得到的第二用户集合为数量较大的用户集合，但该第二用户集合中的各个用户相互之间的关联性较小。
(2)基于所确定的多个第一目标关联用户获取第二用户集合。
具体的，将确定出的各个用户的至少一个第一目标关联用户进行集合，得到第二用户集合。
或，在一些可能的实施方式中，上述S204从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，还包括：
(1)在多个候选用户中，确定与第一用户集合中第一预设数量的第一用户均相关联的第二目标关联用户；
其中，与第一用户集合中第一预设数量的第一用户均相关联可以包括：在确定第一用户集合中各个用户的相关联的第一目标关联用户后，对该第一目标关联用户进行进一步筛选，筛选条件为，与第一预设数量的第一用户均相关，得到同时与多个第一用户相关联的第二目标关联用户。
(2)基于所确定的多个第二目标关联用户获取第二用户集合。
具体的，将确定出的与至少一个第一用户相关联的第二目标关联用户进行集合，得到第二用户集合。
通过确定与多个第一用户相关联的第二目标关联用户，能够进一步确保第二目标关联用户与第一用户集合的高相似度及相关联性。
如果是跟预设数量的第一用户相关，那么得到的第二用户集合关联性相较于前者与每个第一用户相关得到的第二用户集合的第二用户集合内的关联性更大。
或，在一些可能的实施方式中，上述S204从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，还包括：
(1)确定第一用户集合对应的第一画像类别；
其中，用户画像是对第一用户集合进行综合分析的结果，综合多个角度和维度描述该类用户集合的特征、行为偏好、需求特点确定用户的标签。
(2)从多个候选用户中，确定属于画像类别的候选用户，得到第二用户集合。
具体的，将候选用户输入该画像类别评估模型，确定与第一用户集合的第一画像类别相同的候选用户进行集合，得到第二用户集合。
通过构建画像类别评估模型，能够通过客观的指标来判断用户画像类别与用户集合之间的相关性，同时节约了时间成本，能够快速且准确的确定一种合适的模型来进行第二用户集合的确定。
在一些可能的实施方式中，确定样本用户集合对应的第二画像类别还包括：从目标功能模块的多个候选行为特征信息中，确定出与第二画像类别对应的目标行为特征信息。具体的，确定样本用户集合对应的第二画像类别的步骤可以包括：(1)确定各个样本用户分别对应的用户画像类别；(2)确定每一用户画像类别对应的目标用户的用户数量，将用户数量最多的用户画像类别作为第二画像类别。
具体的，可以通过特征匹配模型进行特征选择。在使用该特征匹配模型前需先选择已知与行为特征信息的对应确定的画像信息进行模型训练，通过调整训练结果的参数使得模型输出行为特征信息结果与已知行为特征信息相同时，将第二画像信息输入该特征匹配模型进行目标行为特征信息的获取。通过选择与第二画像信息相关性较高的特征进行模型训练，可以提高特征匹配模型的准确率和泛化能力，从而更好地确定画像信息和行为特征信息之间的相关性。
为更清楚地理解本申请实施例描述的产品推荐方法，以下将结合示例进行进一步详细阐述。
在一个示例中，如图3所示，本申请的产品推荐方法，具体包括：
S10：构建功能模块集合(即图中产品集合)，基于特定行业的某个功能，和自身业务需要，基于该功能构建多个功能模块，包括P1、P2、P3等；
S20：构建行为特征信息集合(即图中消费特征集合)，针对候选功能模块中的P1、P2、P3等(可以有更多的功能模块)，构建可共用的行为特征信息集合，例如有T1、T2、T3(可以有更多的行为特征信息)，如果某个用户在某个功能模块例如P1上，具备一个行为特征信息例如T1，说明在功能模块P1上有行为特征信息T1的内容，大概率能得到用户U1的使用认可；
S30构建用户画像类别集合(即图中构建用户画像集合)，功能模块集合的真实用户U1、U2、U3等(可以有更多用户)，构建针对该功能模块的用户画像H1、H2、H3等(可以有更多画像类别)，具体画像类别比如旅游、三线城市、销售、内向型工种。用户和画像类别的关系通过用户的信息收集、功能模块消费行为等方式逐步完善；
S40：收集用户行为特征信息(即图中用户使用产品集合)，在功能模块、行为特征信息、画像类别等信息完备基础上，让真实用户使用我们的功能模块集合，使用的用户越多，用户的使用频率越高，后续的数据和推荐效果越好；
S50：构建行为特征信息与行为特征信息、画像类别等关联关系(即图中收集用户消费行为)，在一批用户对行为特征信息P1、P2、P3进行一段时间的使用后，收集这些用户在不同行为特征信息上的操作行为，并建立用户、画像类别、行为特征信息的关联。
S60：执行跨功能模块推荐(即图中跨产品推荐)。
综上可知，本申请具体实施方式中，通过对指定功能模块、行为特征信息、画像类别进行标准化，并建立基于消费行为的关系网络，提供自适用的用户、用户间的跨产品推荐引擎。
在一个示例中，如图4所示，本申请的产品推荐方法，可以包括：
S71：单一用户集合，基于1个至n个功能模块的行为特征信息(即图中消费特征)，实现跨产品推荐。用户集合U1，如果在功能模块P1使用上体现行为特征信息T1，但还没有使用功能模块P2中的该功能，则可以基于行为特征信息T1推荐包含行为特征信息T1的功能模块P2；需要注意的是，用户集合U1的规模越大，与行为特征信息的相关性也随之增大，基于行为特征信息的推荐效果越好。
S72：多个用户集合，基于相同的用户画像，实现跨应用模块的用户集合推荐。用户集合U1、U2、U3都有相同的行为特征信息和画像类别(即图中用户画像)，其中用户集合U1和用户集合U2在功能模块P1(即图中产品P1)上体现了行为特征信息T1，而用户集合U3没有在功能模块P1(即图中产品P1)的使用记录，则可以向用户集合U3推荐基于行为特征信息T1的功能模块P1。这里用户集合U1和用户集合U2的规模越大，行为特征信息T1的相关性越大，基于其之上的推荐效果越好。
S73：多个用户集合，基于相同的功能模块使用行为，实现用户和用户行为特征信息(即图中用户画像)的关系完善。用户集合U1、U2、U3有一部分共同的用户行为特征信息(即图中用户画像)，且在功能模块集合中，表现出一致性高的使用行为，则根据这些使用行为数据和用户画像类别数据，更新用户和用户行为特征信息中缺失的关系，关系的可信度依赖于使用行为的一致性、规模性、共同行为特征信息的用户集合的规模。
基于前述跨产品推荐逻辑可知，跨功能模块推荐关系图、用户、用户画像类别、功能模块、行为特征信息的关系网络，本申请产品推荐将分为两部分工作，第一部分为，向用户提供跨功能模块推荐，为用户提供满足其兴趣的优质内容和服务；第二部分为，晚上推荐关系，包括关系网络中用户和用户画像类别(即图中用户画像)关系、用户行为特征信息与画像类别关系、用户行为特征与用户画像类别的关系(即图中用户画像和消费特征的关系)，以便于推荐系统的持续优化。
基于目标行为特征，确定出与目标行为特征相关联第二功能模块，将第二功能模块推荐给第一用户集合，此时可以进行跨产品推荐；能够向同一群体推荐不同的功能模块，增强用户粘性，并使用户能够更轻松的找到符合自己需求和喜好的产品。基于第一用户集合，确定出与第一用户集合相关联第二用户集合，将目标功能模块推荐给第二用户集合，此时可以进行跨用户推荐，能够有效扩大潜在用户群体，使用户能够更轻松的找到符合自己需求和喜好的产品。
通过确定第一用户集合在第二功能模块体现出的第一行为特征信息，关联第二功能模块与第一行为特征信息及第一用户集合的联系，进一步的，通过确定第二用户集合在目标功能模块体现的第二行为特征信息，关联第二用户集合与第二行为特征信息和目标功能模块的联系；基于前述关联关系，进行功能模块的推荐，通过确定功能模块间的高相关度，来确保推荐的功能模块为用户集合偏好的功能模块，实现了跨产品且跨用户的产品推荐，使用户能够更轻松的找到符合自己需求和喜好的产品。
进一步的，通过实时更新用户集合的画像类别和行为特征信息，能够更准确的定位任一功能模块在用户群体间的定位和特性，进而更好的根据该特性拓宽目标功能模块的功能范围，并拓宽目标功能模块的潜在用户。
本申请实施例提供了一种产品推荐装置，如图5所示，该产品推荐装置60可以包括：获取模块501、确定模块502、推荐功能模块503以及推荐用户模块504，其中，
获取模块501，用于获取关联关系网络；其中，关联关系网络包括多个应用功能模块与多个用户针对应用功能模块之间的行为特征信息之间的关联关系，以及多个样本用户的样本用户画像与多个应用功能模块之间的关联关系；
确定模块502，用于针对应用功能模块中的任一目标功能模块，基于目标功能模块的目标行为特征信息，确定第一用户集合；
推荐功能模块503，用于基于关联关系网络从多个候选功能模块中确定与目标行为特征信息相关联的第二功能模块，将第二功能模块推荐给第一用户集合；
推荐用户模块504，用于基于关联关系网络从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，把目标功能模块推荐给第二用户集合。
根据本申请实施例的另一个方面，在获取模块501中，其中获取关联关系网络，包括：
获取样本用户集合中多个样本用户分别针对至少一个应用功能模块的行为特征信息；
建立多个应用功能模块与行为特征信息之间的关联关系；
获取多个样本用户的样本用户画像；
基于各个样本用户的样本用户画像与应用功能模块之间的关联关系生成所述关联关系网络。
根据本申请实施例的另一个方面，在获取模块501中，还包括：
获取第一用户集合针对第二功能模块的第一行为特征信息；
基于第二功能模块以及第一行为特征信息更新关联关系网络。
根据本申请实施例的另一个方面，在获取模块501中，还包括：
获取第二用户集合针对目标功能模块的第二行为特征信息；
基于目标功能模块与第二行为特征信息更新关联关系网络。
根据本申请实施例的另一个方面，在推荐用户模块504中，其中从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，包括：
在多个候选用户中，确定与第一用户集合中每一第一用户的用户画像相关联的第一目标关联用户；
基于所确定的多个第一目标关联用户获取第二用户集合。
根据本申请实施例的另一个方面，在推荐用户模块504中，其中从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，包括：
在多个候选用户中，确定与第一用户集合中第一预设数量的第一用户的用户画像均相关联的第二目标关联用户；
基于所确定的多个第二目标关联用户获取第二用户集合。
根据本申请实施例的另一个方面，在推荐用户模块504中，其中从多个候选用户中，确定出与第一用户集合相关联的第二用户集合，包括：
确定第一用户集合对应的第一画像类别；
从多个候选用户中，确定属于画像类别的候选用户，得到第二用户集合。
本申请实施例的装置可执行本申请实施例所提供的方法，其实现原理相类似，本申请各实施例的装置中的各模块所执行的动作是与本申请各实施例的方法中的步骤相对应的。
基于目标行为特征，确定出与目标行为特征相关联第二功能模块，将第二功能模块推荐给第一用户集合，此时可以进行跨产品推荐；能够向同一群体推荐不同的功能模块，增强用户粘性，并使用户能够更轻松的找到符合自己需求和喜好的产品。基于第一用户集合，确定出与第一用户集合相关联第二用户集合，将目标功能模块推荐给第二用户集合，此时可以进行跨用户推荐，能够有效扩大潜在用户群体，使用户能够更轻松的找到符合自己需求和喜好的产品。
通过确定第一用户集合在第二功能模块体现出的第一行为特征信息，关联第二功能模块与第一行为特征信息及第一用户集合的联系，进一步的，通过确定第二用户集合在目标功能模块体现的第二行为特征信息，关联第二用户集合与第二行为特征信息和目标功能模块的联系；基于前述关联关系，进行功能模块的推荐，通过确定功能模块间的高相关度，来确保推荐的功能模块为用户集合偏好的功能模块，实现了跨产品且跨用户的产品推荐，使用户能够更轻松的找到符合自己需求和喜好的产品。
进一步的，通过实时更新用户集合的画像类别和行为特征信息，能够更准确的定位任一功能模块在用户群体间的定位和特性，进而更好的根据该特性拓宽目标功能模块的功能范围，并拓宽目标功能模块的潜在用户。
本申请实施例中提供了一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，该处理器执行上述计算机程序以实现产品推荐方法的步骤，与现有技术相比可实现：基于第一用户集合，确定出与第一用户集合相关联第二用户集合，将第二功能模块推荐给第二用户集合，此时可以进行跨产品且跨用户的推荐，能够有效扩大潜在用户群体，使用户能够更轻松的找到符合自己需求和喜好的产品。
在一个可选实施例中提供了一种电子设备，如图6所示，图6所示的电子设备4000包括：处理器4001和存储器4003。其中，处理器4001和存储器4003相连，如通过总线4002相连。可选地，电子设备4000还可以包括收发器4004，收发器4004可以用于该电子设备与其他电子设备之间的数据交互，如数据的发送和/或数据的接收等。需要说明的是，实际应用中收发器4004不限于一个，该电子设备4000的结构并不构成对本申请实施例的限定。
处理器4001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器4001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线4002可包括一通路，在上述组件之间传送信息。总线4002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器4003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质、其他磁存储设备、或者能够用于携带或存储计算机程序并能够由计算机读取的任何其他介质，在此不做限定。
存储器4003用于存储执行本申请实施例的计算机程序，并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的计算机程序，以实现前述方法实施例所示的步骤。
其中，电子设备包括但不限于：能应用上述产品推荐方法的终端和服务器。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”、“1”、“2”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除图示或文字描述以外的顺序实施。
应该理解的是，虽然本申请实施例的流程图中通过箭头指示各个操作步骤，但是这些步骤的实施顺序并不受限于箭头所指示的顺序。除非本文中有明确的说明，否则在本申请实施例的一些实施场景中，各流程图中的实施步骤可以按照需求以其他的顺序执行。此外，各流程图中的部分或全部步骤基于实际的实施场景，可以包括多个子步骤或者多个阶段。这些子步骤或者阶段中的部分或全部可以在同一时刻被执行，这些子步骤或者阶段中的每个子步骤或者阶段也可以分别在不同的时刻被执行。在执行时刻不同的场景下，这些子步骤或者阶段的执行顺序可以根据需求灵活配置，本申请实施例对此不限制。
以上所述仅是本申请部分实施场景的可选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请的方案技术构思的前提下，采用基于本申请技术思想的其他类似实施手段，同样属于本申请实施例的保护范畴。

Claims (10)

1.一种产品推荐方法，其特征在于，包括：
获取关联关系网络；其中，所述关联关系网络包括多个应用功能模块与多个用户针对应用功能模块之间的行为特征信息之间的关联关系，以及多个样本用户的样本用户画像与多个应用功能模块之间的关联关系；
针对所述应用功能模块中的任一目标功能模块，基于所述目标功能模块的目标行为特征信息，确定第一用户集合；
基于所述关联关系网络从多个候选功能模块中确定与所述目标行为特征信息相关联的第二功能模块，将第二功能模块推荐给所述第一用户集合；
基于所述关联关系网络从多个候选用户中，确定出与所述第一用户集合相关联的第二用户集合，把所述目标功能模块推荐给所述第二用户集合。
2.根据权利要求1所述的产品推荐方法，其特征在于，所述获取关联关系网络，包括：
获取样本用户集合中多个样本用户分别针对至少一个应用功能模块的行为特征信息；
建立多个应用功能模块与行为特征信息之间的关联关系；
获取多个样本用户的样本用户画像；
基于各个样本用户的样本用户画像与应用功能模块之间的关联关系生成所述关联关系网络。
3.根据权利要求1所述的产品推荐方法，其特征在于，还包括：
获取所述第一用户集合针对所述第二功能模块的第一行为特征信息；
基于所述第二功能模块以及所述第一行为特征信息更新所述关联关系网络。
4.根据权利要求1至3任一项所述的产品推荐方法，其特征在于，还包括：
获取所述第二用户集合针对所述目标功能模块的第二行为特征信息；
基于所述目标功能模块与所述第二行为特征信息更新所述关联关系网络。
5.根据权利要求1所述的产品推荐方法，其特征在于，所述从多个候选用户中，确定出与所述第一用户集合相关联的第二用户集合，包括：
在所述多个候选用户中，确定与所述第一用户集合中每一第一用户的用户画像相关联的第一目标关联用户；
基于所确定的多个第一目标关联用户获取第二用户集合。
6.根据权利要求1所述的产品推荐方法，其特征在于，所述从多个候选用户中，确定出与所述第一用户集合相关联的第二用户集合，包括：
在所述多个候选用户中，确定与第一用户集合中第一预设数量的第一用户的用户画像均相关联的第二目标关联用户；
基于所确定的多个第二目标关联用户获取第二用户集合。
7.根据权利要求1所述的产品推荐方法，其特征在于，所述从多个候选用户中，确定出与所述第一用户集合相关联的第二用户集合，包括：
确定所述第一用户集合对应的第一画像类别；
从多个候选用户中，确定属于所述画像类别的候选用户，得到所述第二用户集合。
8.一种产品推荐装置，其特征在于，包括：
获取模块，用于获取关联关系网络；其中，所述关联关系网络包括多个应用功能模块与多个用户针对应用功能模块之间的行为特征信息之间的关联关系，以及多个样本用户的样本用户画像与多个应用功能模块之间的关联关系；
确定模块，用于针对所述应用功能模块中的任一目标功能模块，基于所述目标功能模块的目标行为特征信息，确定第一用户集合；
推荐功能模块，用于基于所述关联关系网络从多个候选功能模块中确定与所述目标行为特征信息相关联的第二功能模块，将第二功能模块推荐给所述第一用户集合；
推荐用户模块，用于基于所述关联关系网络从多个候选用户中，确定出与所述第一用户集合相关联的第二用户集合，把所述目标功能模块推荐给所述第二用户集合。
9.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-7任一项所述产品推荐方法的步骤。
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1-7任一项所述的产品推荐方法的步骤。
CN202310871621.6A 2023-07-14 2023-07-14 产品推荐方法、装置、电子设备及可读存储介质 Pending CN116680480A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310871621.6A CN116680480A (zh) 2023-07-14 2023-07-14 产品推荐方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310871621.6A CN116680480A (zh) 2023-07-14 2023-07-14 产品推荐方法、装置、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN116680480A true CN116680480A (zh) 2023-09-01

Family

ID=87781197

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310871621.6A Pending CN116680480A (zh) 2023-07-14 2023-07-14 产品推荐方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN116680480A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117155978A (zh) * 2023-10-31 2023-12-01 山东弘毅节能服务有限公司 一种基于人工智能的智慧校园管理系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117155978A (zh) * 2023-10-31 2023-12-01 山东弘毅节能服务有限公司 一种基于人工智能的智慧校园管理系统
CN117155978B (zh) * 2023-10-31 2024-01-26 山东弘毅节能服务有限公司 一种基于人工智能的智慧校园管理系统

Similar Documents

Publication Publication Date Title
TWI694401B (zh) 融合用戶關係資料的搜尋方法和裝置
CN102591911B (zh) 位置相关实体的实时个性化推荐
CN110223186B (zh) 用户相似度确定方法以及信息推荐方法
CN109872242B (zh) 信息推送方法和装置
US7783636B2 (en) Personalized information retrieval search with backoff
CN107424043A (zh) 一种产品推荐方法及装置，电子设备
JP2010009315A (ja) 推薦店舗提示システム
CN107918618B (zh) 数据处理方法及装置
CN111159563B (zh) 用户兴趣点信息的确定方法、装置、设备及存储介质
CN113382301A (zh) 视频的处理方法、存储介质和处理器
CN112507218A (zh) 业务对象推荐方法、装置、电子设备及存储介质
Peterson et al. Measuring the immeasurable: Visitor engagement
CN116680480A (zh) 产品推荐方法、装置、电子设备及可读存储介质
CN113454669A (zh) 通过用户访问的特征来表征地点
CN111191133B (zh) 业务搜索处理方法、装置及设备
CN110059172B (zh) 基于自然语言理解的推荐答案的方法和装置
US8949327B2 (en) Method and device to provide trusted recommendations of websites
CN112100511B (zh) 一种偏好程度数据获得方法、装置以及电子设备
CN109299368B (zh) 一种用于环境信息资源ai智能个性化推荐的方法及系统
CN113127720A (zh) 一种热搜词确定方法及装置
CN112905892A (zh) 应用于用户画像挖掘的大数据处理方法及大数据服务器
CN112256719A (zh) 实体查询方法、装置、可读介质与电子设备
CN111241358A (zh) 电子图书馆的通信方法及系统
KR101970294B1 (ko) 항목 추천 장치, 방법 및 컴퓨터 프로그램
Xue et al. Research on personalized recommendation service of mobile library based on user portrait

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